Claude Code + NotebookLM: как собрать личный исследовательский движок и перестать жечь токены впустую

Claude Code + NotebookLM: как собрать личный исследовательский движок и перестать жечь токены впустую

Лимиты Claude сгорают на тяжёлых исследованиях, а каждая новая сессия начинается с чистого листа. Решение — связка Claude Code с бесплатным NotebookLM: тяжёлый анализ уходит на инфраструктуру Google, а токены — только на оркестрацию и финальную сборку. Четыре рабочих сценария и честный разбор рисков.

Каждый, кто всерьёз работает с Claude, рано или поздно видит одно и то же сообщение: «Claude usage limit reached. Your limit will reset at 7pm». На тарифе Pro это прилетает быстро. На Max — позже, но тяжёлое исследование всё равно выедает бюджет. На API за каждый токен ты платишь напрямую.

И есть вторая, менее очевидная проблема — амнезия. Ты три часа объясняешь Claude архитектуру проекта, свои соглашения по именованию, любимые паттерны. Закрыл терминал — и всё это исчезло. Следующая сессия начинается с чистого листа, и ты платишь токенами за то, чтобы заново загрузить контекст, который уже однажды объяснял.

Обе проблемы решаются одной идеей: не делать всю тяжёлую работу внутри Claude. Часть задач — индексацию больших массивов документов, поиск по ним, долговременную память — можно отдать бесплатному инструменту Google под названием NotebookLM, а токены Claude тратить только на то, что он делает лучше всех: оркестрацию, суждение и финальную сборку.

Это не «обход лимитов» и не хитрая схема. Это здравая инженерия: каждый инструмент делает то, для чего он создан. Ниже — как собрать такую связку, четыре рабочих сценария и честный разбор рисков.

---

Из чего состоит связка

Три компонента:

1. Claude Code — дирижёр. Оркестрирует процесс, принимает решения, пишет финальный результат.

2. NotebookLM — тяжёлая артиллерия для исследований. Индексирует документы и отвечает на вопросы по ним. Бесплатно.

3. Мост между ними — CLI-инструмент, который позволяет Claude Code управлять NotebookLM из терминала.

Разберём каждый.

Claude Code — если ты знал Claude только по чату

Claude Code — это совсем другой зверь по сравнению с веб-чатом. Он живёт в терминале, читает весь твой код, пишет файлы, запускает скрипты, поднимает параллельных субагентов и выполняет многошаговые процессы без ручного контроля на каждом шаге.

Его сила — автономность. Его цена — модель тарификации: каждый фрагмент контекста, который ты в него загружаешь, сжигает токены. Именно поэтому имеет смысл не заваливать его тридцатью документами, а поручить тяжёлую часть чему-то другому.

NotebookLM — исследовательский инструмент на RAG

NotebookLM — сервис от Google на базе RAG (retrieval-augmented generation, генерация с опорой на найденные источники). Ты загружаешь документы, он их индексирует и позволяет задавать вопросы сразу по всей базе.

Что важно знать:

Главное ограничение: у NotebookLM нет официального API. Это инструмент только для браузера. Штатно его нельзя ни заскриптовать, ни автоматизировать, ни подключить к Claude. Ровно эту стену и пробивает мост.

Мост: notebooklm-py

Разработчик Тенг Линг (Teng Ling) реверс-инжинирил внутренние протоколы NotebookLM и опубликовал open-source CLI-инструмент notebooklm-py. Он позволяет управлять NotebookLM целиком из терминала: создавать блокноты, загружать источники, выполнять запросы, генерировать слайды, подкасты, карточки и таблицы.

Что нужно для установки:

Репозиторий: `https://github.com/teng-lin/notebooklm-py` — дальше по инструкции в README.

> ⚠️ Сразу про честность. notebooklm-py — неофициальный инструмент. Он воспроизводит закрытые протоколы Google, и Google это не одобряет. Это не продакшен-инфраструктура, а инструмент для продвинутых пользователей: он может сломаться в любой день, если Google поменяет бэкенд. Перед установкой имеет смысл открыть репозиторий и бегло просмотреть код — это открытый проект, и такая проверка занимает пару минут, зато ты понимаешь, что ставишь себе в систему. Подробный разбор рисков — в конце статьи.

