Claude Code + NotebookLM = 自動化學習流程的作弊碼

基本資訊

作者: azuma01130626
來源: Threads
發布時間: 2026-03-06 18:06（8 小時前）
觀看數: 12.8K
社群反應: 413 讚、34 則留言、63 分享、464 收藏
分類: NotebookLM
原文連結: Threads
參考影片: YouTube - Claude Code + NotebookLM = CHEAT CODE

問題：手動流程太煩

過去的學習流程

作者的習慣:

我是那種很依賴 AI 學習的人，尤其喜歡拿 YouTube 影片當素材。

典型流程

1. 在 YouTube 找影片: 先在 YouTube 上滑一下找影片，找到不錯的

2. 複製 URL 貼到 NotebookLM: 影片也是一條一條貼的

3. 等 NotebookLM 處理: 等它消化完，生摘要、生播客、生心智圖

4. 複製結果給 LLM: 然後再把結果複製出來丟給 LLM 對話討論

5. 追問內化: 追問幾個問題，把知識真正內化

三個平台反覆切換

YouTube → NotebookLM → LLM，三個平台反覆切

全部都是手動

搜影片是手動的
字幕是手動抓的
推 NotebookLM 是一條一條貼的
產出結果再搬回 LLM 也是手動的

痛點

煩死了!!!!!!!!!

解決方案：Claude Code 當調度中心

靈感來源

YouTube 影片: Claude Code + NotebookLM = CHEAT CODE

核心概念:

他讓 Claude Code 當調度中心，將分析任務「外包」給 NotebookLM，負責幫你串接工具、搬運資料，接收 NotebookLM 生成的結果。

作者反應

唉呦!! 有點意思，說幹就幹，我跟 Claude 當場就動手串接起來了。

實現方式

三個免費工具

1. yt-dlp

功能: 搜 YouTube + 抓字幕

2. notebooklm-py

功能: NotebookLM 的 CLI 橋接

3. Claude Code Skills

功能: 讓 AI 知道什麼時候該叫誰

安裝與設定

時間: 安裝、設定、測試完大概 20 分鐘

額外時間: 測試 Skills Creator 的新功能花了 1 小時

新流程：全自動化

使用方式

現在只要用自然語言下達指令，等結果就好。

實際案例：研究 Claude Code Skills

步驟 1: 搜尋影片

指令: 研究 Claude Code Skills 怎麼寫比較好

AI 自動執行: 用 yt-dlp 工具，直接搜尋 20 部相關影片讓我挑

步驟 2: 選定影片

作者選擇: Nate Herk 的教學影片

操作: 直接丟連結給 Claude 當測試

步驟 3: 自動處理

AI 自動完成:

抓了 4000 字逐字稿
建好 NotebookLM 筆記本
嵌入影片

步驟 4: NotebookLM 產出

自動生成:

摘要
播客（音檔直接下載到本機）
心智圖

步驟 5: 討論與應用

與 Claude 討論: 影片裡教的方法

實際應用: 拿來改進剛做好的三個 Skills

成果

從搜到學完到應用，全部在同一個終端機完成。

開源計畫

作者承諾

大家可以參考影片做看看，想直接要工具的話留言告訴我，如果踴躍，我另外發 repo，下次見!

社群反應

cassie8wealth（6 小時前）

「耶，我剛好也都是這樣用🤭」

社群反應: 9 讚、4 則回覆

yuni.lucus（2 小時前）

「好讚」

關鍵洞察

1️⃣ 自動化的價值在於消除重複勞動

過去的問題:

搜影片（手動）
抓字幕（手動）
貼到 NotebookLM（一條一條手動）
複製結果給 LLM（手動）

新流程: 全部自動化，只需下達自然語言指令

💡 教訓: 找出流程中的重複勞動，用自動化消除

2️⃣ Claude Code 作為「調度中心」的角色

傳統角色: AI 作為聊天對象

新角色: AI 作為調度中心，協調多個工具

優勢:

統一入口（終端機）
自然語言指令
無需手動切換平台

💡 教訓: AI 的價值不只是回答問題，更在於協調工具

3️⃣ 「外包」思維：讓專業工具做專業的事

分工:

yt-dlp: 搜 YouTube + 抓字幕
NotebookLM: 生成摘要、播客、心智圖
Claude Code: 調度中心 + 討論內化

不是: 讓 Claude 一手包辦所有事

而是: 讓 Claude 協調專業工具，各司其職

💡 教訓: 善用專業工具，不要讓 AI 做所有事

4️⃣ 從「搜到學完到應用」的完整閉環

傳統學習: 搜尋 → 閱讀 → 理解 → （應用？）

新流程: 搜尋 → 自動處理 → 討論內化 → 立即應用（改進 Skills）

關鍵: 學完立刻應用，形成完整閉環

💡 教訓: 學習的價值在於應用，不是囤積知識

5️⃣ 20 分鐘 vs 1 小時的時間分配

基礎設定: 20 分鐘

測試新功能: 1 小時

啟示:

