NotebookLM Python: automatize cadernos sem expor sua sessão

ANÁLISE EDITORIAL

NotebookLM Python transforma tarefas que normalmente exigem cliques no NotebookLM em comandos reproduzíveis: criar cadernos, adicionar fontes, conversar com o acervo, iniciar pesquisas, gerar artefatos e baixar resultados. A utilidade é real, mas o limite precisa aparecer logo no começo. Este é um projeto comunitário, não uma integração oficial do Google, e depende de APIs não documentadas que podem mudar sem aviso.

Esta página trata a Skill como um manual operacional auditável. O download local contém somente documentos. A biblioteca Python, o navegador, as dependências e a autenticação continuam vindo dos canais do projeto e do Google. Se você quer apenas pesquisar manualmente, o próprio NotebookLM pode ser mais simples. Para entender quando uma base fechada faz mais sentido do que uma busca aberta, veja também o comparativo entre Gemini Notebook e ChatGPT Search pelo tipo de pesquisa.

O que esta Skill faz de verdade

O arquivo SKILL.md ensina um agente compatível a operar o CLI notebooklm com uma sequência mais segura do que improvisar comandos. Ele descreve instalação, autenticação, seleção explícita de caderno, inclusão de fontes, chat com referências, pesquisa na web, geração de áudio, vídeo, relatórios, mapas mentais, tabelas, quizzes, flashcards e downloads. Também separa operações que podem seguir sem confirmação de ações destrutivas, demoradas ou que escrevem arquivos.

A Skill não contém o NotebookLM nem substitui o serviço. Ela organiza como chamar a biblioteca comunitária notebooklm-py. O projeto afirma oferecer funções além da interface web, como downloads em lote, exportação de quiz em formatos estruturados, extração de mapas mentais e download de apresentações em PPTX. Essas capacidades pertencem à biblioteca e ao estado atual do serviço. Não são garantias do Google nem do Bastidores.

O ganho editorial está na rastreabilidade. Um fluxo pode registrar o ID completo do caderno, as fontes usadas, o comando executado, o artefato solicitado e o arquivo baixado. Isso reduz a chance de uma automação trabalhar no caderno errado, mas não elimina erro de conteúdo, expiração de sessão, limite da conta ou mudança no protocolo do serviço.

Para quem serve

Ela serve a pesquisadores, estudantes, jornalistas, equipes de conteúdo, analistas e desenvolvedores que repetem operações no NotebookLM e precisam documentar cada etapa. Um exemplo útil é criar um caderno para um projeto, importar um conjunto autorizado de documentos, aguardar o processamento, fazer perguntas específicas e salvar um relatório para revisão humana.

Também pode ajudar equipes que desejam incorporar o NotebookLM a um agente local ou pipeline controlado. Nesse cenário, a Skill só é apropriada quando existe autorização para enviar as fontes ao Google, quando a conta usada é conhecida e quando o operador aceita que a integração pode quebrar por depender de APIs não documentadas.

Não é indicada para quem quer estabilidade contratual de API, execução anônima, processamento totalmente local ou automação sem supervisão. Também não deve ser usada para contornar disponibilidade regional, limites de plano, políticas de conteúdo, direitos autorais ou controles de acesso a documentos.

Compatibilidade e pré-requisitos

No commit auditado, o pacote declara Python 3.10 a 3.14. A instalação recomendada pelo mantenedor usa o extra browser, que inclui Playwright para o login interativo. O extra opcional de cookies tem uma ressalva própria: a dependência indicada pode falhar na instalação em Python 3.13 ou superior. Por isso, o caminho principal desta página é o login interativo, não a extração silenciosa de cookies.

• Python compatível e ambiente virtual recomendado.
• Conta Google com acesso atual ao NotebookLM.
• Navegador disponível para o primeiro login.
• Permissão para enviar ao serviço cada URL, arquivo ou conteúdo escolhido.
• Espaço local para dependências e para os artefatos que você decidir baixar.
• Cliente capaz de carregar Agent Skills, caso queira usar o SKILL.md com um agente.

O Google informa que o NotebookLM aceita diversos tipos de fonte, mas cada tipo tem limitações próprias. Uma URL de página importa essencialmente o texto, um vídeo público do YouTube depende de transcrição disponível e arquivos do Drive obedecem às permissões da conta. Confirme o comportamento atual na documentação oficial sobre fontes do NotebookLM antes de montar um lote.

