为什么你需要这对组合 1.1 NotebookLM 是什么

NotebookLM 是 Google 出的 AI 知识工具。它跟 ChatGPT、Claude 这类通用助手有个很直接的区别：它主要围着你给它的资料工作。

你扔进去 10 篇论文，它给出的回答就从这 10 篇里找。每条回答还会带来源，这点很省心——你不用再猜测它的答案是不是胡编的。

NotebookLM 的核心能力：

  • 资料检索：在大文档中精准定位答案
  • 来源标注：每条回答都注明来自哪篇资料
  • 摘要生成：自动提炼长文档的核心要点
  • 问答对话：基于资料进行深入讨论
  • 思维导图：一键生成结构化知识图谱
1.2 单独的 NotebookLM 有什么痛点

很多人用过 NotebookLM 之后会有一个感受：这东西挺好，但就是懒得用。

原因很简单——手动流程太烦了：

  • 想加一篇新资料？打开浏览器 → 登录 → 找上传按钮 → 选择文件 → 等上传
  • 想问个问题？打开浏览器 → 登录 → 找到那个笔记本 → 输入问题 → 复制答案 → 切换到笔记软件 → 粘贴整理

偶尔用一两次当然没问题，但要把这套流程放进日常工作每天重复，新鲜劲一过，打开频率就直线下降。

这是 NotebookLM 单独使用的卡点：工具本身很强大，但操作成本高到让人不想坚持。

1.3 Hermes 在这里扮演什么角色

打开网易新闻 查看精彩图片

Hermes 是一个 AI Agent 框架，它的核心能力是操控工具、执行动作。把它接在 NotebookLM 前面之后：

  • 采集环节：你跟 Hermes 说"把这个视频加到笔记里"，它自动下载、分析、上传
  • 投喂环节：你跟 Hermes 说"把这些资料加到笔记本"，它自动完成
  • 执行环节：你跟 Hermes 说"生成一个思维导图"，它调用 notebooklm-py，自动生成并保存
  • 问答环节：你跟 Hermes 说"根据这几篇资料回答问题"，它去 NotebookLM 查，返回结果

一句话：Hermes 负责说，NotebookLM 负责想。 你只需要用自然语言下命令，剩下的全部自动化。

02 这套组合能做什么 2.1 最基础的用法：把 NotebookLM 当成 Hermes 的外接知识库

接上之后，你在 Hermes 里直接用自然语言就能操作 NotebookLM，浏览器都不用开。

列出所有笔记本

跟 Hermes 说一句"列出 NotebookLM 所有的笔记"，它会直接调 CLI，把你的 Notebook 全列出来。名字、ID、创建时间，一次给全。

往笔记本里加资料

比如你在 YouTube 上刷到一个介绍视频，想存进笔记里。直接跟 Hermes 说：

把这个视频加到 "Hermes Agent" 笔记里：Hermes Agent Just Got 10x BETTER (Curator Explained)

