usage_patterns

# NotebookLM 技能使用模式 有效使用 NotebookLM 技能的高级模式。 ## 关键：始终使用 run.py **每个命令必须使用 run.py 包装器：** bash # ✅ 正确： python scripts/run.py auth_manager.py status python scripts/run.py ask_question.py --question "..." # ❌ 错误： python scripts/auth_manager.py status # 将会失败！ ## 模式 1：初始设置 bash # 1. 检查身份验证 (使用 run.py！) python scripts/run.py auth_manager.py status # 2. 如果未通过身份验证，进行设置 (浏览器必须可见！) python scripts/run.py auth_manager.py setup # 告诉用户：“请在浏览器窗口中登录 Google” # 3. 添加第一个笔记本 - 先询问用户详细信息！ # 询问：“这个笔记本包含什么？” # 询问：“我应该用什么主题来标记它？” python scripts/run.py notebook_manager.py add --url "https://notebooklm.google.com/notebook/..." --name "用户提供的名称" --description "用户提供的描述" # 切勿猜测！ --topics "用户,提供的,主题" # 切勿猜测！ **关键注意事项：** - 虚拟环境由 run.py 自动创建 - 身份验证时浏览器必须可见 - 始终通过查询发现内容或询问用户笔记本元数据 ## 模式 2：添加笔记本 (智能发现！) **当用户分享 NotebookLM URL 时：** **选项 A：智能发现 (推荐)** bash # 1. 查询笔记本以发现其内容 python scripts/run.py ask_question.py --question "这个笔记本的内容是什么？涵盖了哪些主题？请简明扼要地提供完整概述" --notebook-url "[URL]" # 2. 使用发现的信息添加它 python scripts/run.py notebook_manager.py add --url "[URL]" --name "[基于内容]" --description "[来自发现]" --topics "[提取的主题]" **选项 B：询问用户 (备选)** bash # 如果发现失败，询问用户： "这个笔记本包含什么？" "它涵盖了哪些主题？" # 然后使用用户提供的信息添加： python scripts/run.py notebook_manager.py add --url "[URL]" --name "[用户的回答]" --description "[用户的描述]" --topics "[用户的主题]" **切勿：** - 猜测笔记本里的内容 - 使用通用描述 - 跳过内容发现步骤 ## 模式 3：日常研究工作流 bash # 检查库 python scripts/run.py notebook_manager.py list # 使用综合性问题进行研究 python scripts/run.py ask_question.py --question "带有...的详细问题"