Claude Code + NotebookLM: Полный гайд по автоматизации

Связка Claude Code + NotebookLM позволяет автоматизировать исследования и аналитику:

• Claude Code собирает данные (YouTube аналитика, веб-серч)
• NotebookLM обрабатывает данные (бесплатно через Gemini)
• Результат: инфографика, презентации, подкасты

Преимущество: Минимальные затраты токенов + бесплатная аналитика NotebookLM

---

🛠️ Что понадобится

1. Аккаунт NotebookLM

• Регистрация: https://notebooklm.google.com
• Бесплатно: хороший бесплатный юзадж
• Нужно: только создать аккаунт

2. Скилл notebooklm-py

GitHub: https://github.com/notebooklm-py/notebooklm-py

Что делает:

• Python API для взаимодействия с NotebookLM через браузер
• Позволяет Claude Code контролировать NotebookLM
• Функции: создание ноутбуков, загрузка источников, чаты, ресерч, генерация файлов

3. Claude Code (или другой AI coding agent)

• Установленный CodeCode
• Возможность устанавливать скиллы
• Доступ к .clot каталогу

---

⚙️ Установка

Шаг 1: Устанавливаем notebooklm-py API

# В режиме bash (!) в CodeCode
pip install notebooklm-py

Время: 2-3 минуты

Шаг 2: Устанавливаем скилл для CodeCode

# В режиме bash (!) в CodeCode
# Команда из GitHub репозитория notebooklm-py

Результат: В каталоге .clot/skills/notebooklm/ появляется skills.py

Шаг 3: Аутентификация

# В CodeCode
notebooklm login

Что происходит:

• Инициируется сессия аутентификации через браузер
• CodeCode получает токен доступа к NotebookLM
• После этого может управлять NotebookLM

Проверка:

# Спросить CodeCode
"Привет, какие проекты ты видишь в NotebookLM?"

---

🎯 Воркфлоу: YouTube Аналитика → NotebookLM → Инфографика

Общая схема

YouTube Analytics API
    ↓
CodeCode (fetch_analytics.py)
    ↓
Каталог "Аналитика" (CSV файлы)
    ↓
NotebookLM (загрузка источников)
    ↓
Gemini (аналитика внутри NotebookLM)
    ↓
Инфографика / Отчёт
    ↓
CodeCode проект

Детальная инструкция

1. Подготовка YouTube API

Вариант А: Автоматически (через скилл)

• Скрипт fetch_analytics.py
• Требует:
  • YouTube Data API ключ
  • YouTube Analytics API ключ
  • Client ID и Secret
• Файлы хранятся в .env

Вариант Б: Вручную

• Зайти в YouTube Studio
• Скачать аналитику за период
• Сохранить в папку “Аналитика”

2. Запрос аналитики

В CodeCode:

Достань аналитику YouTube

Что происходит:

1. CodeCode запускает fetch_analytics.py
2. Скрипт стучится в YouTube API
3. Создаётся каталог analytics/
4. Появляются файлы:
   • daily_overview.csv — подписчики, просмотры, лайки, комментарии
   • devices.csv — устройства зрителей
   • geography.csv — география
   • subscriber_status.csv — статус подписчиков
   • full_summary.csv — полный саммари

3. Загрузка в NotebookLM

Команда CodeCode:

У меня в каталоге Аналитика лежит вся аналитика YouTube.
Забери все данные и сделай их источниками в новом NotebookLM проекте.
Создай новый проект, загрузи текстовые файлы, инициируй ресерч
и сгенерируй инфографику. Верни инфографику обратно в проект.

Что делает CodeCode через notebooklm-py:

1. Проверяет статус NotebookLM
2. Создаёт новый проект (например, “Analytics”)
3. Загружает все CSV файлы как источники
4. Запускает Gemini на анализ данных
5. Генерирует инфографику
6. Скачивает результат обратно в проект CodeCode

Время: 3-5 минут

4. Результат

В проекте CodeCode появляется:

• infographic.png — инфографика по аналитике
• report.md — текстовый отчёт
• summary.txt — саммари

Пример данных:

• Просмотры за 28 дней: 400,000
• Пол: 97% мужчин, 3% женщин
• Топ устройства: мобильные, десктоп
• Топ страны: Россия, США, Казахстан

---

💡 Примеры использования

1. Медиа-кит для рекламодателей

CodeCode → YouTube аналитика → NotebookLM → Медиа-кит PDF

Что входит:

• Просмотры, охваты, вовлечённость
• Демография аудитории
• Лучшие видео
• Рекомендации по рекламе

2. Контент-стратегия

CodeCode → Анализ конкурентов → NotebookLM → Отчёт

Анализ:

• Топ видео в нише
• Тренды за месяц
• Рекомендации по темам

3. Исследование темы

CodeCode → Веб-серч → NotebookLM → Презентация

Процесс:

1. CodeCode ищет информацию в вебе
2. Загружает источники в NotebookLM
3. Gemini делает аналитику
4. Генерирует слайды/презентацию

---

🔑 Ключевые команды notebooklm-py

# Аутентификация
notebooklm login

# Список проектов
notebooklm list

# Создать проект
notebooklm create "Название"

# Добавить источники
notebooklm add-sources "project_id" "path/to/files/*"

# Запустить ресерч
notebooklm research "project_id" "Сделай аналитику..."

# Получить файлы
notebooklm get-files "project_id"

---

📚 Ресурсы

Официальные ссылки

• NotebookLM: https://notebooklm.google.com
• notebooklm-py GitHub: https://github.com/notebooklm-py/notebooklm-py
• CodeCode: https://codecode.ai (или ваш AI coding agent)

Телеграм-группы (из видео)

• Бесплатная: “Код, Код” — материалы, обновления, чат
• Платная: Исходники, инструкции, YouTube аналитика скилл

---

⚠️ Важные заметки

Безопасность

• API ключи YouTube хранить в .env
• Не коммитить .env в Git
• Токен NotebookLM обновляется при каждой аутентификации

Производительность

• YouTube API имеет квоты (10,000 единиц/день)
• NotebookLM бесплатный но с лимитами
• CodeCode использует токены (оптимизируйте запросы)

Ограничения

• NotebookLM работает только через браузер (нужна аутентификация)
• YouTube API требует настройки в Google Cloud Console
• Некоторые функции notebooklm-py могут измениться

---

🚀 Следующие шаги

1. Установить notebooklm-py по инструкции
2. Настроить YouTube API (или использовать ручную загрузку)
3. Протестировать на простой аналитике
4. Автоматизировать регулярные отчёты
5. Добавить другие источники данных

---

📢 Примечание: Все ссылки и ресурсы актуальны на момент создания гайда. Проверяйте обновления в официальных источниках.

Автор: Эксперт ИИ Itibit (на основе видео Алексея “Код, Код”)
Транскрибация: Deepgram AI