⏳ This skill is pending AI review.

Scores will appear once the review pipeline completes.

v1.1.0

notebooklm-course-builder

hmj1026@hmj1026⭐ 13 stars· last commit 2mo ago· 0 open issues

以條件式瀏覽器自動化或 14 階段嚮導建構 NotebookLM 課程教材。適用於:(1) 將課程大綱轉為包含來源引用、逐節講義、Quiz 與 Study Guide 的完整課程;(2) 規劃 Notebook 與研究分群、來源審核、Coverage 分析;(3) 自動操作 NotebookLM 或延續既有建置進度。

Choose how to use this skill

You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.

1. Native installer

This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.

Do not guess an installer command or replace an existing version without reviewing the diff.

2. Complete package recommended

Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.

No complete ProSkills package is published for this listing yet.

3. Prompt-only

Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.

Need only the instruction file?

Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.

No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.

—/10

// RATINGS

⭐GitHub Stars
⭐⭐ 13 on GitHubGitHub ↗

Growing

🟢ProSkills Score
—
📍

Not yet listed on ClawHub or SkillsMP

// README

NotebookLM Course Builder Skill

English | 繁體中文

skills.sh Release License: MIT

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

階段關鍵動作產出成果完成判準
Phase 1解析 Syllabus課程地圖與邊界設定確認單元依賴、目標受眾與明確不教範圍
Phase 2-3規劃筆記本與分群Notebook 名稱與 Cluster 清單大綱成為 Course Outline Source,防呆排除指令
Phase 4-5發起研究與來源審核Source Ledger 決策表逐項標記 Import / 可選 / 不要 Import 並具備理由
Phase 6-7評估知識涵蓋度Coverage Analysis 矩陣無未解釋的 Low/Missing,達到可撰寫標準
Phase 8-11逐節講義產出與審查正式單元講義 (.md)通過 Review 與 Final Check,具備 NotebookLM 原生引用
Phase 12-13模組總體驗收Quiz 題庫與 Study Guide達成 PASS + YES,消除知識斷層與跨節矛盾
Phase 14封存並推進模組成果存檔狀態表更新完成,進入下一 Module

🚀 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

// HOW IT'S BUILT

// FILES

2 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.

  • SKILL.md16 KBupstream ↗
    ---
    name: notebooklm-course-builder
    description: 以條件式瀏覽器自動化或 14 階段嚮導建構 NotebookLM 課程教材。適用於:(1) 將課程大綱轉為包含來源引用、逐節講義、Quiz 與 Study Guide 的完整課程;(2) 規劃 Notebook 與研究分群、來源審核、Coverage 分析;(3) 自動操作 NotebookLM 或延續既有建置進度。
    ---
    
    # NotebookLM Course Builder
    
    把課程大綱轉成一套有來源、可驗收、可持續推進的 NotebookLM 教材。代理負責規劃、產生短版 Prompt、判讀結果與守住品質關卡;可用的瀏覽器工具負責介面操作,使用者透過少量結構化關卡保留來源 Import 與 Module 定稿決定。
    
    ## 啟動路由
    
    除非使用者指定手動嚮導,先解析本 `SKILL.md` 所在目錄並執行其中的 `node scripts/detect-browser-tools.mjs --json`。Node 不存在、腳本失敗或輸出無法解析時 fail closed 至 guided mode:
    
    - `mode=auto`:完整讀取 [references/automation.md](references/automation.md),載入所選瀏覽器工具的技能指引,依其中的 Run 授權、動作迴圈與兩個批次關卡執行。
    - `mode=guided`:使用本檔的手動嚮導。若宿主提供結構化問題工具,讓使用者選擇安裝 `agent-browser`、安裝 `playwright-cli` 或繼續手動;否則用一個簡短問題詢問。
    - 使用者明確指定 adapter 時仍先驗證該工具;不可用時依 `agent-browser → playwright-cli → guided` 降級。
    
