返回顶部
n

notebooklm-distillerNotebookLM提取器

NotebookLM Distiller: Batch knowledge extraction from Google NotebookLM into Obsidian. Supports Q&A generation (15-20 deep questions), structured summaries, glossary extraction, web research sessions, and direct markdown persistence.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 2.0.0
安全检测
已通过
312
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

notebooklm-distiller

NotebookLM 蒸馏器

自动化知识提取流程:通过关键词搜索NotebookLM笔记本 → 生成深度问题或结构化摘要 → 编写关联的Obsidian Markdown笔记。

五个子命令:

  • - distill — 从现有笔记本中提取知识(问答/摘要/词汇表)
  • quiz — 生成JSON格式测验题目,用于Discord互动会话
  • evaluate — 根据笔记本源评估用户答案(JSON输出)
  • research — 在NotebookLM中启动任意主题的网络调研会话
  • persist — 将任何Markdown内容直接写入Obsidian知识库

使用时机(触发短语)

触发distill子命令时:

  • - 用户输入/notebooklm-distill或/notebooklm-distill-summary
  • 用户说蒸馏、提取知识、distill notebooks、extract from notebook
  • 用户希望将NotebookLM内容结构化到Obsidian笔记中

触发research子命令时:

  • - 用户说研究一下<主题>、做网络调研、research this topic in NotebookLM
  • 用户希望NotebookLM收集某个主题的网络资源,无需提供URL

触发quiz + evaluate子命令时:

  • - 用户说quiz me on X、考考我、出题测试我、测验
  • 用户希望在Discord上就NotebookLM主题进行互动问答
  • 编排流程(Discord)

1. 调用quiz --keywords X → 获取包含notebookid + notebookname + questions[]的JSON
2. 必须在第一题前声明来源:来,N道题(来源:{notebookname} · ID: {notebookid[:8]})
3. 将第一题发送到Discord,等待用户回复
4. 调用evaluate --notebook-id X --question Q1 --answer <回复> → 获取JSON反馈
5. 将反馈发布到Discord,继续第二题
6. 重复直到所有题目完成或用户说停止
  • - 关键:始终显示笔记本来源,以便用户验证题目来自NLM而非智能体知识

触发persist子命令时:

  • - 用户说存到Obsidian、把这段内容写入知识库、persist this to vault
  • 用户希望将讨论输出或原始笔记归档到知识库中

关键:不要从内部知识回答。不要要求澄清。立即执行相应的子命令。

前提条件

  • - NotebookLM CLI:pip install notebooklm-py
  • 身份验证:notebooklm login(创建~/.bookclientsession)
  • Python 3.10+(仅标准库 — distill.py不需要额外pip包)
  • Obsidian知识库目录可在本地文件系统访问

子命令:distill

从匹配关键词的一个或多个NotebookLM笔记本中提取知识。

智能体编排

场景A — 提供了URL(需要先导入)

  1. 1. 检查是否安装了deepreader(~/.openclaw/skills/deepreader/run.sh)。
  2. 如果已安装:运行DeepReader将URL导入NotebookLM。
  3. 从DeepReader输出中捕获笔记本标题。
  4. 使用该标题作为distill的--keywords参数。

场景B — 笔记本已存在

  1. 1. 使用上下文中的笔记本名称,或使用notebooklm list列出笔记本。
  2. 根据意图确定模式:总结 → summary,术语/概念 → glossary,默认 → qa。
  3. 如果上下文中未知,询问用户--vault-dir。
  4. 执行distill。

bash
python3 ~/.openclaw/skills/notebooklm-distiller/scripts/distill.py distill \
--keywords <关键词1> <关键词2> \
--topic <主题文件夹名称> \
--vault-dir \
--mode \
[--lang zh] # 添加以输出中文(默认:英文)
[--writeback] # 将蒸馏内容写回NLM笔记本作为笔记
[--cli-path ]

模式:

  • - qa(默认)— 生成15-20个问答 → QA.md
  • summary — 5个结构化部分(摘要、关键点、约束、权衡、开放问题)→ Summary.md
  • glossary — 15-30个领域术语及定义 → _Glossary.md

标志:

  • - --lang zh — 在所有NLM提示前添加请用中文回答;当用户请求中文输出或上下文为中文时添加
  • --writeback — 写入Obsidian后,调用notebooklm source add将蒸馏笔记作为文本源推回源笔记本,标题为Distill Log: {mode} | {notebook_name} | {date}。当用户说写回NLM、记录到笔记本或希望蒸馏日志在NotebookLM中可见时添加

子命令:research

在NotebookLM中启动一个主题的网络调研会话。创建新笔记本,导入网络资源,并等待完成。

bash
python3 ~/.openclaw/skills/notebooklm-distiller/scripts/distill.py research \
--topic <调研主题> \
[--mode deep|fast] \
[--cli-path ]

输出:笔记本ID和名称。后续使用distill提取到Obsidian。

子命令:persist

将任何Markdown内容写入Obsidian知识库,并自动生成YAML前置元数据。

bash

从内联内容


python3 ~/.openclaw/skills/notebooklm-distiller/scripts/distill.py persist \
--vault-dir \
--path Notes/2026-03-09-meeting.md \
--title 会议记录 \
--content 关键决策:... \
--tags 会议,笔记

从文件

python3 ~/.openclaw/skills/notebooklm-distiller/scripts/distill.py persist \ --vault-dir \ --path Notes/draft.md \ --file ~/Desktop/draft.md

输出格式(distill)

每个笔记本在//_.md生成一个文件:

markdown



title: | 深度问答
date: YYYY-MM-DD
type: knowledge-note
author: notebooklm-distiller
tags: [蒸馏, 问答, <主题缩写>]
source: NotebookLM/
project: <主题>
status: draft


— 深度问答

Q01

[!question]
<问题文本>

答案:

<来自笔记本源的答案>



输出语言

为distill、quiz或evaluate添加--lang zh以获取中文输出。默认为英文。

NLM CLI会话行为

notebooklm ask --new创建在NotebookLM Web界面中不可见的临时会话。这是设计使然 — CLI和Web界面使用独立的对话空间。答案仍限定在指定笔记本的源范围内。

错误处理

  • - 未找到笔记本:验证关键词是否匹配笔记本标题(使用notebooklm list)。
  • 超时/速率限制:内置重试逻辑和延迟。使用ps aux | grep notebooklm监控。
  • 身份验证失败:运行notebooklm login刷新~/.bookclientsession。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 notebooklm-distiller-1776184022 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 notebooklm-distiller-1776184022 技能

通过命令行安装

skillhub install notebooklm-distiller-1776184022

下载

⬇ 下载 notebooklm-distiller v2.0.0(免费)

文件大小: 22.35 KB | 发布时间: 2026-4-15 13:23

v2.0.0 最新 2026-4-15 13:23
v2.0: quiz/evaluate for Discord, --lang zh, --writeback to NLM, MIT 48h learning prompts

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部