notebooklm-course-builder

NotebookLM Course Builder Skill

English | 繁體中文

一個將課程大綱轉化為系統化、具權威來源引用的完整 NotebookLM 課程建置 AI Agent 技能。

---

📋 概述

NotebookLM Course Builder Skill 是一套專為 AI 程式助手（如 Google Antigravity、Claude Code、Cursor 等）設計的專業建課技能。它以條件式瀏覽器自動化執行嚴謹的 14 階段流程；工具不可用時仍可使用逐步嚮導，將粗略課綱轉化為具備權威來源、審查證據、測驗與複習指南的教材。

核心哲學

• 自動優先、嚮導保底：代理可操作 NotebookLM、讀取結果並更新進度；只有 Run 啟動、來源匯入與 Module 定稿需要集中確認。
• 嚴格區隔三大物件：徹底杜絕將「研究提示詞 (Research Prompt)」誤存為筆記本來源（Source）的常見錯誤。
• 最小充分來源集 (Minimal Sufficient Source Set)：堅持品質勝於數量，逐項審核切題性與權威度，拒絕 SEO 農場文與過時資訊。
• 雙重品質把關機制：單課進行 3 級 Review (PASS / Minor / Major) 與 Final Check；全模組完成後進行跨單元整合驗收。

新手初次上手？ 請直接閱讀 完整新手教學，從安裝 Node.js、自動模式驗證到完成第一堂課逐步操作。

---

🎯 適用情境

• 想要利用 Google NotebookLM 製作高品質技術或專業課程
• 手邊已有初步大綱，需要轉化為具備官方權威引用、架構完整的逐節講義
• 希望防止 AI 幻覺，確保教材內容 100% 有文獻與原始規格支撐
• 需管理跨多個 Module、多本 Notebook 的大型系列課程
• 為團隊或學員製作附帶情境測驗（Quiz）與學習心智模型指南（Study Guide）的自學體系

---

📁 專案架構

notebooklm-course-builder/
├── SKILL.md                          # 技能主檔案（14 階段嚮導方法論與互動契約）
├── README.md                         # 專案說明文件（繁體中文）
├── README.en.md                      # 專案說明文件（English）
├── package.json                      # Node 測試與 coverage 指令
├── LICENSE                           # MIT 授權條款
├── .gitignore                        # Git 忽略設定
├── agents/                           # 跨平台代理擴充設定
│   └── openai.yaml                   # OpenAI Codex / Agent Skills 規格設定檔
├── docs/                             # 詳細手冊與教學
│   ├── browser-automation-setup.md   # Node.js 與自動模式環境建置
│   ├── browser-automation-setup.en.md # Auto mode setup in English
│   └── first-course-tutorial.md      # 從零到一建立第一堂課的手把手教學
├── references/                       # 深入指引與參考文件（漸進式載入）
│   ├── checklist.md                  # 14 階段建課查核清單與防呆守則
│   ├── automation.md                 # 瀏覽器自動化、批次關卡與降級規則
│   ├── notebooklm-ui-guide.md        # NotebookLM 三大面板、按鈕名稱與輸入位置對照手冊
│   ├── research-and-sources.md       # 來源研究、審核矩陣與 Coverage 評估指南
│   ├── lesson-production.md          # 逐節講義生成、審查與修訂規範
│   └── module-completion.md          # Module 整體驗收、Quiz 與 Study Guide 規範
├── templates/                        # 格式範本
│   ├── build-state.md                # 建課狀態追蹤表（核心進度追蹤）
│   └── course-outline-template.md    # 課程大綱輸入範本
├── scripts/                          # 自動化輔助工具
│   ├── README.md                     # 腳本說明
│   ├── detect-browser-tools.mjs       # 偵測並選擇瀏覽器 adapter
│   ├── init-course.sh                # 快速初始化新課程工作區
│   └── validate-state.sh             # 狀態表完整性與關卡驗證腳本
├── examples/                         # 完整實戰案例
│   ├── README.md                     # 範例導覽
│   └── python-async-course/          # Python 非同步程式設計建課範例
│       ├── syllabus.md               # 原始大綱
│       ├── build-state.md            # 建課歷程狀態表
│       └── prompts-and-review.md     # 實際對話提示詞與審核歷程
└── test/                             # 瀏覽器工具偵測測試

---

🔄 14 階段工作流程

flowchart TD
    A[Phase 1: 解析課程大綱] --> B[Phase 2: 規劃 Notebook 與 Cluster]
    B --> C[Phase 3: 建立 Notebook 與 Outline Source]
    C --> D[Phase 4: 產生 Fast Research Prompt]
    D --> E[Phase 5: 互動式審核候選來源]
    E --> F[Phase 6: Coverage Analysis 涵蓋度分析]
    F --> G{涵蓋度是否達標？}
    G -->|有 Low/Missing 缺口| H[Phase 7: 針對缺口補強研究]
    H --> E
    G -->|High 或可接受缺口| I[Phase 8: 產生講義 Draft]
    I --> J[Phase 9: 教材 Review 評估]
    J --> K{審查結果}
    K -->|Needs Major Revision| I
    K -->|Needs Minor Revision| L[Phase 10: Minor Revision v2 修正]
    L --> M[Phase 11: Final Check 終審]
    K -->|PASS| M
    M -->|FAIL| L
    M -->|PASS| N{該 Module 單元皆完成？}
    N -->|否，下一單元| I
    N -->|是| O[Phase 12: Module 整體驗收]
    O --> P[Phase 13: 產出 Quiz 與 Study Guide]
    P --> Q{全課程完成？}
    Q -->|否，下一 Module| B
    Q -->|是| R[課程建置完畢]

