企业官网建设流程全解析

qiaomu-anything-to-notebooklm代码改造教程：定制问题模板适配你的行业场景

【免费下载链接】anything-to-notebooklmClaude Skill: Multi-source content processor for NotebookLM. Supports WeChat articles, web pages, YouTube, PDF, Markdown, search queries → Podcast/PPT/MindMap/Quiz etc.项目地址: https://gitcode.com/GitHub_Trending/an/qiaomu-anything-to-notebooklm

qiaomu-anything-to-notebooklm是一个把多源内容（微信文章、网页、YouTube、PDF、播客等）自动上传到NotebookLM，并一键生成播客、PPT、思维导图、Quiz 的 Claude Skill 工具。它的「深度分析模式」会自动生成 10 个深度问题并逐一提问，但默认问题模板偏通用——本教程教你花 10 分钟改造问题模板，让分析结果精准适配金融、教育、医疗等你的行业场景。

一、为什么需要定制问题模板？

🎯深度分析模式是这个项目最实用的功能之一：

1. 把内容上传到 NotebookLM
2. 自动生成10 个深度问题（5 个通用 + 5 个按内容类型）
3. 逐一向 AI 提问并收集答案
4. 输出结构化 JSON（可自动写入飞书文档）

但默认模板问的是"核心观点、金句、论证逻辑"这类通用问题。如果你是：

• 📈金融行业：更想问"文中提到的风险因素有哪些？对当前市场判断是否成立？"
• 🎓教育行业：更想问"有哪些可直接用于课堂的知识点和案例？"
• 🏥医疗行业：更想问"文中数据是否有临床依据？适用哪些人群？"

通用模板给出的答案就"隔靴搔痒"了。好消息是：问题模板全部集中在一个函数里，改造门槛极低。

二、改造前：3 个文件先认识一下

只需改 main.py 一个文件即可，其他文件保持原样。

三、第一步：获取代码并准备环境

如果还没安装，先克隆仓库到本地（或 Claude skills 目录）：

git clone https://gitcode.com/GitHub_Trending/an/qiaomu-anything-to-notebooklm cd qiaomu-anything-to-notebooklm

然后一键安装依赖，并做一次环境检查：

./install.sh # 一键安装所有依赖 ./check_env.py # 13 项环境检查，确认 notebooklm CLI 已认证

💡 首次使用需运行notebooklm login完成一次认证，详见 README.md 的"快速开始"章节。

四、第二步：定位问题模板（核心位置）

打开 main.py，找到generate_questions()函数（约 第 99-140 行），它决定了深度分析要问什么：

• 通用基础问题base_questions：5 个，适用于所有内容（核心主题、3 个最重要观点、作者要解决的问题、金句、论证逻辑）
• 按内容类型的专属问题specific_questions：5 个，分三个分支——
  • 📚epub/document（书籍、文档类）：适合读者、实践建议、局限性等
  • 🎬youtube（视频类）：目标受众、关键数据、叙事结构等
  • 🌐 其他（文章 / 网页类）：写作目的、数据支撑、作者立场等

最终返回base_questions + specific_questions共10 个问题，交给deep_analysis()函数（main.py）逐一提问。

改造原则：保留{title}占位符（它会被替换成内容的真实标题），只替换问题文案。

五、第三步：替换成你的行业问题模板

以 main.py 中"文章/网页类"分支为例，把默认 5 问换成金融行业版本：

specific_questions = [ f"文中提到了哪些影响行业格局的关键变量？", f"作者引用的数据是否具备可信度？来源是什么？", f"文中的观点对金融从业者有哪些实操参考？", f"文中是否存在明显的风险被低估的情况？", f"如果要向团队转发，最核心的一句结论是什么？", ]

三个分支都可以按同样方式改写。📌改完保存即可，无需任何其他配置。

各行业快速改造清单

🔁 提示：base_questions也可以改。比如自媒体场景可把"金句"问题升级为"列出 5 条适合做短视频开头钩子的句子"。

六、第四步：运行验证改造效果

随便找一本本地 EPUB 或一个网页链接跑一次深度分析：

python main.py /path/to/你的文件.epub --deep-analysis

程序会自动完成：上传 → 生成 10 个你定制的问题→ 递归提问 → 输出结果 JSON（保存在/tmp/{标题}_analysis.json）。

如果想让分析结果自动沉淀为飞书文档，加上--to-feishu参数即可（见 SKILL.md 的"深度分析 + 飞书文档"章节）。

七、改造注意事项（避坑指南）

⚠️4 个容易踩的坑：

1. 保留{title}占位符——用 f-string 格式写成f"《{title}》……"，否则标题会被当成普通字符
2. 问题总数别超 10-12 个——每问之间有 1 秒间隔，且 NotebookLM 有并发限制，问题太多耗时成倍增长
3. 问题要具体、可验证——"文中有哪些数据"比"评价一下质量"更容易得到高质量回答
4. 改完先跑短内容测试——用 1000-5000 字的文章验证 10 个问题全部生效，再处理长篇内容

八、相关文件速查

• 问题模板函数：generate_questions()
• 深度分析流程：deep_analysis()
• 输入类型识别（决定走哪个问题分支）：detect_input_type()
• 意图与命令映射表：SKILL.md
• 安装脚本：install.sh ｜ 环境检查：check_env.py
• 播客转写脚本（可选功能）：scripts/get_podcast_transcript.py
• 付费墙抓取脚本：scripts/fetch_url.sh

🎉总结：qiaomu-anything-to-notebooklm 的问题模板高度集中，只需编辑 main.py 里的 3 组问题文案，就能把通用的"读书笔记式"分析，改造成贴合你行业的专业深度解读。改造 10 分钟，长期收益是每次深度分析都直击你的工作痛点。

【免费下载链接】anything-to-notebooklmClaude Skill: Multi-source content processor for NotebookLM. Supports WeChat articles, web pages, YouTube, PDF, Markdown, search queries → Podcast/PPT/MindMap/Quiz etc.项目地址: https://gitcode.com/GitHub_Trending/an/qiaomu-anything-to-notebooklm