📦 Notebooklm Skill Factory

NotebookLM Skill Factory 统筹完整流水线：NotebookLM 源摄取 → 结构化 SKILL.md 提取 → 写入 skills 目录 → 校验 → 测试 → 迭代。

前置检查 流水线开始前，确认 NotebookLM 已认证： notebooklm status || notebooklm login 若 notebooklm login 打开浏览器，提示用户完成 Google OAuth 并在终端按 ENTER。

流水线 阶段 1：设置与源摄取

• 为该 skill 创建专属 notebook：

notebooklm create "Skill: {skill-name}" --json

• 从 JSON 输出解析 notebook id。
• 向用户收集来源：

“请提供该 skill 所依据的高质量、领域专属来源：URL、本地文件路径、YouTube 链接均可。”

• 用户无现成来源时，建议：
• 官方文档 URL
• 该主题权威书籍/文章（可上传 PDF）
• 专注该领域的 YouTube 教程/频道
• 添加来源（后续命令均用 -n ）：

notebooklm source add "https://..." -n --json notebooklm source add ./local-file.pdf -n --json

• 记录每个 source_id。
• 后台等待索引完成（不阻塞）：

notebooklm source wait -n --timeout 600 多来源并行等待。任一来源索引失败（退出码 1）仅记录警告，继续处理其余来源。

阶段 2：提取 SKILL.md

• 载入提取提示模板：读取 references/skill-extraction-prompt.md，将 {USER_INTENT} 替换为用户原始请求。
• 向 NotebookLM 查询所有已索引来源：

notebooklm ask "{extraction_prompt}" -n --json

• 解析输出为干净 SKILL.md：

echo '' | python3 scripts/parse-skill-output.py > /tmp/skill-output.md 或先存 JSON 再管道。

• 基础结构校验：
• 以 --- YAML frontmatter 开头
• 包含 name: 与 description: 字段
• frontmatter 后正文非空

校验失败则向 NotebookLM 发送更具体指令重新提取。

阶段 3：安装与校验

• 创建 skill 目录：mkdir -p ~/.claude/skills/{skill-name}
• 写入 SKILL.md：将解析结果移至 ~/.claude/skills/{skill-name}/SKILL.md
• 运行 skill-creator 校验（通过 Skill 工具）：

“验证 ~/.claude/skills/{skill-name}/ 中的 skill，修复发现的问题，并执行 package_skill.py 检查错误。”

• 运行 skill-vetter 安全检查（通过 Skill 工具）：

“审查 ~/.claude/skills/{skill-name}/ 的 skill 是否存在安全问题。”

阶段 4：测试与迭代

• 用符合实际场景的 prompt 调用该 skill 进行测试。
• 收集失败项：是否触发、输出是否正确、有无幻觉或遗漏。
• 发现问题则迭代：

将失败描述反馈给 NotebookLM： notebooklm ask "早前生成的 SKILL.md 存在此问题：{failure}。请基于来源重写以修复，并在 markdown 代码块内输出完整修正后的 SKILL.md。" -n --json 重新解析并覆盖 SKILL.md → 重测，循环直至通过真实使用测试。

错误恢复 情境 → 动作 NotebookLM 认证过期 → notebooklm login 后重试 源索引失败 → 跳过该源，警告用户，继续 提取提示返回空 → 确认源状态为 ready，用 --new 标志重查 生成 SKILL.md 校验失败 → 把失败描述发回 NB 重写（阶段 4 迭代） NB 限流 → 等待 5–10 分钟后重试一次

来源质量提醒

• 一 notebook 对应一 skill，一 notebook 聚焦一主题
• 3–10 个高质量源 优于 20+ 混杂源
• 官方文档 > 博客 > YouTube 字幕
• 若 skill 跨多个无关领域，拆分为多个 notebook
• 生成后，用户需最终人工审阅： tone、逻辑、完整性

流水线完成 skill 测试通过后，报告：

• skill 名称与路径（~/.claude/skills/{name}/）
• 使用的来源数量
• 迭代轮数
• 最终测试结果摘要