---

Навыки (skills): как научить Claude Code пользоваться мостом

Мост установлен, но Claude пока не знает, как им пользоваться. Это знание ему дают навыки (skills).

Что такое навык за 30 секунд

Навык — это набор инструкций в файле `SKILL.md`, который Claude читает, когда распознаёт подходящую задачу. По сути это плейбук, лежащий у тебя на машине. Claude подтягивает его автоматически, когда видит совпадение с запросом.

Навыки следуют открытому стандарту и работают не только в Claude Code, но и в Cursor, Gemini CLI, Codex и других — без привязки к вендору.

Где хранятся навыки

Персональные (доступны во всех проектах):

```

~/.claude/skills/skill-name/SKILL.md

```

Проектные (привязаны к репозиторию, шарятся через Git):

```

.claude/skills/skill-name/SKILL.md

```

Если персональный и проектный навык совпадают по имени, проектный перезаписывает персональный.

Ставим навык для NotebookLM

```

notebooklm skill install

```

Навык встаёт сразу в два места: `~/.claude/skills/notebooklm/` (для Claude Code) и `~/.agents/skills/notebooklm/` (для совместимых агентов вроде Codex).

Проверяем:

```

notebooklm skill status

```

После этого Claude понимает, как создавать блокноты, загружать источники, делать запросы и генерировать результаты через CLI. Объяснять синтаксис каждую сессию больше не нужно.

Как Claude решает, когда использовать навык

У каждого навыка есть описание в заголовке. При запуске Claude читает все доступные описания и сопоставляет их с твоим запросом. Скажешь «исследуй стратегии B2B-продаж и собери отчёт» — он сам подтянет навык NotebookLM. Можно вызвать и напрямую: `/notebooklm`.

Свои навыки за минуты

Anthropic публикует мета-навык skill-creator. Вызови `/skill-creator` в Claude Code — он проведёт интервью о том, что тебе нужно, сгенерирует полный `SKILL.md`, прогонит тестовые промпты и упакует результат. От идеи «хочу навык, который делает X» до работающего, протестированного навыка — минуты, а не часы.

---

Четыре рабочих процесса

Установка — скучная часть. Настоящая ценность в этих четырёх сценариях.

Процесс A. Исследование без лишнего расхода токенов

Задача: проанализировать 30+ документов, найти связи и написать отчёт. Тащить всё это локально в контекст Claude — дорого.

Решение: Claude оркестрирует, NotebookLM обрабатывает.

Пошагово:

1. Собери источники — PDF, статьи, транскрипции YouTube. Для извлечения транскрипций Claude может использовать `yt-dlp`.

2. Claude создаёт блокнот:

```

notebooklm create "My Research Project"

```

3. Claude загружает источники:

```

notebooklm source add \

"./transcript-1.md" \

"https://example.com/article" \

"./report.pdf"

```

На бесплатном тарифе — до 50 источников на блокнот, для большинства проектов этого хватает.

4. Claude делает запросы к NotebookLM вместо локальной обработки:

```

notebooklm ask \

"what are the three most important themes across all sources?"

```

Движок Gemini от Google обрабатывает запрос по всем документам и возвращает ответ с цитатами.

5. Claude генерирует артефакты:

```

notebooklm generate slide-deck

notebooklm generate flashcards --quantity more

notebooklm generate mind-map

notebooklm generate data-table "compare key concepts"

notebooklm generate audio "make it engaging" --wait

```

Всё скачивается на твою машину.

6. Claude полирует результат. Берёт сырые артефакты и дорабатывает локально: правит слайды, переформатирует таблицы, вшивает находки в финальный документ. Только этот шаг расходует твои токены Claude.

Что в сухом остатке: дорогая аналитическая часть уходит на инфраструктуру Google, а токены Claude резервируются под оркестрацию и финальную редактуру. Ты используешь каждый инструмент по назначению — и получаешь от своего тарифа заметно больше пользы за те же деньги.

Процесс B. Экспертные ИИ-агенты из веб-исследований

Задача: собрать кастомного ИИ-агента под конкретную область (например, B2B-продажи). Проблема в том, что расплывчатые промпты дают расплывчатых агентов.