它不光把视频加进去了，还会顺手套一系列后续问题：要不要列资料？要不要等处理完之后直接提问？要不要生成摘要？

它像个会往前走一步的 Agent，不只是把命令原样执行完。

直接提问

资料加进去之后，想了解某个概念，直接问 Hermes：

根据 "Hermes Agent" 笔记里的资料，Curator 是什么？它解决了什么问题？

Hermes 会自己去 NotebookLM 里查，然后基于刚加进去的资料给你答案。从"加资料"到"问问题"，整个过程都在终端里完成。

生成结构化输出

问完之后，想把某个概念的整条脉络理清楚，继续说：

根据 "Hermes Agent" 笔记里的资料，用 NotebookLM 帮我生成一个 Curator 的思维导图，并保存到桌面

Hermes 先调用 notebooklm generate mind-map 生成思维导图，再自动下载到桌面。整个过程不到 20 秒。

拿到的是一个结构化 JSON 文件，根节点是 Hermes Agent，下面有 7 个子节点，后面拿去可视化或者转图片都行。

两端同步

还有个很舒服的点：你在终端里做的事，NotebookLM 网页版会同步显示。加视频、提问、生成脑图，都在。

所以用法基本是这样：高频操作放在终端里跑，需要回看或继续追问的时候，再去网页版。两边是通的。

这些动作单独看都不复杂，连起来就很像一个完整的知识库操控台。以前那些开浏览器、登录、找 Notebook、手动上传的步骤，现在基本都压缩成一句话。

2.2 进阶场景：知识会自己滚起来

这套组合不只是"学一个新概念"的工具。

作者自己后来还拿来做：日常信息消化、技术选型调研、课程素材准备。背后的逻辑一直没变：Hermes 负责采集和执行，NotebookLM 负责理解和输出。

而且这套组合有一个很关键的特点：知识会自己往前滚。

Hermes 和 NotebookLM 一旦接通，知识不会再只是"存着"。它会开始流动起来：

采集 → 整理 → 提问 → 生成 → 回写 → 下一次继续用前一次留下来的东西就成了新起点

这个飞轮一旦转起来，知识沉淀才开始变得真实。

03 为什么我觉得这套值得长期留着用 3.1 省 Token，也省脑子里的上下文负担

Hermes 用久了之后你会很明显地感觉到一件事：资料一多，每次对话都得先想这次该带哪些背景进去。

几篇文档、项目说明、前面的讨论记录，一股脑塞进 prompt 里，token 很容易就上去。更麻烦的是，你每次都要自己判断取舍：带少了它不知道背景，带多了上下文又容易爆。

接上 NotebookLM 之后，这个判断成本会轻很多。

大堆资料放到 NotebookLM 里，让它去管检索和理解；Hermes 就专心干当前的活，只有在需要的时候再去拿那一小段关键信息。

资料还是那些资料，但不用每次都搬一遍。

3.2 知识会自己往前滚

这点是我后来越用越上头的地方。

你平时从别的地方转给 Hermes 的内容——微信里看到的文章、群里别人甩过来的链接、Twitter 上的一串讨论——后面想深挖的时候，都可以继续塞进 NotebookLM。

用久一点之后，NotebookLM 里会慢慢积累出一批你自己筛过、消化过的资料。到你再写新东西的时候，起点已经不再是空白页了。

这套流程怎么搭看完前面的场景，如果你已经有点想试，下一节就够用了。

04 怎么搭建这条链路

搭建本身没有想象中那么重。而且这件事本身也可以交给 Hermes 来做。

Step 1：安装 notebooklm-py，让 Hermes 能直接操作 NotebookLM

这一步是关键。这里用的是一个叫 notebooklm-py 的开源 CLI 工具。它可以让你直接通过命令行操作 NotebookLM：创建笔记本、添加资料、提问、拿摘要，这些都能走命令。

安装这一步你可以直接交给 Hermes。跟它说一句：

阅读 GitHub 项目 https://github.com/win4r/notebooklm-py 的安装说明，并且安装

然后 Hermes 就会自己去读文档、自己安装。

装完之后跑一下 notebooklm --version。如果看到 NotebookLM CLI, version 0.3.4，基本就通了。

Step 2：登录认证，让 Hermes 拿到 NotebookLM 的钥匙

工具装好之后，还差登录这一步。开一个新的终端，执行 notebooklm login。这个命令会自动弹出 Chrome 登录页，你在里面登自己的 Google 账号就行。登录完成之后按一下回车，认证信息就会保存下来。

Step 3：验证打通，让 Hermes 列出你的笔记本

到这一步，跑一下 notebooklm list。只要能顺利列出你的笔记本，链路就通了。前面那些基础操作，到这里就都能用了。

05 避坑清单

  1. 不要跳过认证步骤：每次重新开终端都需要重新认证，如果跑命令报错，先检查是否已登录
  2. 大文件上传需要等待：视频和大型 PDF 上传不是即时的，等 Hermes 反馈 "处理完成" 再提问
  3. 思维导图是 JSON 格式：需要后续处理才能变成图片，不要期待直接生成 PNG
  4. 多笔记本管理：资料多了之后记得给笔记本起清晰的名字，不然回头找不到
  5. Hermes 版本要新：Curator 功能是新版本才有的，旧版可能没有部分命令
06 写在最后

从 Obsidian + LLM Wiki 到这次的 NotebookLM，我越来越确定一件事：Hermes 适合放在中间，专门负责把采集、整理、投喂、执行这些动作串起来。

这样一来，你跟信息之间的关系会轻松很多。很多重复动作都有人接手，你就把精力留给判断、取舍和真正需要自己动脑子的部分。

如果你本来就在折腾个人知识管理，这套很值得自己跑一遍。链路一旦通了，后面很多玩法都会自己冒出来。