基礎自動化很快就能建立
真正花時間的是探索新功能

💡 教訓: 快速建立基礎，持續迭代優化

6️⃣ NotebookLM 播客音檔自動下載的價值

功能: NotebookLM 生成播客音檔，直接下載到本機

價值:

可以通勤時聽
無需在線聽
方便整理歸檔

💡 教訓: 音檔下載讓學習不受時間地點限制

7️⃣ 自然語言指令的強大

過去: 需要記住工具的命令、參數

現在:

用自然語言下達指令，等結果就好

例子: 「研究 Claude Code Skills 怎麼寫比較好」

💡 教訓: 自然語言讓技術門檻大幅降低

8️⃣ 「想直接要工具的話留言」的開源策略

作者策略: 如果踴躍，我另外發 repo

優勢:

先驗證需求
避免浪費時間整理沒人用的工具

💡 教訓: 開源前先驗證需求

與其他文章關聯

AI 學習自動化系列

相關文章:

#136: 守夜人協議（睡覺時自動除錯）
#137: Claude Code + NotebookLM 學習自動化（本文）

共同主題:

Claude Code 作為調度中心
自動化重複勞動
閒置時間的利用

NotebookLM 應用系列

本文:

#137: Claude Code + NotebookLM 學習自動化

主題: NotebookLM 的 CLI 整合

技術實現細節

yt-dlp

功能:

YouTube 影片搜尋
字幕下載

安裝:

pip install yt-dlp

使用:

yt-dlp --write-auto-sub --skip-download [URL]

notebooklm-py

功能: NotebookLM 的 CLI 橋接

可能功能:

創建筆記本
上傳來源（影片、文字）
生成摘要
生成播客
生成心智圖
下載音檔

GitHub: （推測）可能是社群開發的非官方工具

Claude Code Skills

功能: 讓 AI 知道什麼時候該叫誰

實現方式: 定義 Skills，讓 Claude Code 知道：

何時呼叫 yt-dlp
何時呼叫 notebooklm-py
如何傳遞資料

Skills Creator: 作者測試的新功能，可能用於快速建立 Skills

實戰流程

步驟 1: 安裝工具

# 安裝 yt-dlp
pip install yt-dlp

# 安裝 notebooklm-py
pip install notebooklm-py

# 安裝 Claude Code（如果還沒有）
# 參考官方文檔

步驟 2: 建立 Skills

為 yt-dlp 建立 Skill: 定義何時搜尋影片、如何抓字幕

為 notebooklm-py 建立 Skill: 定義如何創建筆記本、上傳來源、生成內容

步驟 3: 測試流程

簡單測試:

給 Claude 一個 YouTube 連結
看它能否自動抓字幕
看它能否自動創建 NotebookLM 筆記本
看它能否自動下載播客音檔

步驟 4: 實際使用

自然語言指令: 「幫我研究 [主題]，搜尋相關 YouTube 影片，整理成摘要」

等待結果: AI 自動完成所有步驟

適用場景

適合的學習主題

技術教學:

程式設計
工具使用
框架學習

專業知識:

商業分析
產品設計
行銷策略

個人成長:

時間管理
思維模型
溝通技巧

不適合的場景

需要實作練習:

光看影片不夠，需要動手做

高度互動:

需要即時討論、提問

深度閱讀:

書籍、論文等需要深度閱讀的材料

未來可能

短期優化

增加來源:

不只 YouTube
加入 Podcast、部落格、PDF

改進摘要:

自訂摘要格式
生成不同層次的摘要

中期發展

社群共享:

開源 Skills
分享最佳實踐

工具整合:

整合更多學習工具
Anki、Obsidian 等

長期願景

完全自動化學習:

AI 自動尋找學習資源
自動安排學習計畫
自動追蹤學習進度

實戰建議

從簡單開始

第一步: 手動測試每個工具，確保能正常運作

第二步: 建立最簡單的 Skill（如：給 URL，抓字幕）

第三步: 逐步增加複雜度

驗證學習效果

自動化的陷阱: 可能變成「資訊囤積」而非「知識內化」

建議:

設定應用目標（如：改進 3 個 Skills）
定期回顧學習內容
實際動手應用