Решение: сначала автономно собрать экспертные знания из интернета через Deep Research в NotebookLM, потом структурировать их в навык для Claude Code.

Пошагово:

1. Запусти Deep Research. В NotebookLM выбери тип источника «web» и задай конкретный запрос:

> «advanced B2B multi-channel outbound sales strategies, retention loops, and re-engagement sequences»

Deep Research сам обойдёт сотни страниц, прочитает документацию и гайды и соберёт отчёт с цитатами.

2. Структурируй результат по фреймворку DBS:

3. Скорми результат skill-creator. Скопируй DBS-результат, вставь в Claude Code, вызови `/skill-creator` — он соберёт весь пакет навыка.

4. Протестируй и разверни. Skill-creator стресс-тестирует новый навык сгенерированными промптами и даёт довести его до нужного уровня.

Итог: от расплывчатой идеи до работающего экспертного агента, подкреплённого проверенными веб-исследованиями, — за минуты.

Процесс C. Память между сессиями

Это лекарство от той самой амнезии. Идея — ритуал «wrap-up», который в конце сессии автоматически извлекает наработки и сохраняет их в постоянный блокнот NotebookLM, а в начале каждой следующей сессии Claude туда обращается.

Пошагово:

1. Поставь навык `/wrap-up`. Он инструктирует Claude просмотреть текущую сессию и извлечь:

2. Настрой выгрузку в NotebookLM. Вместо локального файла wrap-up пушит итоги в выделенный блокнот «Master Brain»:

```

notebooklm use master-brain-notebook-id \

"./session-summary-2026-04-06.md"

```

3. Запускай `/wrap-up` перед закрытием каждой сессии. Claude просматривает разговор, извлекает инсайты, форматирует и выгружает.

4. Добавь инструкцию в `CLAUDE.md` — конфиг, который Claude читает при старте сессии:

> «Прежде чем отвечать на вопросы об архитектуре проекта, исторических решениях или моих предпочтениях, запроси блокнот Master Brain через NotebookLM CLI.»

5. Теперь у Claude есть память. За недели Master Brain накапливает сотни итогов сессий. NotebookLM их индексирует и строит семантические связи. Claude достаёт ровно тот контекст, который нужен, не загружая сотни документов в своё контекстное окно.

Итог: агент реально помнит всё, что вы наработали. Хранение и поиск — на бесплатной инфраструктуре Google, бюджет токенов не страдает.

Процесс D. Визуальное управление знаниями через Obsidian

Claude генерирует исследовательские документы, итоги сессий, аналитику. Они копятся невидимыми файлами в папках терминала — их не посмотреть, не поискать, не связать.

Решение: запустить Claude Code прямо из корня хранилища Obsidian, чтобы всё, что он создаёт, сразу отображалось в визуальном графе знаний.

Что такое Obsidian. Бесплатное приложение для заметок на локальных Markdown-файлах. Показывает заметки как интерактивный граф связанных узлов. Очень популярно для управления личными знаниями.

Пошагово:

1. Запусти Claude Code из корня хранилища:

```

cd ~/Documents/MyVault

claude

```

Claude получает полный доступ на чтение и запись ко всей коллекции заметок.

2. Создай `CLAUDE.md` в корне хранилища — инструкцию по работе с ним:

3. Сделай кастомные навыки под хранилище:

4. Дорабатывай в реальном времени. По мере того как Claude создаёт файлы, ты видишь их в графе Obsidian. Неправильно категоризировал или упустил ссылку — поправь и попроси обновить `CLAUDE.md`. Цикл обратной связи обучает Claude под твои предпочтения.

Итог: живая, растущая база знаний. Claude сортирует, тегирует и связывает информацию по твоим правилам, NotebookLM тянет тяжёлые исследования в фоне, а ты видишь всю картину в графе.

---

Что может пойти не так (читать обязательно)

Связка мощная, но частично построена на неофициальном инструменте. Прежде чем встраивать её в рабочие процессы, прими эти вещи как данность.

Неофициальный API — никаких гарантий. notebooklm-py реверс-инжинирит внутренние протоколы Google, и Google это не одобряет. Поменяют бэкенд — команды перестанут работать. Мейнтейнер пока отзывчив, но никаких SLA нет. Относись к этому как к инструменту для продвинутых пользователей, а не как к продакшен-инфраструктуре. И проверяй репозиторий/код перед установкой — это открытый проект.

