NotebookLM'de Uzmanlaşarak Claude Token Maliyetlerinden %80 Tasarruf Edin

Geçen ay Claude'u Pro'dan Max'e yükselttim, ayda 200 dolar, sonunda yeterli olacağını düşünerek.

1. gün: Haftalık limit tükendi.

Kullanım kayıtlarına baktığımda paranın tam olarak nereye gittiğini gördüm. 47 makaleyi araştıran tek bir öğleden sonra oturumu, haftalık limitimin %10'unu bir seferde tüketti. Bunu haftada iki veya üç kez yapınca, limit doğal olarak yetmiyor.

Sorun, Claude'u iyi olmadığı bir şeyi yapmaya zorlamamdı—tam metin arama motoru gibi davranması.

50 bin karakterlik bir kaydı sohbete yapıştırıp soru sormak, kaydın tamamının her seferinde girdi token'ı olarak sayılması anlamına gelir. Prompt önbelleğini kullansanız bile (fiyatı 1/10'u kadar), ana oturum her turda yavaş yavaş birikir. Daha da kötüsü, önbelleğin TTL değeri 1 saattir; çok beklerseniz, tam fiyattan yeniden yazmanız gerekir. Bu, bir avukata soru sormak ama her seferinde 50 sayfalık sözleşmenizi yüksek sesle okumasını istemek gibi bir şey.

Claude Code, akıl yürütme, orkestrasyon ve kodlamada harikadır. Ham kaynak materyali okumak, sadece sonuçları gören Claude ile başka araçlar tarafından halledilmelidir. Bu mantıkla, NotebookLM aklıma geldi.

Bu yapılandırma kılavuzunu takip edin, 20 dolarlık hesabınız 200 dolarlık hesabın işini yapabilir.

Kılavuz

Bu uzun bir yazı; ilginizi çeken kısma atlayabilirsiniz:

• I: NotebookLM nedir + Ne yapabilir?
• II: Neden üzerine bir Claude katmanı eklemeliyiz?
• III: Yeteneği yükleme (10 dakikalık kurulum)
• IV: Gerçek dünyada token faturası + Prensip analizi
• V: Akademisyenler / Öğrenciler için İş Akışı
• VI: Halka Arzlar / İzahname Okuma için İş Akışı
• VII: Kişisel Bilgi Tabanları için İş Akışı
• Özet

İş akışlarını görmek istiyorsanız doğrudan V. Bölüm'e geçin.

Tek cümlelik tez:

Claude token'larından tasarruf etmenin gerçek yolu sadece önbelleği etkinleştirmek değil, ağır verilerin Claude'a hiç girmemesini sağlamaktır.

Spesifik olarak: NotebookLM depolama ve erişimi hallederken, Claude akıl yürütme ve orkestrasyonu üstlensin. İş bölümü net, şu benzetmeyle özetlenebilir:

NotebookLM Öğretmen'dir

: Topladığınız makaleler, finansal raporlar ve notlar onun bilgi tabanını oluşturur. Siz sorarsınız, o deneyimine dayanarak alıntılarla cevap verir, kaynağın sınırları içinde kalır, halüsinasyon görmez.

Claude Asistan'dır

: Kod yazmak, betik çalıştırmak, sonuçları düzenlemek ve araçları orkestre etmekle sorumludur. Bilmediği bir şey olursa Öğretmen'e sorar, cevabı alır ve çalışmaya devam eder.

Siz Proje Yöneticisisiniz

: Sadece kilit karar noktalarında müdahale edersiniz.

Temel prensipler: Bu iş bölümü neden para tasarrufu sağlar

1. RAG ve Context Stuffing iki farklı maliyet modelidir.

50 bin karakteri bir Claude sohbetine doldurmak girdi token'ı olarak sayılır. Her soru, materyale yeniden "bakmayı" gerektirir ve maliyetler materyalin boyutuyla doğrusal olarak artar. RAG ile NotebookLM, ilgili parçalara ulaşmak için dahili olarak vektör araması kullanır ve Claude sadece birkaç yüz kelimelik damıtılmış bir cevap görür, bu da maliyeti neredeyse sabit tutar.

2. Prompt önbelleğinin TTL değeri 1 saattir ve araştırma senaryolarında isabet oranı düşüktür.

Birçok kişi önbelleği etkinleştirmenin her şeyi çözdüğünü düşünür. Gerçekte, Anthropic'in prompt önbelleği varsayılan olarak 1 saatte sona erer. Birkaç dakika düşünür, görev değiştirir veya yeni bir oturum açarsanız, bir sonraki çağrı önbelleği tam cache_creation fiyatından yeniden yazmalıdır. Araştırma oturumları "sor, düşün, tekrar sor" ritmini izler ve isabet oranları genellikle berbattır. Faturaların fırlamasının gerçek nedeni budur.

