NotebookLM RAG Line — NotebookLM RAG 行

notebooklm-rag-line 將 NotebookLM 知識自動同步到 LINE AI 助教的 RAG 知識庫。 功能 ✅ 向 NotebookLM 提問取得答案 ✅ 自動產生 embedding（bge-m3） ✅ 存入本地 SQLite RAG 知識庫 ✅ 支援 LINE 聊天機器人回覆 ✅ LLM 生成延續問題建議 系統架構 NotebookLM 來源 ↓（老闆新增網站） patchright 自動提問 ↓（取得答案） bge-m3 embedding（Ollama） ↓（1024維向量） rag_embeddings.db（SQLite） ↓ RAG Server (port 3002) ↓ line_webhook.aspx（LINE 回覆） ↓ 學員收到回答 + 延續問題建議 核心檔案 檔案 用途 rag_enhance.py 主腳本：向 NotebookLM 提問並存入 RAG rag_server.py Python HTTP Server，處理學員問答 rag_embeddings.db SQLite 向量知識庫 line_webhook.aspx LINE Webhook 接收器 必要環境 元件 版本 備註 Python 3.8+ 建議 3.10+ Ollama 最新版 安裝 ollama serve bge-m3:latest Embedding 模型 ollama pull bge-m3:latest gemma3:4b-cloud LLM 模型 ollama pull gemma3:4b-cloud patchright 最新版 pip install patchright 快速開始 Step 1：安裝依賴 pip install patchright ollama pull bge-m3:latest ollama pull gemma3:4b-cloud Step 2：修改設定 編輯 rag_enhance.py 開頭的設定區塊： CHROME_PROFILE = "你的 Chrome profile 路徑" NOTEBOOK_ID = "你的 NotebookLM 筆記本 ID" OLLA_MA_HOST = "127.0.0.1" OLLA_MA_PORT = 11434 EMBEDDING_MODEL = "bge-m3:latest" DB_PATH = r"你的\RAG\資料庫\路徑\rag_embeddings.db" Step 3：準備問題清單 在 QUESTIONS 陣列中加入你想問的問題： QUESTIONS = [ "Cloudflare Pages 是什麼？", "如何部署網站到 Cloudflare Pages？", # ... 更多問題 ] Step 4：執行 python rag_enhance.py 腳本會自動： 啟動 Chrome 並登入 NotebookLM 逐一問問題（約 40 秒/題） 取得答案後自動存入 RAG 完成後發送 LINE 通知 RAG Server（可選） 啟動本地 RAG Server 處理即時查詢： python rag_server.py Server 會監聽 http://127.0.0.1:3002/query Request 格式： { "question": "Cloudflare Pages 是什麼？", "history": "[]", "user_id": "anonymous" } Response 格式： { "answer": "Cloudflare Pages 是...", "suggestions": ["問題1", "問題2", "問題3"] } 自動化（凌晨執行） 使用 Windows Task Scheduler 每天凌晨自動更新： # 建立排程工作 $action = New-ScheduledTaskAction -Execute "python" -Argument "D:\node_app\cron\rag_enhance.py" $trigger = New-ScheduledTaskTrigger -Daily -At "01:00" Register-ScheduledTask -TaskName "RAG_NotebookLM_Update" -Action $action -Trigger $trigger -Description "NotebookLM RAG 自動更新" 資料庫結構 CREATE TABLE rag_embeddings ( id INTEGER PRIMARY KEY AUTOINCREMENT, question TEXT NOT NULL, answer TEXT NOT NULL, embedding BLOB NOT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); 注意事項 金鑰安全：LINE_TOKEN、RAG_URL 等敏感資訊應放在 .env 檔案，絕對不要 commit 到公開 repo NotebookLM 配額：免費版每天可問 50 次，注意不要超標 Embedding 超時：建議加入 warmup 設定避免 timeout Chrome Profile：建議使用專用 profile，避免影響一般瀏覽器使用 授權 MIT License - 可自由使用、修改與發布 🦞 爪子鋒利，什麼都能搞定！