菜单
NotebookLM 深度查询 Skill：超富集模式查询，自动存储中间产物，外部检索核查准确性，本地图片溯源。 触发词：/nb-query、nb-query、智能笔记本查询、「从笔记本查询 XXX 并列出来源」、「查一下我的文章库里关于 XXX 的内容」 适用场景：需要详尽资料 + 引用溯源 + 事实核查的查询任务；为写作收集带引用的素材。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/rongarede/skill-snapshots --skill nb-query命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Technology scouting and evaluation for tools, frameworks, libraries, and technical approaches. Use when users need to evaluate technology options, compare frameworks, assess technical feasibility, scout emerging technologies, or make build-vs-buy decisions. Produces structured comparison matrices with objective criteria scoring.
使用 Semantic Scholar API 检索和验证学术论文。支持并发多关键词搜索、批量 ID/DOI 查询、引用分析、批量补全摘要、统一 Markdown 导出。覆盖 2.14 亿+ 学术论文，无需 API Key 即可使用。触发词：论文检索、论文验证、Semantic Scholar、S2 搜索、查论文、补全摘要、导出MD
中文/英文写作风格迁移与错误记忆工作流。适用于论文、学位论文、报告等场景，提供 style profile、error log、长期记忆与多智能体写作闭环。
正在显示 SKILL.md
基于 SOC 职业分类
| name | nb-query |
| description | NotebookLM 深度查询 Skill：超富集模式查询，自动存储中间产物，外部检索核查准确性，本地图片溯源。 触发词：/nb-query、nb-query、智能笔记本查询、「从笔记本查询 XXX 并列出来源」、「查一下我的文章库里关于 XXX 的内容」 适用场景：需要详尽资料 + 引用溯源 + 事实核查的查询任务；为写作收集带引用的素材。 |
对 NotebookLM Skill 的增强 Wrapper，采用超富集模式查询。
~/Downloads/nb-query-<主题关键词>-<日期>/
├── 00-metadata.md # 任务元信息
├── 01-raw-response.json # NotebookLM 原始 JSON 输出
├── 02-raw-answer.md # 原始回答（带引用序号）
├── 02-raw-answer-with-images.md # 带图片的回答
├── 03-citation-map.json # 序号 → 标题映射
├── 03-title-stats.json # 文章统计
├── 03-citation-table.md # 引用对照表（含链接）
├── 03.1-link-results.json # 链接映射结果
├── 03.5-all-images.json # 原始图片列表
├── 03.5-image-mapping.json # 过滤后的图片映射
├── 04-fact-verification.md # 外部检索核查结果
└── 05-final.md # 最终输出
每次查询前，先确保本地文章存档与 NotebookLM 同步：
/sync-notebooklm-kb
# 创建工作目录
WORK_DIR=~/Downloads/nb-query-<topic-in-english>-$(date +%Y%m%d)
mkdir -p "$WORK_DIR"
# 检查本地文章存档依赖
python scripts/check_articles_dir.py
命名规范：主题用英文/拼音，如 nb-query-ai-tools-workflow-20260115
写入 00-metadata.md：任务元信息（时间、查询主题、笔记本、状态）
# 确认笔记本上下文
notebooklm status
# 获取 source 列表（必须用 --json）
notebooklm source list --json > /tmp/nb_sources_raw.json
# 构建映射表
python scripts/build_source_mapping.py
查询 prompt 模板（强制详细 + 禁止图片输出）：
请针对以下问题，提供**尽可能详尽、全面**的回答：
{用户的原始问题}
要求：
1. 不要精简：宁可冗长也不要遗漏
2. 超富集搜集：所有相关内容都整合进来
3. 多角度覆盖：从不同维度汇总信息
4. 保留细节：具体数字、日期、案例都保留
5. 标注引用：每个信息点都标注 [1], [2] 等
6. 不做总结性压缩
7. 禁止输出图片链接
8. 标记配图位置：用 <!-- IMAGE_PLACEHOLDER: [引用号] --> 标记
notebooklm ask "..." --json > "$WORK_DIR/01-raw-response.json"
从 JSON 提取 answer 写入 02-raw-answer.md
WORK_DIR="$WORK_DIR" python scripts/generate_citation_table.py
WORK_DIR="$WORK_DIR" python scripts/add_article_links.py
输出：03-citation-table.md（含链接）
# 提取图片
WORK_DIR="$WORK_DIR" python scripts/extract_images.py
# 匹配并插入图片
WORK_DIR="$WORK_DIR" python scripts/match_images.py
题图识别：脚本默认过滤 position_in_article=0 的图片。如需更精确识别，用 Claude Read 工具读取图片判断视觉特征。
核查目标：
核查数量：至少 3-5 个 P0/P1 级别项目
写入 04-fact-verification.md：待核查项清单、核查结果、核查汇总、时效性评估
整合到 05-final.md：回答 + 引用对照表 + 核查意见
自动调用 material-to-markdown 生成素材文档。
tar -czvf ~/outcome.tar.gz -C ~/Downloads \
"nb-query-<topic>-<date>" \
"material-<topic>-<date>"
| 场景 | 使用哪个 Skill |
|---|---|
| 简单查询，不需要来源追溯 | 原生 notebooklm |
| 需要详尽资料 + 核查 | 本 Skill /nb-query |
| 生成播客、视频等 artifact | 原生 notebooklm |
| 为写作收集带引用的素材 | 本 Skill /nb-query |
文本表格格式存在严重解析问题（UUID 截断、中文标题跨行）。始终用 --json。
中文路径在某些工具链中可能出现编码问题，用英文/拼音。
AI 领域信息迭代极快，最容易出错的是模型版本号和产品功能描述。
NotebookLM 输出的图片描述经常与实际内容不符（张冠李戴），因为 references 结构中没有图片来源元数据。解决：禁止输出图片，改从本地存档溯源。
用 Claude 读图识别，而非硬编码"跳过前 N 行"。
# ✅ 逆序替换，不影响前面位置
for i in range(len(matches) - 1, -1, -1):
m = matches[i]
text = text[:m.start()] + replacement + text[m.end():]
| 版本 | 变更 |
|---|---|
| v1.5.0 | 本地图片溯源：禁止 NotebookLM 输出图片，改从本地存档提取 |
| v1.7.0 | 题图识别改为读图判断；添加依赖检查 |
| v1.11.0 | 图片匹配改为内容关键词策略 |
| v1.12.0 | 新增阶段 3.1，调用 article-linker 添加外部链接 |
| v2.0.0 | 重构：脚本独立到 scripts/ 目录，SKILL.md 精简 |