Instalação recomendada

Crie um ambiente virtual para separar as dependências do restante do sistema. Em seguida, instale a release estável auditada, não a branch principal:

python -m venv .venv
.venvScriptsactivate
python -m pip install "notebooklm-py[browser]==0.8.1"
notebooklm --version

No macOS ou Linux, o comando de ativação muda para source .venv/bin/activate. O mantenedor orienta evitar instalação direta da branch main, porque ela pode conter mudanças ainda não lançadas. Consulte a matriz de instalação fixada no commit e a release v0.8.1.

Para instalar a Skill em diretórios de agentes compatíveis, o próprio CLI oferece notebooklm skill install. O ZIP do Bastidores não executa esse comando e não instala a biblioteca. Ele permite inspecionar o SKILL.md, a licença e o registro de origem antes de decidir o que colocar no seu ambiente.

Configuração antes do primeiro uso

O primeiro passo funcional é autenticar com notebooklm login. Esse comando abre um navegador. Entre na conta Google correta e só prossiga depois de verificar a sessão pela rede:

notebooklm login
notebooklm auth check --test --json
notebooklm list --json

O teste precisa indicar tanto o estado geral como válido quanto a obtenção de token bem-sucedida. Uma simples leitura do arquivo local pode aceitar cookies expirados. O comando com --test faz a verificação que interessa para a operação.

A autenticação merece tratamento de segredo. O projeto documenta que storage_state.json contém cookies ativos e que master_token.json, quando usado, pode gerar novas sessões. Não registre esses arquivos no Git, não os anexe a tickets, não os inclua em prompts e não os coloque no ZIP da Skill. Em automações, use um cofre de segredos e uma conta dedicada quando isso fizer sentido para a política da organização.

Primeiro uso seguro

Comece com um caderno descartável e uma fonte pública sem dados sensíveis. Use IDs completos em vez de depender do contexto salvo, principalmente quando mais de um agente ou processo puder executar ao mesmo tempo.

notebooklm create "Teste controlado" --json
notebooklm source add "https://support.google.com/notebooklm/answer/16164461" -n <id-completo-do-caderno> --json
notebooklm source list -n <id-completo-do-caderno> --json
notebooklm ask "Quais limites e cuidados aparecem nesta fonte?" -n <id-completo-do-caderno> --json

Registre o ID retornado na criação e o ID da fonte. Aguarde a fonte ficar pronta antes de conversar ou gerar artefatos. Se o resultado JSON trouxer referências, confira o texto citado contra a fonte original. O NotebookLM pode errar, e a automação não transforma uma resposta em evidência independente.

Não comece por áudio, vídeo ou apresentação. Esses artefatos podem demorar, consumir limites da conta e falhar. Primeiro prove que autenticação, caderno, fonte e pergunta funcionam com um teste pequeno. Depois peça confirmação para a geração longa e outra confirmação para o download local.

Como o fluxo deve funcionar

Um fluxo confiável começa com auth check --test --json, lista os cadernos, fixa o ID alvo e registra as fontes autorizadas. Para cada inclusão, captura o ID retornado e verifica o estado até ficar pronto. Só então faz perguntas ou inicia um artefato. Se houver várias execuções, cada uma deve receber o ID completo do caderno, evitando que um comando use compartilhado redirecione o trabalho.

As ações precisam ser divididas por impacto. Leitura de lista, estado e referências é uma etapa. Criação de caderno ou inclusão de fonte é outra. Geração de artefato é uma decisão de tempo e cota. Download grava arquivo. Compartilhamento muda acesso. Exclusão remove conteúdo. Um agente não deve transformar uma autorização para pesquisar em autorização para compartilhar ou apagar.

Ao terminar, guarde um registro mínimo: versão do CLI, perfil usado, ID do caderno, IDs das fontes, horário, comandos, arquivos gerados e revisão humana. Não coloque cookies ou tokens nesse registro.

Resultado esperado

No teste mínimo, você deve obter JSON válido ao listar cadernos, um ID de fonte após a inclusão, estado pronto na listagem e uma resposta com referências ao consultar o conteúdo. O resultado esperado não é uma resposta perfeita. É um processo reproduzível em que cada objeto pode ser ligado ao caderno e à fonte corretos.

