🎯 О чём этот конспект: Пошаговое руководство по созданию автоматизированного конвейера (pipeline), который извлекает видео из плейлистов YouTube, собирает тысячи комментариев, категоризирует их и загружает в Google NotebookLM. Процесс полностью управляется через Claude Code с использованием MCP-серверов.

👤 Кому будет полезно: Вайбкодерам, исследователям рынка, студентам и контент-мейкерам, которые хотят превратить «кладбище» сохраненных видео в структурированную базу знаний без ручного копипаста.

✨ Что получите: Готовый навык (Skill) для Claude Code, который по одной ссылке на плейлист создает тематические блокноты, выкачивает тысячи отзывов (до 27 000+) и генерирует аудиоподкасты или презентации по собранным данным.

1. Подготовка окружения и инструментов

Контекст: Для работы не нужны сложные облачные серверы или навыки программирования на Python. Всё запускается локально через терминал с помощью Claude Code — CLI-агента от Anthropic. Ключевым звеном являются библиотека для работы с медиа и протокол MCP (Model Context Protocol), который позволяет AI напрямую управлять внешними сервисами вроде NotebookLM.

Выгода: Экономия времени на установке софта и ручном создании блокнотов. Настройка занимает менее 5 минут.

Как применить:

• Шаг 1: Запуск Claude Code — Откройте пустую папку проекта в терминале и запустите агента командой claude.
• Шаг 2: Установка yt-dlp — Это мощная библиотека для извлечения данных с YouTube. Дайте команду Claude Code:

    Установи библиотеку yt-dlp: https://github.com/yt-dlp/yt-dlp

• Шаг 3: Подключение NotebookLM через MCP — Чтобы Claude мог создавать блокноты и загружать файлы в ваш Google Account, установите соответствующий сервер:

    Установи MCP-сервер для NotebookLM: [ссылка на репозиторий mcp-notebooklm]

Результат: Claude Code готов видеть ваши блокноты и скачивать любые данные с YouTube.

2. Автоматическая категоризация и загрузка данных

Контекст: Обычный импорт в NotebookLM ограничен. Claude Code может анализировать содержание видео еще до загрузки, определять тематику (например, «AI», «Гаджеты», «Авто») и раскладывать их по разным блокнотам. Также он обходит ограничения на количество символов, разбивая огромные массивы комментариев на части.

Выгода: Получение структурированной базы знаний, где отзывы реальных пользователей (до 28 000 штук) привязаны к конкретным видео.

Как применить:

• Шаг 1: Запрос на обработку плейлиста — Используйте промпт:

    С помощью библиотеки yt-dlp и MCP сервера NotebookLM сделай следующее: 
    сходи по ссылке на плейлист [ВАША_ССЫЛКА], забери оттуда видео, 
    посмотри к какой категории они относятся. В NotebookLM создай 
    отдельный блокнот для каждой категории и загрузи туда видео.

• Шаг 2: Сбор «золотых» комментариев — После загрузки видео попросите собрать фидбек:

    Собери абсолютно все комментарии под этими видео без лимитов. 
    Загрузи их в соответствующие блокноты как текстовые источники. 
    Если файл слишком большой, разбей его на части, чтобы NotebookLM принял их.

Результат: В NotebookLM автоматически созданы тематические блокноты с видео и полным архивом пользовательских мнений.

3. Генерация инсайтов: Презентации и Аудиоподкасты

Контекст: NotebookLM умеет создавать Deep Dive Audio (диалоги экспертов) и структурированные документы. Claude Code выступает в роли оператора: он дает команду на генерацию, дожидается завершения и скачивает готовый результат (артефакт) прямо в вашу папку на компьютере.

Выгода: Возможность «прослушать» содержание 27 000 комментариев в виде 10-минутного подкаста по дороге на работу.

Как применить:

• Шаг 1: Команда на создание контента — Попросите Claude запустить процесс:

    На основании загруженных комментариев создай в NotebookLM аудиопересказ (Deep Dive Audio) 
    о главных болях пользователей. Также сделай краткую презентацию по ключевым тезисам видео.

• Шаг 2: Скачивание файлов — Claude сам проверит готовность и сохранит файлы:

    Проверь готовность артефактов, скачай аудио и презентацию в папку проекта.

Результат: У вас на диске лежат готовые MP3 и PDF/PPTX файлы с выжимкой из сотен часов видеоконтента.

4. Создание многоразового навыка (Skill)

Контекст: Чтобы не вводить промпты каждый раз, в Claude Code можно создать «Скилл» — упакованный алгоритм действий. Это превращает сложный процесс в одну команду. Скиллы динамичны: их можно дообучать и корректировать в процессе эксплуатации.

Выгода: Полная автоматизация рутины. Весь пайплайн запускается одной короткой командой.

Как применить:

• Шаг 1: Создание скилла — Отправьте Claude итоговый промпт:

    На основании всей проделанной работы создай Skill под названием "yt-to-notebook". 
    Логика: запрашиваешь ссылку на YouTube -> извлекаешь данные -> категоризируешь -> 
    создаешь блокноты -> собираешь все комментарии -> в конце спрашиваешь пользователя, 
    нужен ли аудиоподкаст или презентация.

• Шаг 2: Использование — Теперь для запуска процесса просто введите в терминале:

    /yt-to-notebook

Результат: Индивидуальный AI-агент, заточенный под ваши задачи по обработке контента.

FAQ

В: Сколько комментариев максимально может обработать эта связка?

О: В примере было обработано более 27 500 комментариев к одному видео. Claude Code автоматически разбивает их на части (например, по 7-8 Мб), чтобы обойти лимиты NotebookLM на размер одного текстового источника.

В: Нужно ли платить за использование этих инструментов?

О: Вам понадобится подписка на Claude (для использования Claude Code) и доступ к Google NotebookLM (на данный момент бесплатен). Библиотека yt-dlp и MCP-серверы являются бесплатными инструментами с открытым кодом.

В: Можно ли обрабатывать видео не только с YouTube?

О: Да, библиотека yt-dlp поддерживает сотни сайтов, включая TikTok, Instagram, Vimeo и другие. Вы можете адаптировать промпт для сбора данных с любой из этих площадок.

В: Безопасно ли давать Claude Code доступ к моему Google-аккаунту?

О: Claude Code работает локально, а доступ к NotebookLM осуществляется через MCP-сервер, который использует ваши локальные учетные данные. Вы полностью контролируете процесс и видите каждую команду, которую выполняет агент.

В: Что делать, если NotebookLM не выдает аудио на русском языке?

О: На текущий момент NotebookLM лучше всего генерирует аудио на английском. Однако, если ваши источники (комментарии и транскрипты) на русском, вы можете попросить Claude Code сначала перевести саммари, либо дождаться официального обновления мультиязычности аудио-функции.

Конспект создан на основе видео «Автоматизация YouTube через Claude Code и NotebookLM» канала Андрей (AI & Automation). Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/rA92ryLFkt4