🎯 Anything → NotebookLM

Procesador inteligente de contenido multifuente: Cualquier contenido → Podcast / PPT / Mapa mental / Quiz

License: MIT Python 3.9+ PRs Welcome GitHub stars GitHub forks GitHub issues GitHub last commit

Inicio rápido • Formatos admitidos • Ejemplos de uso • Omisión de muros de pago • Preguntas frecuentes

✨ ¿Qué es esto?

Una habilidad de Claude Code (Claude Code Skill) que convierte cualquier contenido a cualquier formato usando lenguaje natural.

你说：把这篇微信文章生成播客
AI ：✅ 8 分钟播客已生成 → podcast.mp3

你说：这个付费文章做成思维导图
AI ：✅ 自动绕过付费墙 → 思维导图已生成

你说：这期播客（小宇宙）做成 PPT
AI ：✅ 自动转录音频 → 25 页 PPT 已生成

Capacidades principales: Obtención de contenido multifuente (incluida la omisión de muros de pago) → Carga en Google NotebookLM → Generación de formato objetivo por IA

🚀 Fuentes de contenido admitidas (más de 15)

📱 Redes sociales y medios

Cuentas oficiales de WeChat (simulación de navegador MCP)
X/Twitter (tweets + hilos largos)
Vídeos de YouTube (extracción automática de subtítulos)
Podcasts (Xiaoyuzhou / Himalaya / Bilibili)

🌐 Páginas web (incluida la omisión de muros de pago)

Más de 300 sitios de pago (NYT/WSJ/FT/Economist...)
Cualquier página web pública (noticias, blogs, documentos)
Palabras clave de búsqueda (resumen automático de resultados)

📚 Libros electrónicos y documentos

PDF (admite OCR de documentos escaneados)
EPUB (libros electrónicos)
Markdown (.md)
Texto plano (.txt)

📄 Documentos de Office

Word (.docx)
PowerPoint (.pptx)
Excel (.xlsx)

🖼️ Otros

Imágenes (JPEG/PNG, OCR automático)
Audio (WAV/MP3, transcripción automática)
Archivos comprimidos ZIP (procesamiento por lotes)

🛡️ Omisión de muros de pago

Característica principal: Detección y omisión automática de muros de pago en más de 300 sitios de noticias.

Estrategias de omisión (6 niveles en cascada)

Level 1: 代理服务（r.jina.ai / defuddle.md）
    ↓ 失败
Level 2: 站点专属 Bot UA（Googlebot ~50站 / Bingbot ~4站）
    ↓ 失败
Level 3: 通用绕过（UA伪装 + X-Forwarded-For + Referer伪装 + AMP + EU IP）
    ↓ 失败
Level 4: archive.today 存档（CAPTCHA 自动检测）
    ↓ 失败
Level 5: Google Cache
    ↓ 失败
Level 6: agent-fetch 本地工具

Sitios de pago admitidos (parcial)

Categoría	Sitio
🇺🇸 Medios de EE. UU.	NYT, WSJ, Bloomberg, Washington Post, The Information, Forbes, WIRED, The New Yorker, The Atlantic, USA Today, Boston Globe, LA Times, Chicago Tribune, Seattle Times, MIT Tech Review, Foreign Affairs
🇬🇧 Medios del Reino Unido	FT, The Times, The Telegraph, The Economist
🇩🇪 Medios de Alemania	Spiegel, Zeit, Sueddeutsche, FAZ, Handelsblatt
🇫🇷 Medios de Francia	Le Monde, Le Figaro, Le Parisien
🇦🇺 Medios de Australia	The Australian, SMH, The Age, Brisbane Times
🇨🇳 Medios en chino	SCMP, Medium
🌐 Otros	Haaretz, NZ Herald, Statista, Quora

Tecnología de omisión (aprendida de Bypass Paywalls Clean)

Tecnología	Principio	Cobertura
Googlebot UA + X-Forwarded-For	Lista blanca de rastreadores de motores de búsqueda, obtiene el texto completo directamente	~50 sitios
Bingbot UA	Igual que el anterior, algunos sitios son más amigables con Bing	~4 sitios
Limpieza de cookies + suplantación de Referer	Borra cookies de medición, suplanta el origen de Google/Facebook/Twitter	Muros de pago por medición
Páginas AMP	La implementación del muro de pago en la versión AMP es más débil	~10 sitios
Extracción JSON-LD	Extrae articleBody de los datos estructurados incrustados en HTML	Universal
archive.today	Obtiene contenido guardado de archivos web	Solución de respaldo

🎨 ¿Qué se puede generar?