    當 `node.ready=false`、Node 指令不存在,或使用者要求建置自動環境時,完整讀取 [docs/browser-automation-setup.md](docs/browser-automation-setup.md),一次只引導其中一個安裝或驗證步驟。每步取得可觀測完成結果後再繼續;安裝工具前仍需使用者明確確認。
    
    瀏覽器登入、Notebook 寫入與狀態更新需要每次 Run 的一次性確認。Run 授權只涵蓋已命名的課程與 Notebook,不跨 `/resume` 或新對話沿用。
    
    ## 互動契約
    
    - Guided mode 每次只推進一個可完成的步驟;auto mode 可連續推進已通過可觀測完成判準的步驟,只在批次關卡、例外關卡或完成時回報。
    - Guided mode 的回覆只包含:目前目標、NotebookLM 精確操作位置(依左側來源/中間對話/右側工作室面板)、這一步要貼的單一短 Prompt 或單一審核表、完成判準、使用者回傳格式。完整介面與按鈕對照請參閱 [references/notebooklm-ui-guide.md](references/notebooklm-ui-guide.md)。
    - 已有足夠資訊時直接產生當前步驟;只有會改變課程結構、來源取捨或教材邊界的缺失才詢問。
    - Auto mode 由代理讀取頁面結果與擷取必要截圖;使用者只處理 Run 啟動、來源匯入、Module 定稿與例外關卡。Guided mode 才要求使用者貼回結果。
    - 介面名稱或位置以使用者實際畫面為準。看不清狀態時請使用者提供目前畫面;依使用者實際可見的按鈕操作。
    - 使用者若只回覆「完成」「下一步」或一張截圖,先依目前狀態判斷結果,不重新開始流程。
    - 預設以繁體中文協作;依使用者要求切換教材語言。技術術語第一次出現時可保留英文。
    
    ## 不可混淆的 NotebookLM 物件
    
    始終區分三種物件:
    
    1. **Course Outline Source**:大綱本身,透過新增來源或貼上文字加入 Notebook,會成為 Source。
    2. **Research Prompt**:輸入快速研究搜尋區以探勘候選來源,僅於搜尋視窗流轉,與 Notebook Sources 保持嚴格隔離。
    3. **Candidate Source**:研究結果中的候選文件;經逐項審核與使用者確認後才 Import,Import 後才成為 Notebook Source。
    
    若研究 Prompt 被誤存為 Source,先請使用者移除該錯誤 Source,再繼續;維持既有大綱與已核准來源不變。
    
    ## 建置狀態
    
    開始時建立並持續更新下列狀態;工作區可寫入時可複製 [templates/build-state.md](templates/build-state.md),否則在對話內維持精簡版本。各階段查核細項請參閱 [references/checklist.md](references/checklist.md)。
    
    - 課程名稱、受眾、先備知識、教材語言、範圍邊界
    - Module 與單元清單、單元依賴、預期能力
    - Notebook 規劃、Research Cluster 與狀態
    - Source Ledger:候選、決策、理由、支援主題、重複情況
    - 各單元 Coverage、缺口與是否接受缺口
    - 各講義版本、Review 結果、Final Check 結果
    - Module 驗收、Quiz、Study Guide 與目前下一步
    
    每次只顯示和當前決策相關的狀態,維持上下文簡潔。
    
    ## 工作流程與關卡
    
    ### 1. 解析課程大綱
    
    支援三種輸入模式,降低課綱整理阻力:
    1. **範本模式**:使用者複製 [templates/course-outline-template.md](templates/course-outline-template.md) 填妥直接貼入。
    2. **雜湊文字吸納模式**:使用者直接丟入零散筆記、簡報大綱或粗略要點,代理自動結構化為標準單元。
    3. **3 題快速訪談模式**:使用者若只有主題名稱,代理發動 3 題快速提問(受眾先備知識、預期終點能力、明確不教的邊界),自動生成初始課綱。
    
    收到後解析:
    - Module、單元、順序與明示/推定的依賴
    - 每個單元的核心問題、學習成果、實作或案例
    - 受眾、先備知識、課程深度與不應提前教授的內容
    - 名稱不一致、重疊、斷層與需要確認的歧義
    
