10分钟让 AI 编程助手拥有「记忆」：NotebookLM 知识库集成实战

📁 AI编程

问题：AI 编程助手的「失忆症」

你是否遇到过这种情况？

用 Claude Code 写新文章时，想引用自己之前写过的内容，但 AI 完全不知道你的历史。于是你不得不：

  1. 🔄 手动翻阅历史文章 - 在浏览器里一页页翻
  2. 📋 复制粘贴 - 把相关内容粘贴到对话框
  3. 💸 消耗大量 Token - 每次都要重新读取相同内容
  4. 🤷 重复创作 - 不知不觉写了重复的主题

更糟糕的是，当你问 AI：”我之前写过关于 Cursor 的文章吗？”

AI 只能说：”对不起，我无法访问您的历史内容…”

解决方案：给 AI 装上「大脑」

今天分享一个神器组合：NotebookLM + Claude Code

效果就像给 AI 装上了一个永久记忆系统：

1
2
3
4
5
6
7
8
9
10
你："查询我的公众号知识库，关于 'AI 编程工具' 的所有文章"

AI：正在查询...
    找到 12 篇相关文章：
    1. 《Cursor vs GitHub Copilot 深度对比》- 2024-11-15
       核心观点：Cursor 在代码上下文理解上更胜一筹...
    2. 《Claude Code 实战指南》- 2024-12-03
       核心观点：Agent 模式适合复杂任务...
    
    建议：这些主题已充分覆盖，新文章可以聚焦「多工具协作」角度

零 Token 消耗，秒级响应，永不遗忘。

技术原理：为什么选 NotebookLM？

NotebookLM 是什么？

Google 推出的 AI 笔记本，基于 Gemini 2.5 Pro，最大特点是 Source-Grounded（基于来源的回答）：

  • ✅ 只从你上传的文档中回答
  • ✅ 每个回答都带引用来源
  • ✅ 显著减少幻觉（不会瞎编）
  • ✅ 支持 50+ 文档，最多 500KB/文档

为什么不用本地 RAG？

维度 本地 RAG NotebookLM
部署复杂度 需要向量数据库、Embedding 模型 零配置，网页即用
文档理解 需要分块、索引策略 Gemini 自动理解
跨文档关联 仅基于向量相似度 真正理解 50+ 文档间的关系
成本 需要本地 GPU 或云服务费用 当前完全免费
引用准确性 需要自己实现 原生支持，自动标注

结论：NotebookLM = 免费的企业级 RAG 系统

实战操作：5 步完成集成

步骤 1：安装 NotebookLM Skill（2 分钟）

打开 PowerShell：

1
2
3
4
5
6
# 创建 skills 目录
New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.claude\skills"

# 克隆 NotebookLM Skill
cd "$env:USERPROFILE\.claude\skills"
git clone https://github.com/PleasePrompto/notebooklm-skill notebooklm

完成！Skill 会在首次使用时自动配置环境。

步骤 2：准备你的知识库（1 分钟）

以我的公众号为例，我已经有一个自动同步的 文章分类文档：

1
2
# 如果你也有类似的文档系统
npm run sync-articles

这会生成一个 公众号文章分类.md，包含所有文章的：

  • 标题、链接、摘要
  • 分类、发布时间、作者
  • 阅读量、点赞数等互动数据

没有自动化脚本？ 手动整理一个 Markdown 文档也可以：

1
2
3
4
5
6
7
8
9
# 我的技术文章

## AI 编程工具
- [Cursor 实战指南](链接) - 2024-11-15
  摘要：介绍 Cursor 的核心功能...

## 副业创业
- [一人企业的 AI 工具栈](链接) - 2024-12-01
  摘要：如何用 AI 工具提升效率...

步骤 3：上传到 NotebookLM（2 分钟）

  1. 访问 https://notebooklm.google.com/
  2. 点击「Create」创建新笔记本
  3. 命名：我的公众号知识库
  4. 上传你的文章分类文档
  5. 等待 Gemini 处理（通常 1-2 分钟）

