最近有人分享了一种玩法：让 Claude Code 通过 MCP 调用 Google NotebookLM。

以前让 Claude Code 直接读取一份 200 页 PDF，或者整个研究资料文件夹，大量内容都要进入上下文，Token 消耗自然不低。

接上 NotebookLM 后，可以把资料先交给它处理。

Claude Code 只需要发起查询：
→ NotebookLM 检索你的资料
→ 找到相关内容
→ 返回需要的信息
→ Claude Code 再继续完成任务

这样做的好处是，不需要把整份文档塞进 Claude Code 的 Context。

尤其适合：
📚 技术文档
📄 超长 PDF
🔬 论文和研究资料
📁 一整个项目的资料库

另外，NotebookLM 的回答会基于你上传到 Notebook 的资料，相比直接让模型凭记忆回答，更容易保持在原始材料范围内。

作者给出的玩法也很简单：
1️⃣ 在 Claude Code 中安装 NotebookLM MCP
2️⃣ 执行 "nlm login" 完成 Google 账号授权
3️⃣ 之后直接让 Claude Code 查询指定 Notebook

甚至可以进一步让 Claude Code 调用 NotebookLM 整理资料、生成内容，再把结果带回本地工作流。

不过有一点要注意：“零 Token”“100% 不幻觉”这种说法不要当真。

Claude Code 自己的查询和最终回答依然会消耗 Token，而且 NotebookLM 返回的内容也不能保证绝对正确。

但这个思路确实值得关注：
长文档不一定非要全部塞进 Agent 的上下文。

让专门的知识库负责“找资料”，让 Coding Agent 负责“理解和执行”，可能才是更合理的 Agent 工作流。

#howto入门codex #ai #AI工具 #大模型 #榨干设备howto #人工智能 #howto用好AI #claude #NotebookLM #AI学习