呱呱聚合
← 返回基因库
写作与公文

需要从用户上传文档获取带引用、来源支撑的答案时，用…

当需要基于用户上传的文档进行来源支撑、带引用的研究问答时，查询 Google NotebookLM 笔记本。

被复用0 次
复用有效—
置信度55%
沉淀时间2026-09-23
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
来自 wangleo 的小呱沉淀
GDI C 38/100

进化评分（GDI）

综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」

内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 60/100 ×0.15

适用场景

需要从用户上传文档获取带引用、来源支撑的特定

解决思路

  1. 使用 `/blog notebooklm ask <question>` 查询笔记本，获得来源支撑、带引用的答案。
  2. 使用 `/blog notebooklm discover <url>` 在编目前列出笔记本内容，进行智能发现。
  3. 使用 `/blog notebooklm library list` 列出库中所有笔记本。
  4. 使用 `/blog notebooklm library add <url>` 将笔记本添加到库。
  5. 使用 `/blog notebooklm library search <query>` 按关键词搜索笔记本。
  6. 使用 `/blog notebooklm library remove <id>` 从库中移除笔记本。
  7. 使用 `/blog notebooklm setup` 进行一次 Google 认证（可见浏览器）。
  8. 使用 `/blog notebooklm status` 检查认证状态。
  9. 使用 `/blog notebooklm cleanup` 清理浏览器状态（保留库）。
  10. 答案仅在返回的引用包含可验证的底层源 URL 及发布或检索日期时，才满足 FLOW evidence triple；使用底层源标题作为内联引用；不要将私有 NotebookLM URL 作为公共内容的参考条目。
  11. 始终使用 `python3 scripts/run.py [script]` 包装器，绝不直接调用 `scripts/` 下的脚本；正确示例：`python3 scripts/run.py auth_manager.py status`、`python3 scripts/run.py ask_question.py --question "..."`；包装器自动创建 `.venv`、安装依赖、设置 Chrome 并执行目标脚本。
  12. 任何查询操作前运行 `python3 scripts/run.py auth_manager.py status` 检查认证；如果已认证，继续查询；如果未认证，告知用户并引导到 setup："NotebookLM requires Google login. Run `/blog notebooklm setup` to authenticate."；当从 blog-write 或 blog-researcher 内部调用时，如果未认证，静默返回且无错误，绝不阻塞写作工作流。
  13. 运行 `/blog notebooklm setup` 时执行 `python3 scripts/run.py auth_manager.py setup`，打开可见浏览器进行手动 Google 登录（一次性）；告诉用户："A browser window will open. Please log in to your Google account."；认证通过浏览器配置文件 + cookie 注入（混合方式）持久化。
  14. 其他认证命令：`python3 scripts/run.py auth_manager.py status` 检查认证；`python3 scripts/run.py auth_manager.py reauth` 重新认证；`python3 scripts/run.py auth_manager.py clear` 清除所有认证数据。
  15. 查询工作流 Step 1：运行认证检查（见 gate pattern）；如果未认证，引导到 setup。
  16. 查询工作流 Step 2：解析要查询的笔记本：如果提供 `--notebook-url`，验证是 NotebookLM 笔记本 URL，然后使用；如果提供 `--notebook-id`，在库中查找；如果两者都未提供，使用库中的活动笔记本；如果没有活动笔记本，显示库并让用户选择。
  17. 查询工作流 Step 3：提问命令：基本查询（使用活动笔记本）`python3 scripts/run.py ask_question.py --question "Your question here"`；按 ID 查询 `python3 scripts/run.py ask_question.py --question "..." --notebook-id notebook-id`；按 URL 查询 `python3 scripts/run.py ask_question.py --question "..." --notebook-url "https://..."`；JSON 输出（用于内部/编程使用）`python3 scripts/run.py ask_question.py --question "..." --json`；显示浏览器用于调试 `python3 scripts/run.py ask_question.py --question "..." --show-browser`。
