pdf-to-md-notebooklm

name	pdf-to-md-notebooklm
description	PDF→Markdown→NotebookLM 全流程管线。支持批量上传、自动类型检测、大文件处理。
version	1.0.0
license	MIT
author	Synthos
allowed-tools	["terminal","file","web"]
metadata	{"synthos":{"author":"Synthos","signature":"pdf_paths: list -> md_paths: list","related_skills":["academic-paper-completion","adhd-eye-tracking-review","arxiv","biorxiv","blogwatcher"],"version":"2.2.0","tags":["d7","literature","notebooklm","markdown","acq","batch"]}}

IO_CONTRACT

• input: pdf_file: str — 用户请求描述、上下文信息
• output: md_content: str — PDF转Markdown

对应原则：P2（机械原子暴露输入输出规范）

PDF → Markdown → NotebookLM 全流程管线

将参考文献从 PDF 转为 Markdown 后上传至 NotebookLM。适用于扫描版 PDF、批量导入、大文件等场景。

⚡ 强制触发条件（2026-06-01 新增）

此流程不是可选的。它是Layer B双质量评审的前置条件。

必须执行的场景

• ✅ 每篇论文进入P4质量门前 — 参考文献必须上传到NotebookLM
• ✅ Layer B评审前 — 缺参考文献的Layer B评分不可靠
• ✅ D9 ≥ 80% 已达标后 — 本地有PDF但不等于NotebookLM有
• ✅ 手稿修改后重新编译 — 重新上传手稿时，同时验证参考文献源是否还在

禁止跳过

理由	后果
"参考文献PDF已经有了"	但NotebookLM没有，Layer B无法交叉验证
"论文已经在审稿了"	但引用全文缺失，审稿人可能发现数值不匹配
"之前已经上传过"	可能有error源或重复源，需要source clean
"时间不够了"	宁可推迟Layer B，不可无参考文献评审

绑定到Paper Pipeline

D9 ≥ 80%（本地PDF就绪）
    ↓
pdf-to-md-notebooklm 强制执行
    ↓
参考文献上传到NotebookLM
    ↓
dual-quality-check-v2 P0前置闸门验证（源数 ≥ D8 × 80%）
    ↓
Layer B 7维评审

核心原理

PDF → uvx markitdown → .md → notebooklm source add

为什么转 MD 再上传：

• 扫描版/图片型 PDF 无文本层，NotebookLM 不可检索
• Markdown 无格式噪音，Gemini 检索效率更高
• source add 自动类型检测，无需 --type 参数（v0.4.1+）
• 40/40 篇批量上传 100% 成功已验证

前提条件

• uvx 可用（安装 pipx install uv）
• notebooklm-py >= 0.4.1（pipx 安装）
• NotebookLM 已登录（notebooklm profile list 确认 authenticated）

全流程步骤

Step 1: PDF → Markdown 转换

# 推荐：uvx markitdown（效果最优，支持图文混排）
uvx markitdown paper.pdf > paper.md 2>/dev/null

# 验证转换质量
wc -l paper.md            # 应有 ≥ 100 行
head -50 paper.md         # 检查首段是否完整
grep -c "```" paper.md    # 代码块保留情况

Step 2: 上传到 NotebookLM

单篇上传（最基本）：

notebooklm use <notebook_id>
notebooklm source add paper.md --title "Author2024"

v0.4.1+ 通过文件路径传入时自动检测类型（从扩展名推断），无需 --type 参数。

但Python subprocess传内容字符串时没有扩展名可检测，必须显式加 --type text，否则报 Error 36。 详见陷阱表。

大文件上传（> 10MB MD）：

notebooklm source add paper.md --title "Author2024" --timeout 120

Step 3: 批量上传（推荐脚本）

cd /path/to/pdfs_md/
notebooklm use <notebook_id>

for f in *.md; do
  name="${f%.md}"
  if notebooklm source add "$PWD/$f" --title "$name" 2>&1 | grep -q "Added source"; then
    echo "✅ $name"
  else
    echo "❌ $name"
  fi
  sleep 0.3  # 避免 API 限流
done

40 篇 MD 文件批量上传实战验证：40/40 成功，0 失败。

Step 4（可选）: Google Drive 中转 PDF

当无法直连 NotebookLM 时，先上传 PDF 到 Drive 再导入：

# 上传 PDF 到 Drive
rclone copy *.pdf googledrive:target-folder/

# 获取文件 ID
rclone lsjson googledrive:target-folder/ | jq -r '.[] | "\(.ID) \(.Name)"'

# 从 Drive 导入（仅 PDF 有效）
notebooklm source add-drive FILE_ID "Title" --mime-type pdf -n <notebook_id>

⚠️ add-drive 仅支持 PDF。Markdown 文件走 Drive 中转会返回 "API returned no data"，必须用本地 source add。

验证上传

notebooklm source list -n <notebook_id> 2>&1 | grep "Author2024"

实战验证（2026-06-01）

项目	结果
Pima 论文 40 篇 PDF → MD → NotebookLM	✅ 40/40 成功
SCC 论文 34 篇 PDF → Drive → NotebookLM	✅ 34/34 成功
上传方式（Pima）	source add /path/file.md --title "Name" 直传
上传方式（SCC）	rclone upload → add-drive FILE_ID --mime-type pdf Drive 中转
关键发现	Drive 中转处理速度远快于直传 MD（直传 MD 120s 超时，Drive PDF 即时 ready）

已知陷阱

陷阱	表现	修复
扫描版 PDF 无文本	MD 文件仅几行	转 MD 后检查 wc -l < 100，需 OCR 预处理
add-drive 传 MD 失败	"API returned no data"	改用本地 source add 直接上传
批量上传限流	部分返回超时或 429	加 sleep 0.3~0.5 间隔
rclone 大文件超时	多文件上传卡住	分批上传或加 --timeout
上传后堆积 error/重复源	大量 error 源 + 重复	notebooklm source clean -y 一键清除，比逐条 delete 快 100x
顽固 PDF (10-15%)	Drive "API no data" + MD 120s超时	标记为"手动上传"，不影响 D9≥80%
source delete 交互	删除需 y/N 确认	改用 source clean -y 批量清理；逐条删除用 `yes \
--type text in Python subprocess (2026-06-01)	Python subprocess 传内容字符串 (source add content --title "Name") → error 36	shell 中自动检测工作（基于文件扩展名），Python subprocess 必须显式加 --type text。详见 references/batch-upload-technique.md 陷阱节
批量上传超时 (2026-06-01)	26+ 篇 Python subprocess 循环上传超时 300s	分批 10-15 篇/批，或改用 terminal(background=true) 异步执行

参照

• [[notebooklm-cli|NotebookLM CLI skill]]
• [[paper-pipeline|论文管线]]
• [[markitdown-convert|MarkItDown 转换 skill]]

实战示例：Pima 论文 40 篇参考文献上传

# 1. 转换 PDF → MD
cd /media/yakeworld/sda2/Synthos/outputs/papers/pima-crispdm/06-references/pdfs/
for f in *.pdf; do
  uvx markitdown "$f" > "../pdfs_md/${f%.pdf}.md" 2>/dev/null
done

# 2. 批量上传到 Pima notebook（ID: 8e1174cd）
notebooklm use 8e1174cd
cd ../pdfs_md/
for f in *.md; do
  name="${f%.md}"
  notebooklm source add "$PWD/$f" --title "$name"
  sleep 0.3
done

# 结果：40/40 ✅