上传文档示例

步骤 4：连接到 Claude Code（3 分钟）

在 Claude Code 中执行：

1
2
3
"Add this notebook to my library: https://notebooklm.google.com/notebook/你的笔记本ID"
标签: knowledge-base, articles
描述: 我的公众号文章知识库

首次使用会自动弹出 Chrome 浏览器进行 Google 登录，登录后状态会持久化保存。

步骤 5：测试查询（2 分钟）

1
2
3
4
5
"What are my skills?"
→ 应该看到 notebooklm skill ✅

"查询我的公众号知识库，关于 'Claude Code' 的文章"
→ 返回相关文章列表和摘要 ✅

大功告成！ 总耗时不到 10 分钟。

实际应用场景

场景 1：写新文章前查重

1
2
3
4
5
6
7
8
9
10
11
12
13
我："我想写一篇关于 'Cursor 多行编辑技巧' 的文章"

AI（自动查询 NotebookLM）:
    检测到你已经写过 2 篇关于 Cursor 的文章：
    1. 《Cursor 完全上手指南》- 涵盖了基础编辑技巧
    2. 《Cursor vs VS Code》- 提到了部分快捷键
    
    建议角度：
    - 深入讲解高级多行编辑场景
    - 对比 Cursor 和 Vim 的多行操作
    - 结合 AI 的智能多行重构
    
    是否继续？

价值：

  • ✅ 避免重复创作
  • ✅ 发现新的差异化角度
  • ✅ 自动生成历史文章引用

场景 2：制作 PPT 时引用历史素材

1
2
3
4
5
6
7
8
9
10
11
12
我："这篇《AI Agent 架构设计》文章，我之前有写过相关内容吗？"

AI（查询知识库）:
    找到 3 篇相关内容：
    1. 《多智能体协作框架》- 提到了 Agent 通信机制
    2. 《Manus 智能体实战》- 包含具体的架构图
    3. 《AI 工具链设计》- 讨论了 Workflow 设计模式
    
    可用于 PPT 的要点：
    - [架构图] Manus 的多层架构设计
    - [对比表] Agent vs Workflow 的优劣
    - [案例] 实际项目中的应用经验

价值：

  • ✅ PPT 内容更丰富
  • ✅ 有历史数据支撑
  • ✅ 展示内容演进路径

场景 3：快速定位技术细节

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
我："我之前写的微信公众号一键发布功能，用了哪些 API？"

AI（精确查询）:
    在《一键发布微信公众号文章》中找到：
    
    使用的 API：
    1. /cgi-bin/token - 获取 access_token
    2. /cgi-bin/material/add_news - 创建草稿
    3. /cgi-bin/freepublish/submit - 发布文章
    
    关键代码片段：
    ```javascript
    const uploadImage = async (imagePath) => {
      // 图片上传逻辑
    }
注意事项：
- 需要本地代理服务避免 CORS
- 封面图必须是首张上传的图片

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

**价值**：
- ✅ 秒级找到具体实现
- ✅ 带代码片段和注意事项
- ✅ 不用重新翻阅历史文章

---

## 进阶玩法：Workflow 集成

我已经将 NotebookLM 集成到了现有的 Workflow 系统：

### `/auto-generate-article` 增强版

**原流程**：
  1. 从网上搜集素材
  2. 生成文章大纲
  3. 获取配图
  4. 生成完整文章
  5. 发布到微信
1
2

**增强后**：
  1. 🆕 查询知识库（避免重复） ← 新增
  2. 从网上搜集素材
  3. 生成文章大纲（结合历史内容）
  4. 获取配图
  5. 生成完整文章（自动添加引用）
  6. 发布到微信
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

