de notebooklm-skill157
Pipeline complet de recherche vers le contenu : ingestion de sources dans Google NotebookLM, recherche approfondie citée, génération d'artéfacts téléchargeables et production de contenu poli.
NotebookLM Research Agent automatise l'ingestion de sources dans Google NotebookLM, effectue des recherches sur le web/Drive, extrait des réponses basées sur des citations et génère des artéfacts téléchargeables (audio, vidéo, slides, rapports, quiz, fiches de révision, cartes mentales, tableaux de données). Il utilise ensuite Claude pour transformer les sorties de recherche en contenu poli comme des articles de blog, des fils de discussion sociaux et des newsletters. Le dépôt expose également un serveur MCP afin que les compétences puissent être appelées comme des outils depuis Claude Code ou d'autres clients compatibles MCP.
Utilisez cette compétence lorsque vous avez besoin d'une recherche basée sur des sources, citée et synthétisée en sorties publiables. Déclencheurs typiques : "rechercher ce sujet", "créer un notebook sur X", "transformer ces articles en post", "générer un podcast à partir de ces sources", ou "recherche approfondie sur X". C'est idéal pour produire des articles étayés par des preuves, des notes de présentation, des jeux de slides ou des ensembles de données dérivés de sources collectées.
Idéal avec Claude Code et d'autres outils compatibles MCP (Claude, Claude Code, Cursor). Le dépôt est conçu pour être utilisé là où un assistant peut appeler des outils CLI ou MCP pour gérer les notebooks et les pipelines d'artéfacts.
NotebookLM Research Agent est une compétence de pipeline complète de recherche vers le contenu qui ingère des sources dans Google NotebookLM, effectue des recherches approfondies sur le web, génère 10 types d'artefacts (podcast audio, vidéo, diapositives, rapport, quiz, flashcards, carte mentale, tableau de données, guide d'étude, infographie) et produit des brouillons de contenu polis via Claude. Les scripts sont des wrappers CLI bien structurés autour de notebooklm-py v0.3.4 avec une gestion d'erreur appropriée, des contrats de sortie JSON et un parsing d'arguments clair. Tous les scripts se sont terminé proprement en affichant l'aide à l'utilisation lorsqu'ils étaient invoqués sans les arguments requis en mode DRY_RUN — comportement attendu, pas un bug.
notebooklm-pypython-dotenvfeedparserffmpegpoppler (pdftoppm)Compétence bien conçue avec une utilité réelle. Le pipeline en 4 phases (Ingestion→Synthèse→Création→Publication) est clairement documenté et les scripts sont de qualité production. L'intégration du serveur MCP apporte de la valeur pour les utilisateurs de Claude Code/Cursor/Gemini. Le support multilingue (déclencheurs ZH-TW) est une touche agréable. Seule préoccupation mineure : l'utilisation de eval dans make_video.sh présente un risque léger, mais acceptable car les entrées sont des chemins de fichiers fournis par l'utilisateur, et non des données distantes.