Formato de salida	Uso	Ejemplo de palabra clave
🎙️ Podcast	Escuchar de camino al trabajo	"Generar podcast", "Convertir a audio"
📊 PPT	Presentación de equipo	"Hacer un PPT", "Generar diapositivas"
🗺️ Mapa mental	Clarificar estructuras	"Dibujar un mapa mental", "Generar mapa conceptual"
📝 Quiz	Autoevaluación	"Generar Quiz", "Crear preguntas"
🎬 Vídeo	Visualización	"Hacer un vídeo"
📄 Informe	Análisis profundo	"Generar informe", "Escribir un resumen"
📈 Infografía	Visualización de datos	"Hacer una infografía"
📋 Flashcards	Consolidación de memoria	"Hacer flashcards"

⚡ Inicio rápido

Requisitos previos

✅ Python 3.9+
✅ Git (incluido en macOS/Linux)

¡Solo esto! Otras dependencias se instalan automáticamente con un clic.

Instalación (3 pasos)

# 1. 克隆到 Claude skills 目录
cd ~/.claude/skills/
git clone https://github.com/joeseesun/qiaomu-anything-to-notebooklm
cd qiaomu-anything-to-notebooklm

# 2. 一键安装所有依赖
./install.sh

# 3. 按提示配置 MCP，然后重启 Claude Code

Primer uso

# NotebookLM 认证（只需一次）
notebooklm login
notebooklm list  # 验证成功

# 环境检查（可选）
./check_env.py

Configuración de transcripción de podcasts (opcional)

Si necesita utilizar la función de transcripción de Xiaoyuzhou/Himalaya/Bilibili, configure la API de Get笔记:

export GETNOTE_API_KEY="your_api_key"
export GETNOTE_CLIENT_ID="your_client_id"

💡 Ejemplos de uso

Escenario 1: Artículo de pago → Podcast

你：把这篇 The Information 文章生成播客 https://www.theinformation.com/articles/...

AI 自动执行：
  ✓ 检测付费墙 → Googlebot UA 绕过
  ✓ 获取完整文章内容
  ✓ 上传到 NotebookLM
  ✓ 生成播客

✅ 结果：/tmp/article_podcast.mp3

Escenario 2: Podcast (Xiaoyuzhou) → PPT

你：这期小宇宙播客做成 PPT https://xiaoyuzhoufm.com/episode/...

AI 自动执行：
  ✓ Get笔记 API 转写音频（2-5 分钟）
  ✓ 上传转写文本到 NotebookLM
  ✓ 生成 PPT

✅ 结果：/tmp/podcast_slides.pdf（25 页）

Escenario 3: Libro electrónico → Análisis profundo

你：深度分析这本书 /Users/joe/Books/sapiens.epub

AI 自动执行：
  ✓ 提取 EPUB 全文
  ✓ 上传到 NotebookLM
  ✓ 生成 12 个问题（3 轮递进：概览→深度挖掘→综合反刍）
  ✓ 逐轮提问，后轮受益于前轮对话上下文
  ✓ 输出结构化 JSON

✅ 结果：/tmp/sapiens_analysis.json（12 个问答，含核心观点、论证拆解、矛盾分析、认知改变）

Escenario 4: Hilo de X/Twitter → Mapa mental

你：这个推文线程做成思维导图 https://x.com/user/status/123...

