利用 NotebookLM 构建基于私有文档的 AI 研究助手
解决通用 AI 容易产生“幻觉”且缺乏私有领域知识的问题：通过调用 Google NotebookLM，让 AI 仅在用户指定的文档范围内检索信息，并输出带来源标注的精准答案。
为什么需要这个技能
在处理复杂的专业文档、长篇论文或公司内部资料时，通用 LLM 往往无法掌握最新的私有信息，或者在回答时胡编乱造。
NotebookLM 采用了“源支撑（Source-grounded）”机制，确保所有回答都来自你上传的资料。本技能通过自动化脚本将 AI 助手与 NotebookLM 链接，使其能够自动管理笔记库、执行精准查询，并根据回答结果自动进行追问，直到获取完整信息。
适用场景
- 深度研报分析：对大量 PDF 或网页资料进行交叉比对，提取核心结论。
- 私有文档问答：在不将敏感数据训练给大模型的前提下，基于自有知识库快速检索信息。
- 复杂课题研究：需要 AI 扮演研究助理，在海量参考资料中寻找特定线索。
核心工作流
1. 环境初始化与认证
所有操作必须通过 run.py 包装器执行，以确保虚拟环境和依赖正确加载。
# 检查认证状态
python scripts/run.py auth_manager.py status
# 首次运行：启动浏览器进行 Google 账号手动登录
python scripts/run.py auth_manager.py setup2. 知识库（Notebook）管理
可以通过“智能发现”模式自动分析 Notebook 内容并添加到库中，或手动添加。
# 智能发现：先查询内容，再自动添加元数据
python scripts/run.py ask_question.py --question "该笔记本涵盖了哪些主题？请简要概述" --notebook-url "[URL]"
python scripts/run.py notebook_manager.py add --url "[URL]" --name "[名称]" --description "[描述]" --topics "[标签]"
# 查看当前所有笔记库
python scripts/run.py notebook_manager.py list3. 执行精准查询
AI 会打开一个独立的浏览器会话，检索答案后关闭。
# 对特定笔记库提问
python scripts/run.py ask_question.py --question "具体问题" --notebook-id notebook-id4. 迭代追问机制
当 NotebookLM 返回答案并询问 “Is that ALL you need to know?” 时，AI 助手会分析答案是否存在缺漏。如果存在 gaps，将自动触发 ask_question.py 进行追问，直到信息完整后才汇总给用户。
下载和安装
解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。
你可能还需要
暂无推荐