    輸出精簡的「課程地圖」、Mermaid 單元依賴拓撲圖與必要假設。Auto mode 將其納入 Run 啟動確認;guided mode 直接請使用者確認。待結構獲確認後再啟動來源研究。
    
    **完成判準:** Module/單元結構、受眾與課程邊界獲使用者確認。
    
    ### 2. 規劃 Notebook 與 Source Research Cluster
    
    預設每個 Module 建立一本 Notebook。若 Module 很小且高度共享來源,可合併;若單一 Module 過大或來源領域明顯分裂,可拆分。說明偏離預設的理由。
    
    將單元依共同知識、共同權威來源與教學依賴分成 Research Cluster。Cluster 以知識主題為單位,不以「每節各搜一次」為預設;每群通常涵蓋數個相近單元,但複雜或獨立主題可單獨成群。
    
    輸出當前 Module 的 Notebook 名稱、包含單元、Cluster、每群研究目標與停止條件。Auto mode 將其納入同一次 Run 啟動確認;guided mode 直接請使用者確認。
    
    **完成判準:** 當前 Module 的 Notebook 與 Cluster 設計獲確認。
    
    ### 3. 指引建立 Notebook 與大綱 Source
    
    建立/開啟 Notebook,再至左側「來源 (Sources)」面板 ➔ 點擊「+ 新增來源 (+ Add sources)」 ➔ 選擇「複製的文字 (Copied text)」貼上當前 Module 大綱並點擊「插入 (Insert)」,確認大綱成為 Course Outline Source。Auto mode 由代理操作並驗證;guided mode 一次只給使用者一個介面動作,再請其回報來源清單或截圖。
    
    **完成判準:** 左側來源清單中只有正確大綱與既有核准來源;研究指令沒有被誤存成 Source。
    
    ### 4. 產生 Fast Research Prompt
    
    進入來源研究時,完整讀取 [references/research-and-sources.md](references/research-and-sources.md),依其中規則只為目前一個 Cluster 產生短版 Prompt。Prompt 應描述主題、必要知識、來源偏好、排除項與教材目的,不重貼整份大綱。
    
    至左側「來源」面板 ➔ 點擊「+ 新增來源」 ➔ 選擇「快速研究 (Fast Research)」標籤頁,將 Prompt 貼入搜尋框按 Enter。研究完成後展開候選清單供逐項評估,保留未匯入狀態。
    
    **結果擷取:** Auto mode 直接從 snapshot 讀取候選,視覺資訊不足時由代理擷取暫存截圖。Guided mode 才請使用者截取候選清單貼回,無需手動複製標題與網址。
    
    **完成判準:** Auto mode 已擷取完整候選資料;guided mode 已收到候選清單文字或完整畫面截圖。
    
    ### 5. 互動式審核候選來源
    
    依 [references/research-and-sources.md](references/research-and-sources.md) 對每個候選逐項標記:
    
    - `Import`:核心、權威、直接支援且非不必要重複。
    - `可選`:品質尚可,但屬補充案例、第二觀點或與核心來源部分重複。
    - `不要 Import`:錯題、低品質、過時、內容農場、產品線混淆、深度不合或重複價值低。
    
    每項必須寫一個具體理由與支援的單元/知識點。來源看似權威不等於切題;官方文件若產品或主題不符,也可列為不要 Import。若畫面只顯示部分候選,先完成可見項目的暫評;auto mode 嘗試展開清單,仍不完整便進入例外關卡,guided mode 則請使用者補齊畫面。候選未完整前不建議按全選。
    
    **極簡勾選碼:** 審核表最後必須附上一句快速操作指令,例如:`請在候選視窗中:勾選 [1, 2],忽略 [3, 4],點擊匯入`。
    
    Auto mode 進入 Source Import Gate,核准後由代理勾選並點擊右下角「匯入 (Import)」;guided mode 指引使用者依審核表操作。更新 Source Ledger 後才開始下一 Cluster。
    