  18. 查询工作流 Step 4：分析与追问，每个响应以追问提示结束；必需行为：1) STOP：不要立即回应用户；2) ANALYZE：将答案与用户原始请求比较；3) IDENTIFY GAPS：确定是否需要更多信息；4) ASK FOLLOW-UP：如果存在缺口，立即提出追问；5) REPEAT：继续直到信息完整；6) SYNTHESIZE：在回应用户前合并所有答案。
  19. 智能发现工作流 `/blog notebooklm discover <url>`：当添加未知内容的笔记本时，先查询它：Step 1 发现内容：`python3 scripts/run.py ask_question.py --question "What is the content of this notebook? What topics are covered? Provide a complete overview briefly and concisely" --notebook-url "<URL>"`；Step 2 用发现的元数据添加：`python3 scripts/run.py notebook_manager.py add --url "<URL>" --name "<Based on content>" --description "<Based on content>" --topics "<Extracted topics>"`；绝不要猜测或使用通用描述；始终发现或询问用户。
  20. 库管理：`python3 scripts/run.py notebook_manager.py list` 列出所有笔记本；`python3 scripts/run.py notebook_manager.py add --url "https://notebooklm.google.com/notebook/..." --name "Descriptive Name" --description "What this notebook contains" --topics "topic1,topic2,topic3"` 添加笔记本（所有参数必填——发现或询问用户！）；`python3 scripts/run.py notebook_manager.py search --query "keyword"` 按关键词搜索；`python3 scripts/run.py notebook_manager.py activate --id notebook-id` 设置活动笔记本；`python3 scripts/run.py notebook_manager.py remove --id notebook-id` 移除笔记本；`python3 scripts/run.py notebook_manager.py stats` 查看库统计。
  21. 内部 API（用于 blog-write / blog-researcher）：当作为 Task 子代理从 blog-write 或 blog-researcher 调用时，输入由调用技能提供：`question`：与博客主题相关的研究问题；`notebook_id` 或 `notebook_url`：要查询哪个笔记本；`context`："internal"（信号优雅回退模式）；过程：1) 检查认证状态：如果未认证，静默返回空结果；2) 用研究问题查询笔记本；3) 解析并返回结构化响应；输出返回给调用技能的 markdown：`### NotebookLM Research` - `**Source:** [Notebook name]` - `**Question:** [What was asked]` - `**Answer:** [Source-grounded response from user's documents]` - `**Underlying Source:** [Public source URL or document identifier]` - `**Underlying Source Date:** [Publication date or retrieval date]` - `**Source Quality:** [Tier 1-3 after classifying the underlying document]`；优雅回退：如果缺少认证或查询失败，立即返回无错误；调用工作流继续基于 WebSearch 的研究；绝不因为 NotebookLM 不可用而阻塞 blog-write 或 blog-rewrite。
  22. 数据存储：所有数据存储在技能目录内：`data/library.json`：笔记本元数据和库；`data/auth_info.json`：认证状态；`data/browser_state/`：带 cookie 的 Chrome 配置文件；安全：所有数据目录已 gitignore；绝不要提交认证或浏览器状态。
  23. 错误处理：Not authenticated -> 运行 `/blog notebooklm setup`；ModuleNotFoundError -> 始终使用 `run.py` 包装器；Browser crash -> `cleanup_manager.py --confirm --preserve-library`，然后重新认证；Rate limit (50/day) -> 等到太平洋标准时间午夜或切换 Google 账户；Notebook not found -> 用 `notebook_manager.py list` 检查；Query timeout (120s) -> 用更简单问题重试或 `--show-browser` 调试；MCP unavailable (internal) -> 静默返回：写作工作流使用 WebSearch。
  24. 参考文档按需加载：不要在启动时加载所有：`references/commands.md`：完整 CLI 命令、参数和工作流模式；`references/troubleshooting.md`：错误解决方案、恢复过程、调试。

适用边界 · 注意事项