受够了"Claude usage limit reached"？这篇长Thread提供了四个把Claude Code和NotebookLM桥接起来的工作流，核心思路：让Claude做编排，NotebookLM做重的处理，token只花在刀刃上。

notebooklm-py是什么

Teng Ling反向工程了NotebookLM的内部协议，发布了开源CLI工具notebooklm-py。可以在终端里完整控制NotebookLM：创建笔记本、上传来源、运行查询、生成幻灯片/播客/闪卡。Anthropic的Skill系统让Claude能自动调用它。

四个工作流

工作流A：零token研究

想把30份文档扔给Claude分析？直接烧掉你的token预算。解法：Claude做编排，NotebookLM处理，免费的。

步骤：收集来源→notebooklm create创建笔记本→notebooklm source add批量上传（免费版50个来源）→notebooklm ask让Gemini跨文档回答→notebooklm generate slide-deck/flashcards/mind-map生成产物→Claude精修。

贵的分析工作在Google基础设施上跑，Claude token只用于编排和最终编辑。$20/月计划能干出$200/月工作流的活。

工作流B：从网络研究构建专家级Agent

想做某个垂直领域的AI Agent，但Prompt模糊导致输出模糊。解法：先用NotebookLM Deep Research自主抓取专家知识，结构化成DBS框架，再喂给/skill-creator自动生成完整Skill包。

从"想要一个能做X的Agent"到可部署的、经过验证的专家级Skill，分钟级完成。

工作流C：跨会话持久记忆

痛点：花三小时教Claude你的架构偏好、命名规范、项目特点，关掉终端全没了。

解法：建立一个"Wrap-up"仪式。每次结束会话前运行，Claude自动提取会话中学到的东西——修正、成功的模式、未解决的问题、关键决策——上传到一个"Master Brain"笔记本。CLAUDE.md里加一条指令：回答关于项目架构、历史决策、偏好问题时，先查Master Brain。

结果：Agent真正记住了所有东西，存储和检索在Google免费基础设施上完成，token预算不动。

工作流D：Obsidian可视化知识管理

Claude生成的研究文档和会话摘要堆在终端目录里看不见。解法：从Obsidian vault根目录启动Claude Code，让一切都在本地Markdown文件里，再通过Obsidian的图谱视图可视化。

风险提示

notebooklm-py是反向工程的非官方API，Google没有官方支持，随时可能因为后端变化而失效，没有SLA。Anthropic要求自动化工作流必须使用官方Claude Code客户端并匹配相应的计费层级，不要用这套方案绕过token限制。