Установка скиллов и плагинов OpenClaw осуществляется на ваш страх и риск. Все файлы были получены из открытых источников и предоставляются «как есть». Мы не гарантируем их корректную работу, безопасность или совместимость с вашей системой. Перед установкой настоятельно рекомендуется ознакомиться с содержимым кода и убедиться, что вы понимаете, какие изменения будут внесены в вашу систему.
NotebookLM Research Assistant Skill — это инструмент, который позволяет взаимодействовать с Google NotebookLM напрямую, получая ответы, основанные исключительно на ваших документах.
Каждый запрос запускает новую сессию браузера, извлекает ответ из загруженных источников и завершает работу. Это обеспечивает точность, прозрачность и практически исключает галлюцинации модели.
Что делает этот навык
Навык позволяет задавать вопросы вашим NotebookLM-ноутбукам и получать ответы, основанные на реальных данных. В основе лежит Gemini — модель, которая формирует ответы строго на базе загруженных источников.
- Доступ к вашим NotebookLM-ноутбукам
- Ответы с привязкой к источникам
- Автоматизация через браузер
- Управление библиотекой ноутбуков
- Снижение уровня галлюцинаций
Когда использовать
Навык активируется, когда пользователь явно или косвенно указывает на работу с NotebookLM или документацией.
- Упоминается NotebookLM
- Передаётся ссылка на NotebookLM
- Нужно задать вопрос по документации
- Требуется проверить содержимое ноутбука
- Используются фразы вроде «проверь мои документы» или «спроси NotebookLM»
Как это работает
Процесс взаимодействия выглядит следующим образом:
- Вы формулируете задачу
- Система обращается к NotebookLM
- Gemini анализирует документы
- Возвращается ответ с учётом источников
Таким образом, исключается необходимость вручную искать информацию или копировать данные между инструментами. :
Добавление ноутбуков
Навык поддерживает два способа добавления ноутбуков: автоматический и ручной.
Умное добавление (рекомендуется)
Если у пользователя нет полной информации о ноутбуке, система сначала анализирует его содержимое, а затем формирует описание.
python scripts/run.py ask_question.py \
--question "What is the content of this notebook? What topics are covered?" \
--notebook-url "[URL]"После этого выполняется добавление с автоматически сгенерированными параметрами:
python scripts/run.py notebook_manager.py add \
--url "[URL]" \
--name "[Based on content]" \
--description "[Based on content]" \
--topics "[Based on content]"Ручное добавление
Если все данные известны заранее, можно добавить ноутбук вручную:
- url — ссылка на NotebookLM
- name — название
- description — описание содержимого (обязательно)
- topics — темы через запятую (обязательно)
Важно: не используйте общие или предположительные описания. Если данных не хватает — применяйте умное добавление.
Почему это важно
Стандартные LLM часто генерируют неточные ответы из-за отсутствия контекста. В отличие от них, NotebookLM работает по принципу Retrieval-Augmented Generation — ответы формируются строго на основе предоставленных источников, что делает их более надёжными и проверяемыми. :
Этот навык превращает ваш AI-инструмент в полноценного исследовательского ассистента, который опирается не на догадки, а на реальные данные.
Файл из источника