AI 自动执行：
  ✓ 代理级联获取推文内容（含完整线程）
  ✓ 上传到 NotebookLM
  ✓ 生成思维导图

✅ 结果：/tmp/tweet_mindmap.json

Escenario 5: Artículo de WeChat → Documento de Feishu (análisis profundo)

你：深度分析这篇微信文章并写入飞书 https://mp.weixin.qq.com/s/abc123

AI 自动执行：
  ✓ MCP 浏览器模拟抓取微信文章
  ✓ 上传到 NotebookLM
  ✓ 生成 10 个问题并递归提问
  ✓ 格式化为飞书 Markdown
  ✓ 自动创建飞书文档

✅ 结果：飞书文档已创建（含完整问答）

🎯 Características principales

🧠 Identificación inteligente

Determina automáticamente el tipo de entrada, sin necesidad de especificarlo manualmente

https://mp.weixin.qq.com/s/xxx        → 微信公众号
https://xiaoyuzhoufm.com/episode/xxx  → 小宇宙播客
https://x.com/user/status/xxx         → X/Twitter
https://youtube.com/watch?v=xxx       → YouTube 视频
/path/to/file.epub                    → EPUB 电子书
"搜索 'AI 趋势'"                       → 搜索查询

🛡️ Omisión automática de muros de pago

Sin necesidad de intervención manual, detección y omisión automáticas

检测付费墙 → 选择最佳策略 → 获取完整内容
     ︿________全自动________︿

🚀 Procesamiento totalmente automático

Desde la obtención hasta la generación, todo en un solo paso

输入 → 获取 → 转换 → 上传 → 生成 → 下载
      ︿___________全自动___________︿

🌐 Integración multifuente

Admite la mezcla de múltiples fuentes de contenido

付费文章 + YouTube 视频 + EPUB + 播客 → 综合报告

📦 Arquitectura técnica

┌──────────────────────────────────────────┐
│            用户自然语言输入                │
│  "把这个付费文章生成播客 https://..."     │
└──────────────────┬───────────────────────┘
                   │
                   ▼
┌──────────────────────────────────────────┐
│         Claude Code Skill                 │
│  • 智能识别内容源类型                      │
│  • 自动调用对应工具                        │
└──────────┬───────────────────────────────┘
           │
   ┌───────┴───────┐
   │               │
   ▼               ▼
┌──────────┐  ┌──────────────┐  ┌──────────┐  ┌──────────┐
│ 微信 MCP  │  │ 付费墙绕过   │  │ 播客转写  │  │ markitdown│
│ 浏览器模拟 │  │ 6层级联策略  │  │ Get笔记API│  │ 文件转换  │
└─────┬────┘  └──────┬───────┘  └─────┬────┘  └─────┬────┘
      │              │                 │              │
      └──────────────┴─────────────────┴──────────────┘
                           │
                           ▼
              ┌────────────────────────┐
              │    NotebookLM API      │
              │  • 上传内容源           │
              │  • AI 生成目标格式      │
              └───────────┬────────────┘
                          │
                          ▼
              ┌────────────────────────┐
              │       生成的文件        │
              │ .mp3 / .pdf / .json    │
              └────────────────────────┘

📂 Estructura del proyecto

qiaomu-anything-to-notebooklm/
├── SKILL.md                          # Skill 定义文件
├── README.md                         # 本文件
├── main.py                           # 主入口：CLI 智能处理器
├── install.sh                        # 一键安装脚本
├── check_env.py                      # 13 项环境检查
├── package.sh                        # 打包分享脚本
├── requirements.txt                  # Python 依赖
├── LICENSE                           # MIT
├── scripts/
│   ├── fetch_url.sh                  # URL 抓取 + 付费墙绕过（6 层级联）
│   └── get_podcast_transcript.py     # 播客/视频转写（Get笔记 API）
├── wexin-read-mcp/                   # 微信公众号 MCP 服务器
│   └── src/
│       ├── server.py                 # MCP 入口
│       ├── scraper.py                # Playwright 浏览器模拟
│       └── parser.py                 # HTML 解析
└── feishu-read-mcp/                  # 飞书文档 MCP 服务器
    └── src/
        ├── server.py                 # MCP 入口
        ├── scraper.py                # 飞书文档抓取
        ├── parser.py                 # HTML → Markdown
        └── image_handler.py          # 图片处理

