web-research

name	web-research
description	Pesquisa estruturada na internet com síntese em relatório markdown. Use sempre que o usuário pedir "pesquisar", "buscar", "investigar", "research", "procurar online", "find online", "look up", "comparar X vs Y", "qual o melhor X" ou similar. Decide automaticamente entre modo fast (consultas pontuais) e deep (relatórios profundos), executa via NotebookLM e retorna markdown com citações.

Web Research via NotebookLM

Pesquisa autônoma na internet com importação de fontes, síntese cruzada e geração de relatório em PT-BR. Usa o CLI notebooklm-py (reverse-engineering das APIs do Google NotebookLM). Profile dedicado: clowdbot-research.

Quando Ativar

Ative SEMPRE que a intenção do usuário envolver buscar/sintetizar informação atual da internet. Triggers:

• "pesquise", "pesquisa sobre", "busque", "busca sobre", "investigue"
• "research X", "look up", "find online", "search the web"
• "qual o melhor X", "comparar X vs Y", "panorama de X em 2026"
• "me dá um relatório sobre X", "preciso entender o cenário de X"

Não use para: questões respondíveis pelo seu próprio conhecimento, fatos triviais, ou perguntas sobre o código deste repositório (use Grep/Read).

Critério: fast vs deep

Decida AUTONOMAMENTE antes de disparar:

Modo	Quando usar	Tempo	Custo cognitivo
fast	Consulta pontual, pergunta com resposta clara, tópico estável, validação rápida	~30-60s	baixo
deep	Comparativo amplo, panorama, decisão estratégica, tópico volátil (>= 3 dimensões), usuário pediu "profunda/completa/extensa"	5-15min	alto

Regra prática: se você precisaria abrir 5+ abas do browser pra responder, é deep. Se 1-2 sites resolvem, é fast.

Ao escolher deep, AVISE o usuário antes ("Vou disparar deep research, leva ~10min, te aviso quando terminar") e rode o research wait com run_in_background: true.

Invocação por Plataforma

Detecte o sistema antes de rodar. Use python -m notebooklm (forma portável que não depende do PATH ter o script):

OS	Shell	Como rodar
Windows	PowerShell	python -m notebooklm -p clowdbot-research <args>
Linux/Mac	Bash	python3 -m notebooklm -p clowdbot-research <args> (ou ative o venv onde foi instalado)

Storage local:

• Windows: %USERPROFILE%\.notebooklm\profiles\clowdbot-research\storage_state.json
• Linux/Mac: $HOME/.notebooklm/profiles/clowdbot-research/storage_state.json

Workflow

Pré-flight (sempre)

python -m notebooklm -p clowdbot-research auth check --test

Espere ver "Authentication is valid". Se falhar com SID/cookie ausente → AVISE o usuário ("Auth do NotebookLM expirou — rode python -m notebooklm -p clowdbot-research login --fresh"). Não tente reauth automaticamente.

1. Criar notebook efêmero

python -m notebooklm -p clowdbot-research create "research-<timestamp>-<slug>"

Captura o UUID retornado. SEMPRE passe via -n <uuid> nos comandos seguintes.

2. Disparar pesquisa

fast:

python -m notebooklm -p clowdbot-research source add-research --mode fast --import-all -n <uuid> "<query>"

deep (background + wait):

python -m notebooklm -p clowdbot-research source add-research --mode deep --no-wait -n <uuid> "<query>"
python -m notebooklm -p clowdbot-research research wait -n <uuid> --timeout 1200 --import-all

3. (Opcional) Adicionar fontes premium curadas

python -m notebooklm -p clowdbot-research source add -n <uuid> "https://..."

4. Gerar relatório

python -m notebooklm -p clowdbot-research generate report --format briefing-doc -n <uuid> --wait --retry 3 --append "Estruture em seções com tabelas markdown. Cite fontes com [n]. Foque em: <aspectos>"

5. Baixar e apresentar

python -m notebooklm -p clowdbot-research artifact list -n <uuid>
# pega o UUID do artifact Report

python -m notebooklm -p clowdbot-research download report <output-path>.md -n <uuid> --artifact <artifact-uuid>

Sugestão de output path:

• Windows: $env:TEMP\notebooklm-research\<title>.md
• Linux/Mac: /tmp/notebooklm-research/<title>.md

Depois leia o arquivo e apresente:

• Resumo executivo em 3-5 bullets (não cole o markdown inteiro inline)
• Caminho completo do arquivo
• ⚠️ Fact-check de claims duvidosas

6. Cleanup

python -m notebooklm -p clowdbot-research delete <uuid> --yes

Mantenha o notebook só se o usuário sinalizou follow-up.

Verificação de Veracidade

Deep research do NotebookLM tem taxa de erro factual ~5-15% (datas erradas, claims exageradas, citações distorcidas). Sempre faça sanity check pós-relatório:

• Datas absurdas (e.g. "lançamento em 2021" para produto de 2026) → flag
• Claims de benchmarks → cruzar com fonte primária se for decisão importante
• Numerais (preços, percentuais) → conferir se existem na fonte citada

Adicione no fim da resposta: "⚠️ Fact-check recomendado: <itens específicos>".

Quando NÃO usar esta skill

• Pergunta respondível pelo seu próprio conhecimento sem precisar de fontes atuais
• Busca dentro do código do repositório → use Grep / Read
• Documentação de biblioteca específica → use context7 MCP (mais rápido e preciso)
• Validação de fato singular conhecido → use WebSearch direto (sem overhead de notebook)

Troubleshooting

Sintoma	Causa	Fix
auth check falha com SID ausente	Cookies expiraram (~6 meses)	Refazer python -m notebooklm -p clowdbot-research login --fresh
IMPORT_RESEARCH timed out durante deep	Normal para queries amplas	Skill já passa --retry 3 — só esperar
generate report retorna texto vazio	Notebook sem sources prontas	Verifique source list -n <uuid> antes de gerar
Erro "Unknown language code: pt-BR"	Use underscore: pt_BR	python -m notebooklm -p clowdbot-research language set pt_BR
notebooklm não encontrado no PATH	Script não está no PATH	A skill já usa python -m notebooklm (que sempre funciona se o pacote está instalado)