---

📑 關鍵關卡與判準

---

🚀 快速開始

前置條件：一鍵安裝需要 Node.js／npm；auto mode 與專案測試以 Node.js 22.8.0 以上版本為基準。尚未建置環境時，先閱讀 完整新手教學。

0. 安裝技能（二選一）

• 🌟 方式 A（最推薦 - skills.sh 一鍵安裝）：

  npx skills add hmj1026/notebooklm-course-builder
  

• 🤖 方式 B（AI 幫你裝 - 直接複製貼給你的 AI 助手）：

  「請幫我安裝 https://github.com/hmj1026/notebooklm-course-builder 技能至目前環境（Claude Code / Claude Cowork / ChatGPT App / Antigravity / Cursor）的技能目錄中並確認就緒。」

1. 準備課程大綱

複製 templates/course-outline-template.md，填寫您的課程資訊：

- 課程名稱：[您的課程名稱]
- 目標受眾：[目標學習者與先備知識]
- 課程深度：[入門 / 中階實戰 / 進階]
- 核心心智模型：[全課程最關鍵的核心理解比喻]
- 明確不涵蓋範圍：[邊界限制]
- 單元規劃：Module 與 Unit 清單

2. 使用輔助腳本初始化（可選）

在這個 repository 根目錄使用 Bash 快速建立課程工作區；Windows 請使用 Git Bash 或 WSL：

# 初始化新課程目錄
./scripts/init-course.sh my-course

# 編輯 course-outline.md
vim courses/my-course/course-outline.md

3. 啟用瀏覽器自動化（選用）

需要 Node.js 22.8.0 以上版本，並安裝一套 browser adapter。首選快速安裝：

npx skills add vercel-labs/agent-browser
npm install -g agent-browser
agent-browser install
agent-browser --version
agent-browser doctor --offline --quick --json

版本指令與 doctor 都通過後，讓 AI 助手執行技能內建完整 preflight。完整提示詞、Node.js 安裝、playwright-cli 備援與 PATH 排錯請閱讀 自動模式備援安裝與排錯。

4. 向 AI 助手下達指令

將大綱貼給 AI 助手（例如在 Antigravity、Claude Code 或 Cursor 中）：

請使用 notebooklm-course-builder 技能，根據以下課程大綱協助我建立完整課程：

[貼上您的課程大綱內容]

AI 助手會重新執行完整 preflight。自動模式可用時，它會先確認 Run 範圍，接著操作 NotebookLM；否則讓你選擇排錯或從 Phase 1 啟動 guided mode。

---

🛠️ 輔助工具腳本

本專案提供命令列輔助工具，詳見 scripts/README.md：

• ./scripts/init-course.sh <name>：建立 courses/<name>/ 並放置初始 build-state.md 與 course-outline.md。
• ./scripts/validate-state.sh <path>：解析並檢查狀態表，提早發現未解的來源缺口或待審查單元。
• node scripts/detect-browser-tools.mjs [--json]：偵測 agent-browser／playwright-cli 並輸出 auto 或 guided 選路結果。

---

📖 核心規範與防呆機制

1. 不可混淆的三大 NotebookLM 物件

1. Course Outline Source：大綱本身，加入 Notebook 作為常駐知識背景來源。
2. Research Prompt：輸入快速研究搜尋框的提示詞，絕對不要加入成 Source。
3. Candidate Source：搜尋到的候選網頁／文獻，經三級審查核准後才可 Import。

2. 來源三級審核標準

依據「切題性、權威性、證據直接性、新鮮度、教學適配、獨特價值、邊界風險」七大維度判斷：

• Import：直接支援核心知識點、具備官方/權威背書且非重複。
• 可選：補充案例或白話教學觀點，視需要納入。
• 不要 Import：SEO 農場文、過時語法、主題偏離、產品線混淆或過度繁雜。

3. 講義品質客觀審查

Review 僅允許三種客觀判定：

• PASS：無技術錯誤或嚴重缺陷，直接定稿。
• Needs Minor Revision：列出具體、可執行的修正清單，產生 v2。
• Needs Major Revision：存在結構性問題或來源嚴重不足，退回補強來源。

嚴格禁止因個人文風、措辭偏好或排版要求推翻講義。

---

🎓 使用最佳實踐

1. 堅持步驟推進：遵循嚮導模式逐步確認，守住每階段的上下文與來源品質。
2. 謹慎看待來源數量：追求「最小充分來源集」，5 篇切題且權威的來源，遠勝過 30 篇品質參差不齊的網路文章。
3. 集中式確認：auto mode 由代理擷取候選與生成結果；使用者留在代理對話中，以結構化問題完成來源與 Module 的批次確認。
4. 狀態表持久化：持續維護 build-state.md，支援隨時以 /resume 無縫接軌建課進度。

---

🔧 技能設計原則

本專案嚴格遵循開放標準 Agent Skill 架構規範（原生相容於 Anthropic Claude Code、Google Antigravity 與 OpenAI Codex / skills.sh 體系）：

• ✅ 跨平台標準規範：具備 SKILL.md（通用標準）與 agents/openai.yaml（Op