Политика использования Anthropic. Anthropic требует, чтобы автоматизированные процессы работали через официальный клиент Claude Code с соответствующим тарифным планом. Описанный здесь воркфлоу этому и следует — Claude Code используется официально, а неофициальная обёртка касается только Google NotebookLM. Не превращай это в инструмент обхода лимитов Claude через неофициальные обвязки и убедись, что твоё использование укладывается в твой план.

Данные и приватность (ЕС, Великобритания). Если работаешь с конфиденциальными или регулируемыми данными: пользовательские инструменты Claude обрабатывают и хранят данные в США, и последствия для GDPR реальны. Региональную обработку даёт корпоративный API, а пользовательский тариф — нет.

Защити файл с куками. Файл `storage_state.json` содержит живые сессионные куки Google. Кто получит этот файл — получит доступ к твоему NotebookLM. Никогда не коммить его в публичный репозиторий и обращайся с ним как с паролем.

Куки истекают. Периодически придётся переавторизовываться. Если команды начинают падать с ошибками авторизации:

```

notebooklm login

```

Занимает 30 секунд.

---

Краткий справочник команд

| Команда | Описание |

|---|---|

| `notebooklm create "Name"` | Создать блокнот |

| `notebooklm source add file url ...` | Добавить источники |

| `notebooklm ask "question"` | Запрос к блокноту |

| `notebooklm generate slide-deck` | Сгенерировать слайды |

| `notebooklm generate flashcards` | Сгенерировать карточки |

| `notebooklm generate mind-map` | Сгенерировать карту |

| `notebooklm generate audio` | Сгенерировать аудио |

| `notebooklm generate data-table "..."` | Сгенерировать таблицу |

| `notebooklm skill install` | Установить навык |

| `notebooklm skill status` | Проверить статус навыка |

| `notebooklm login` | Переавторизация |

---

Что изучить дальше

Собери библиотеку навыков. Каждый повторяющийся процесс — кандидат на навык: упакуй его через skill-creator один раз и переиспользуй. Но собирать всё с нуля необязательно — в разделе Claude Skills на нашей платформе AI SKILLS уже почти 10 000 готовых навыков под самые разные задачи, и там же есть собственный skill-creator, чтобы быстро собрать недостающий под себя. Забрать готовое: https://aiskills.team/claude-skills

Мало скачать скилл — научись на нём зарабатывать. Каталог — это только вход. На тарифах Creator и выше мы на практике разбираем, как создавать и оркестрировать собственные скиллы под свои задачи, а в модулях по вайб-кодингу и автоматизации (Make, N8N, Full) показываем, как собирать на них агентов и вайб-кодить готовые платформы, сайты и ботов — с кейсами и мастер-классами по монетизации.

Подключи наш MCP-коннектор для Claude Code. MCP (Model Context Protocol) — это протокол, через который Claude Code общается с внешними системами. Мы сделали собственный коннектор: ты просто описываешь задачу в Claude Code, а он идёт в векторную базу скиллов и open-source-решений платформы, сам выстраивает связку — что взять и как соединить, — и предлагает готовых агентов, которые роем разбирают нужные скиллы и код и начинают строить. Наложи это на каталог навыков — и получишь не набор инструментов, а полноценный автономный движок под свои проекты.

Добавь плагины Obsidian. Dataview для динамических запросов по заметкам, Templater для автоматических шаблонов. В связке с генерацией файлов через Claude хранилище превращается во что-то ближе ко «второму мозгу», чем к приложению для заметок.

---

Главная мысль

Ты не обходишь ограничения и не хитришь с лимитами. Ты просто перестаёшь использовать дорогой инструмент для дешёвой работы. Тяжёлое исследование — на бесплатную инфраструктуру Google. Оркестрацию, суждение и финальный результат — на Claude. А память и знания — в постоянное, растущее хранилище, которое переживает любую сессию. Собранная один раз, эта связка меняет не скорость отдельной задачи, а сам масштаб того, что ты можешь тянуть в одиночку.