**代码示例**（Workflow 定义）：

```markdown
### 步骤 0: 查询知识库

在创作新文章前，先查询知识库：

"查询我的公众号知识库，关于 '{主题}' 的所有相关内容"

这个步骤会：
- 检查是否已写过类似主题
- 提取历史文章的核心观点
- 发现可以引用的素材
- 建议差异化角度

数据同步策略

当前方案：手动同步

每发布 5-10 篇新文章后：

1
2
3
4
5
6
7
8
# 1. 同步最新文章到本地文档
npm run sync-articles

# 2. 检查文件大小（NotebookLM 限制 500KB）
(Get-Item "source\公众号文章分类.md").Length / 1KB

# 3. 访问 NotebookLM，重新上传文档
# NotebookLM 会自动识别增量变化

未来方案：自动同步

待 NotebookLM API 开放后，可以实现：

1
2
3
// tools/auto-sync-notebooklm.js
// 每次 npm run sync-articles 后自动触发
// 通过 API 增量更新 NotebookLM 内容

成本分析

当前（2026-01）

项目 费用
NotebookLM 免费
Claude Code 免费（本地使用）
Chrome 浏览器自动化 免费
总计 $0/月

未来可能

Google 可能对 NotebookLM 收费：

  • 预估个人版：$10-20/月
  • 预估企业版：$50-100/月

建议：尽早使用，建立依赖习惯。即使未来收费，相比本地 RAG 的部署成本也极具竞争力。

扩展想法

1. 多知识库支持

除了公众号文章，还可以创建：

  • 📚 技术笔记库：个人学习笔记和代码片段
  • 📖 读书笔记库：技术书籍摘要和思维导图
  • 🏗️ 项目文档库：开源项目的技术文档

每个库独立管理，按需查询。

2. 知识图谱可视化

定期让 NotebookLM 生成知识分析：

1
"分析我的公众号知识库，生成内容主题分布图"

输出：

  • 📊 按分类统计文章数量
  • 🔍 识别高频关键词
  • 💡 发现内容空白区域

然后用 Mermaid 可视化展示。

3. 智能写作助手

完整的 AI 写作流程：

1
2
3
4
5
6
7
8
graph LR
    A[用户提出主题] --> B[NotebookLM 查询历史]
    B --> C[Claude 生成大纲]
    C --> D[结合网络素材]
    D --> E[自动写作]
    E --> F[添加历史引用]
    F --> G[发布到公众号]
    G --> H[同步回 NotebookLM]

注意事项

1. 文档大小管理

  • NotebookLM 单文档限制：500 KB
  • 我的当前文档：142 KB（还有 358 KB 空间）

应对策略（接近限制时）：

  • 按年份拆分：2024年.md、2025年.md
  • 按分类拆分：AI工具.md、副业创业.md

2. 数据隐私

  • NotebookLM 数据存储在 Google 服务器
  • 公众号已发布内容无隐私问题
  • ❌ 不要上传敏感或未发布内容

3. 查询技巧

❌ 不好的查询：

1
"AI"

✅ 好的查询：

1
"我写过关于 'AI 编程工具对比分析' 的文章吗？提取核心观点和数据"

技巧：

  • 使用具体的关键词
  • 明确你需要什么信息（观点、数据、代码）
  • 善用 NotebookLM 的引用功能

总结

通过 NotebookLM + Claude Code 的集成，我们实现了：

✅ 零成本 - 完全免费的知识库方案
✅ 零配置 - 10 分钟完成安装
✅ 零遗忘 - AI 永久记住你的历史内容
✅ 零幻觉 - 基于真实文档，带引用来源

适用人群：

  • 📝 内容创作者（公众号、博客、视频）
  • 💻 技术博主（需要引用历史技术方案）
  • 🚀 个人开发者（管理项目文档和笔记）
  • 🏢 小团队（共享知识库）

下一步行动：

  1. ⭐ Star 项目：https://github.com/PleasePrompto/notebooklm-skill
  2. 🚀 跟着本文操作，10 分钟完成集成
  3. 💬 在评论区分享你的使用体验

相关链接

关注「太阳鸟的AI宝藏库」，获取更多 AI 编程工具实战经验！

有问题欢迎在评论区留言，我会及时回复 ✌️

🏷️ 教程 Claude Code Workflow AI 编程工具 NotebookLM 知识库