    **完成判準:** 該 Cluster 每個候選皆有決策,且核准來源已 Import 加入左側面板。
    
    ### 6. Coverage Analysis
    
    所有初始 Cluster 完成後,在中間「對話 (Chat)」面板底部的對話輸入框貼入短版 Coverage Prompt。Coverage 必須逐單元評為 `High`、`Medium`、`Low` 或 `Missing`,列出已有核心知識、真正缺口與是否需要補來源。
    
    關鍵字出現在來源中不等於有足夠 Coverage。以「能否寫出符合課程深度、技術正確且有引用的講義」判斷。
    
    **完成判準:** 每個單元都有 Coverage 與可執行的缺口判斷。
    
    ### 7. 補足 Low/Medium 缺口
    
    - `High`:停止為該單元搜尋。
    - `Medium`:只補影響核心學習成果的缺口;案例、進階規模化或明確屬後續 Module 的缺口可接受並記錄理由。
    - `Low`/`Missing`:針對一個明確缺口建立一輪補充 Fast Research。
    
    每輪只攻一個缺口,審核候選後重跑 Coverage。相同缺口最多連續補兩輪;仍不足時,縮小該單元承諾、換用使用者提供的來源,或明確回報阻塞,不以大量低品質來源堆高表面 Coverage。
    
    **完成判準:** 所有單元為 High,或 Medium 缺口已明確判定不影響當前課程目標。
    
    ### 8. 逐節建立講義 Draft
    
    進入講義階段時,完整讀取 [references/lesson-production.md](references/lesson-production.md)。一次只處理一節,依課程順序產生短版 Draft Prompt:只保留本節目標、必要結構、承接/邊界、必備案例或心智模型、語言與引用要求。
    
    在中間「對話 (Chat)」面板底部的對話輸入框貼入 Draft Prompt 並發送。Sources 已承擔知識內容,Prompt 不重述完整教材。若 Prompt 仍太長,優先刪除說明性文字;必要時拆成「先列結構」與「依已確認結構生成」兩則。
    
    **免全文搬運機制:** 講義全文直接留存於 NotebookLM 中。Auto mode 由代理讀取並判斷生成結果;guided mode 的使用者**無需複製全文貼回終端機**,只需回報「已生成」或大綱章節。
    
    **完成判準:** NotebookLM 已生成完整 v1;auto mode 已由 snapshot 驗證,guided mode 已收到使用者確認。
    
    ### 9. 教材 Review
    
    **同串內審雙閉環:** 代理產生針對本節風險的 Review Prompt,不重寫講義。在中間「對話 (Chat)」面板(**延續同一個對話串**)底部的對話輸入框直接貼入 Review Prompt,讓 NotebookLM 自檢。
    
    檢查技術正確性、來源支援、教學順序、範圍邊界、與前後節重複/斷層,以及學習者能否建立預定心智模型。
    
    Review 只允許:`PASS`、`Needs Minor Revision`、`Needs Major Revision`,並要求只列具體可執行項目;文風偏好不構成修改理由。Auto mode 由代理直接讀取判定與問題清單;guided mode 的使用者只需貼回這兩項,不搬運講義全文。
    
    **完成判準:** 收到 Review 判定(PASS 或具體問題清單)。
    
    ### 10. Minor Revision v2
    
    - `PASS`:保留 v1,避免無謂重寫。
    - `Needs Minor Revision`:用 Review 的具體清單產生 v2;只修改列出的問題,保留正確內容與原結構,不擴張範圍。
    - `Needs Major Revision`:先回到 Draft 規格或補強來源缺口,重新定位後再產出合規版本。
    
    **完成判準:** v2 解決審查清單中所有阻塞項並維持原結構,或原 v1 直接判定 PASS。
    
    ### 11. Final Check
    
    Final Check 只驗證上一輪修正、是否引入新錯誤、主要主張是否有來源支援、是否符合受眾與單元邊界。在中間「對話」面板底部的對話輸入框發送 Final Check 指令。只輸出 `PASS` 或 `FAIL`;FAIL 只列阻止定稿的問題。
    
