背景：尝试使用notebooklm对一些文档、视频、音频文件进行内容整理。

使用skills: notebooklm-py [link]

预期：

agent读取资源目录 – 循环对资源目录按照prompt描述的转化步骤，结合notebooklm的skills进行无人值守的报告生成工作。

遇到的问题：

1、无法正常打开chromium

起因：安装notebooklm-py时，notebooklm-py和playwright分开安装
环境：windows11
解决：pip install “notebooklm-py[browser]”  
原因：感觉和这个很像 Platform-Specific Issues

2、限流、资源上传耗时

起因：上传失败、生成失败、拒绝链接、clash流量报警
解决：多google账号，文件转格式或压缩，借流量
原因：
1） 一个google允许50个笔记本上限。 一个笔记本内可以上传50个资源， 单账号一天只能使用10次报告生成，本次有180+视频文件需要生成一对一的报告文档。  
2） 资源官方200m的上传限制[link] 导致一大部分视频资源无法正常上传，且上传需要us的ip代理，又慢又爱出错。 因此尝试了视频压缩和视频转mp3上传，经测试mp3与mp4效果基本无差别，且mp4转mp3后，300m+视频变成7-8m音频，上传效率大幅提升，需要半天煎熬等待的上传工作几分钟即可搞定。
3） 上传资源不小心切到了3x的clash线路, demo跑通后下载全量视频资源忘了关tun模式的clash，结果20g+流量变70g+

3、skill更新不及时

起因：
1）custom report 生成的prompt无法匹配传入参数， 命令行提示警告： --append 不再支持传入提示词。
2） 生成的报告是英文的不是中文的。
解决：
1） 直接传入提示词 不带key. 
2） 传入language参数（可以通过 notebooklm language list查看目标语言代码）    
notebooklm generate report --format custom --language zh_Hans -n {notebookid} -s {sourceid} {prompt} 
原因：对notebooklm的cli掌握不够，过于信赖ai对skill的阅读

4、trae的不ai – 可能更多是使用不熟练导致

起因：发给anget任务后，直接生成了powershell或者python脚本来执行相应接口，而不是预期的agent循环任务，对文件依次执行skill相应能力，得到最终的的文档列表
解决：向agent投降，对生成的powershell进行vite coding，读完notebooklm-py的skill、api，搜索一些notebooklm相关接口流程后，帮助trae完成脚本的编写工作。
原因：不知道，我不知道

5、账户

起因：问题2的限流
解决：每次执行脚本，都要手动执行下 notebooklm login，对账户进行切换
原因：无法存储多账户cookie，已有issue [link]

现实：

收获：

了解了notebooklm的流程，了解了notebooklm-py的内容，skill还是要人读懂后再使用，好不ai。 这里不知道龙虾是否能无人监管情况下完成批量转化工作，期待。