Em produção, o melhor resultado é um pacote revisável: fontes autorizadas, pergunta ou instrução preservada, saída baixada em pasta conhecida e ressalvas registradas. Se o artefato estiver incompleto, se as referências não sustentarem a afirmação ou se a conta tiver atingido um limite, o fluxo deve parar e relatar o estado, não inventar sucesso.

Permissões, privacidade e riscos

O risco principal não é o arquivo Markdown. É a sessão Google necessária para a biblioteca operar. Quem obtém os cookies ou tokens pode agir como a conta dentro do alcance aceito pelo serviço. Restrinja a pasta de perfis ao usuário do processo, não imprima variáveis de autenticação e separe contas pessoais de automações recorrentes.

Outro risco é o conteúdo enviado. O Google explica como trata dados no NotebookLM e ressalta que respostas podem conter erros. As condições variam conforme conta pessoal, Workspace ou Education. Leia a página oficial sobre funcionamento, dados e termos para a conta usada. Não envie material confidencial apenas porque a automação é conveniente.

A integração também pode sofrer quebra repentina. A política de estabilidade do projeto declara que as APIs do Google usadas são não documentadas e não oferecem garantia de estabilidade. Mantenha a versão fixada, teste antes de cada lote e tenha um caminho manual de recuperação.

Erros comuns

• O arquivo de autenticação existe, mas o comando falha: execute auth check --test --json. Arquivo válido não prova sessão ativa.
• O agente usa o caderno errado: passe -n com o UUID completo. Não compartilhe contexto mutável entre processos.
• A fonte continua processando: consulte source list ou use o comando de espera com limite explícito. Não gere artefato antes do estado pronto.
• Uma geração falha: verifique a lista de artefatos e os limites da conta antes de tentar novamente. Evite repetição agressiva.
• O download não aparece: confirme que o artefato concluiu e informe um caminho local autorizado.
• O CLI quebra depois de funcionar: compare a versão instalada com a release estável e consulte as notas do projeto. Uma mudança do Google pode exigir atualização.
• Python 3.13 ou superior falha no extra de cookies: use o login interativo recomendado e não oculte o erro de instalação.
• A resposta parece convincente, mas não tem suporte: confira as referências e o texto da fonte. Fluência não substitui verificação.

O projeto mantém uma referência completa do CLI, uma documentação específica de segurança e o SKILL.md auditado.

Versão, licença e origem verificadas

A curadoria foi feita em 31/08/2026 no repositório teng-lin/notebooklm-py, com 19.032 estrelas consultadas pela API pública do GitHub. O snapshot usa o commit 58e96635b3c782d4054aeeb43289004d7e59fac8. O pyproject.toml desse commit declara a versão 0.8.1, e a release estável correspondente é v0.8.1.

A licença do repositório é MIT, verificada no arquivo LICENSE fixado. O ZIP local contém somente notebooklm-python/SKILL.md, notebooklm-python/LICENSE e notebooklm-python/ORIGEM.md. Não inclui Python, biblioteca, navegador, Playwright, rookiepy, servidor MCP, scripts, executáveis, dependências, cookies, tokens, cadernos, fontes ou artefatos.

SHA-256 do pacote auditado: 519ca902f3d61d3ee3bc383c62c866e2678fe2d8b80602d02e149fa43dc81c14. O hash identifica este ZIP específico. Ele não garante que a integração continuará compatível com o NotebookLM.

Checklist antes de automatizar

• Confirme versão 0.8.1, commit auditado e licença MIT.
• Use login interativo como caminho principal e valide a sessão pela rede.
• Mantenha cookies, tokens e arquivos de perfil fora de Git, logs, prompts e pacotes.
• Comece com caderno descartável e fonte pública autorizada.
• Use UUID completo de caderno e fonte em fluxos concorrentes.
• Separe leitura, criação, geração, download, compartilhamento e exclusão.
• Revise referências e conteúdo antes de reutilizar qualquer resposta.
• Trate alterações de API, limites e indisponibilidade como falha objetiva.
• Confirme direitos sobre cada documento enviado ao NotebookLM.
• Preserve um caminho manual caso a API não documentada deixe de funcionar.

Fontes primárias

• Repositório oficial do projeto notebooklm-py
• README fixado no commit auditado
• Guia de instalação fixado
• Política de estabilidade e APIs não documentadas
• Orientações de segurança do projeto
• Ajuda oficial do Google sobre NotebookLM, dados e limites
• Ajuda oficial do Google sobre fontes compatíveis