🔧 Uso avanzado

Modo de análisis profundo

python main.py https://example.com/article --deep-analysis
# 自动生成 12 个问题（3 轮递进：概览→深度挖掘→综合反刍），逐轮提问，输出结构化 JSON

Estrategia de tres rondas progresivas:

Ronda	Número de preguntas	Objetivo	Ejemplo
Primera ronda: Visión general y marco	4	Establecer una comprensión global	Resumir tema, listar estructura, extraer argumentos centrales, descubrir contenido disruptivo
Segunda ronda: Excavación profunda	5	Profundizar en los detalles	Desglosar lógica argumentativa, analizar contradicciones, destilar ideas clave, plantear críticas agudas
Tercera ronda: Síntesis y reflexión	3	Mejora cognitiva	Mayor cambio cognitivo, guía de acción, razones de recomendación

NotebookLM mantiene el contexto en la misma sesión, las preguntas de las rondas posteriores se benefician automáticamente de las respuestas de las anteriores, formando un verdadero "análisis profundo progresivo".

Salida de documento de Feishu

python main.py ./book.epub --deep-analysis --to-feishu
# 深度分析后自动创建飞书文档

Procesamiento por lotes

把这些文章都生成播客：
1. https://mp.weixin.qq.com/s/abc123
2. https://www.wsj.com/articles/...
3. /Users/joe/notes.md

🐛 Solución de problemas

Herramienta MCP no encontrada

python ~/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp/src/server.py
cd ~/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp
pip install -r requirements.txt
playwright install chromium

Error de autenticación de NotebookLM

notebooklm login     # 重新登录
notebooklm list      # 验证

Error en la omisión del muro de pago

Algunos sitios con muros de pago estrictos (como The Information) no envían contenido desde el servidor, por lo que se requiere el archivo de archive.today. El script detectará esto automáticamente y le avisará:

⚠️  archive.ph needs human verification.
   已自动打开浏览器，请完成验证后重试

Verificación del entorno

./check_env.py       # 13 项全面检查
./install.sh         # 重新安装

❓ Preguntas frecuentes

A: NotebookLM admite varios idiomas; el chino y el inglés ofrecen los mejores resultados.

A: Síntesis de voz de Google AI. En inglés son dos presentadores de IA conversando, en chino es una narración individual.

A: Esta herramienta es solo para estudio e investigación personal. El principio técnico se basa en la lista blanca de motores de búsqueda (Googlebot/Bingbot) y no descifra ninguna encriptación. Se recomienda apoyar a los medios de comunicación de calidad comprando una suscripción.

Mínimo: aprox. 500 caracteres
Máximo: aprox. 500,000 caracteres
Recomendado: 1000-10,000 caracteres para obtener los mejores resultados

A: Las cuentas oficiales de WeChat tienen sistemas anti-scraping; MCP utiliza el navegador Playwright para simular la omisión. Otras fuentes de contenido (páginas web, YouTube, PDF) no requieren MCP.

A: A través de la API de Get笔记, admite Xiaoyuzhou, Himalaya y vídeos de Bilibili. YouTube es procesado directamente por NotebookLM.

🙏 Agradecimientos

Google NotebookLM - Generación de contenido por IA
Microsoft markitdown - Conversión de archivos
Bypass Paywalls Clean - Referencia de estrategia de omisión de muros de pago
wexin-read-mcp - Extracción de WeChat
notebooklm-py - CLI de NotebookLM

📄 Licencia

MIT License - Solo para uso personal de estudio e investigación

Si te resulta útil, ¡por favor dale una ⭐ Star!

Hecho con ❤️ por Joe · Twitter @vista8 · Cuenta oficial de WeChat "向阳乔木推荐看"