    PASS 後停止修改,並在該則講義回答氣泡下方點擊「儲存至記事 (Save to note)」(便條紙圖示),將講義保存至右側「工作室 (Studio)」面板的記事區。Auto mode 由代理完成並驗證;guided mode 指引使用者操作。FAIL 時聚焦於阻礙定稿的關鍵問題進行最小修正,再重跑 Final Check。
    
    **完成判準:** 本節 PASS、已點擊「儲存至記事」,且狀態表記錄正式版本。
    
    ### 12. Module 整體驗收
    
    所有單元定稿後,完整讀取 [references/module-completion.md](references/module-completion.md),在中間「對話」面板底部的對話輸入框發送 Module Review Prompt。驗收整個 Module 的順序、知識斷層、明顯重複、術語首次介紹、技術矛盾、跨節心智模型、範圍與來源支援。
    
    只在影響學習或技術正確性時要求修改。結果使用 `PASS / Needs Revision` 與 `是否可進入下一 Module:YES / NO`。
    
    **完成判準:** `PASS + YES`;否則只修正阻止通過的單元,再重跑 Module 驗收。
    
    ### 13. Quiz 與 Study Guide
    
    Module 通過後建立 Quiz 與 Study Guide:
    - 方式 A(快捷工具):在右側「工作室 (Studio)」面板點擊「測驗 (Quiz)」或「學習指南 (Study Guide)」卡片自動生成。
    - 方式 B(專屬 Prompt):在中間「對話」面板底部的對話輸入框貼入 Prompt,生成後點擊回答氣泡下方的「儲存至記事 (Save to note)」保存。
    
    Quiz 以理解、資料流、比較、除錯或情境應用為主;Study Guide 應整合能力、關鍵心智模型、常見誤解、單元連結與複習順序,不只是章節摘要。
    
    **完成判準:** Quiz 與 Study Guide 已建立並與 Module 學習成果對齊。
    
    ### 14. 下一 Module
    
    封存目前 Module:列出已完成單元、核准來源、接受的 Coverage 限制、正式版本、Module Review、Quiz 與 Study Guide。若仍有下一 Module,先建立其 Notebook/Cluster 規劃。Auto mode 將該規劃納入當前 Module Finalization Gate;guided mode 顯示規劃並請使用者確認,再回到步驟 3。
    
    整門課完成時,直接輸出課程層級的完成清單與仍存在的明示限制。
    
    **完成判準:** 當前 Module 完整封存至狀態表,下一 Module 規劃獲確認(或全課完成清單已輸出)。
    
    ## Prompt 與來源的共同規則
    
    - Prompt 預設為可直接貼入 NotebookLM 的短版;一次一個任務、一個輸出格式、一組關鍵邊界。
    - 生成內容只使用目前 Notebook 已 Import 的 Sources,保留 NotebookLM 原生引用,嚴格錨定既有來源。
    - 來源優先順序:適切的官方文件/標準/原始研究,其次大學、政府、同儕審查與公認權威,再其次高品質二手解說。實作案例不能取代理論或技術主張的核心來源。
    - 快速變動的產品、API 與平台行為重視新鮮度;經典基礎概念可保留舊但具代表性的原始文獻。
    - 以最小充分來源集為目標。新來源必須填補缺口、提供更高權威,或帶來有教學價值的不同觀點。
    - 以核心學習目標與權威證據為依據判定研究完成度。
    - 每節清楚承接已學內容並標示後續 Module 邊界,避免重複教授或過早深入。
    
    ## Guided mode 回覆格式
    
    除來源審核表外,當前步驟使用這個精簡骨架,明確標註進度儀表板與三大面板位置:
  • README.mdupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

Plain-text copy, no login: /skill-bundles/hmj1026-notebooklm-course-builder.md

// REPO STATS

13 stars
0 open issues
Last commit: 2mo ago