3. Gerçeğe dayalı çıktı daha verimlidir.

NotebookLM'nin cevapları, yüklediğiniz kaynaklarla sınırlıdır ve her cümle, metne geri bağlanan [1][2] alıntıları taşır. Bir şey uydurmaz. Claude bu cevapları kararlar için kullandığında, sürekli "tekrar kontrol et" demeniz gerekmez, bu da ölçülemeyecek kadar zaman kazandırır.

Bunu kim atlamalı:

• Materyal < 5k token veya sadece bir iki kez kontrol edilecekse—doğrudan Claude'a sorun.
• İş akışı entegrasyonu olmadan saf Soru-Cevap ihtiyacı—sadece NotebookLM web arayüzünü kullanın.
• Fatura yerine yanıt hızına değer verenler—bu yöntem yaklaşık 3 kat daha yavaştır.
• Kod yapısını/tanımlarını anlaması gerekenler—NotebookLM metin RAG için daha iyidir.

Kim okumaya devam etmeli:

• Belirli kurulum adımlarını ve kaçınılması gereken tuzakları isteyenler.
• Senaryoların komut düzeyine nasıl çevrildiğini görmek isteyenler.
• NotebookLM'yi bir yetenek haline getirmek isteyen Claude Code kullanıcıları.

Bölüm I: NotebookLM'yi Tanımak

NotebookLM'yi ilk kez bir arkadaşımın tavsiyesi üzerine açtım. Tezi için okuma listesi 60'tan fazla makale içeriyordu. Eskiden PDF'lerde Ctrl-F yapıyordu; şimdi hepsini bir not defterine atıyor ve "X görüşünü kim destekliyor, kim karşı çıkıyor, anlaşmazlıklar nerede?" diye soruyor—cevap, üzerine tıklandığında tam paragrafa atlayan [1][2][3] alıntılarıyla geliyor.

Haftada on saatten fazla zaman kazandırdığını söyledi.

Bir hafta boyunca şüpheyle denedim ve bağımlısı oldum. İşte NotebookLM'nin avantajları:

1. 50 kaynağı ücretsiz / 300 kaynağı Pro ile destekler.
2. İşlem gücü ücretsizdir—yükleme, indeksleme, oluşturma ve sohbet etme Google'ın bilgi işlemini kullanır.
3. Soru-Cevap'ın ötesinde, bir not defterinden otomatik olarak sesli podcast'ler (işe gidip gelirken harika), zihin haritaları, PPT'ler, bilgi kartları vb. oluşturabilir.
4. Podcast'ler inanılmaz—materyalinizi daha önce düşünmediğiniz açılardan tartışan iki yapay zeka "yabancısını" duymak genellikle yeni içgörüler ortaya çıkarır.

Biçim asla sorun değildir: PDF'ler, URL'ler, YouTube transkriptleri, Google Dokümanlar, düz metin, görüntü OCR ve ses transkripsiyonları kaynak olabilir.

Birçokları için NotebookLM zaten başlı başına güçlü bir araçtır. İhtiyacınız sadece "oturup soru sormak" ise, burada okumayı bırakabilirsiniz.

Ama ben iki yerde takıldığını fark ettim:

1. Bağlam değiştirme akışı bozuyor.

Bir konuyu araştırmak: Soru sor → cevap al → alıntıya tıkla kaynağa git → bir bölüm oku → not defterine dön cevabı kopyala → kullanmak için Claude Code'a geç → deney yap → eksik kaynak bul → Google Arama'ya geç → indir → not defterine dön kaynağı ekle → sormaya devam et... Bir öğleden sonra 200 kez sekme değiştirmek.

2. Yerel araçlardan izole.

Çevrimiçi olayları giderirken, not defterinde günlükleri arayabilirim. Ancak terminalde yerel konfigürasyonları grep ile aramam, k8s olaylarını kontrol etmem ve pod'lar başlatmam da gerekir—web uygulaması yerel komutları çalıştıramaz. Her zaman "web'de oku → manuel olarak yaz → geri dön" şeklindedir.

NotebookLM web uygulaması kendini varış noktası olarak konumlandırır. Siz sorarsınız, o cevaplar, hikaye biter. Ama ben onun montaj hattında bir bağlantı olmasını istiyorum—zamanlanmış, toplu işlenmiş ve çıktısı bir sonraki adıma akacak şekilde.

İşte Claude burada devreye giriyor.

Bölüm II: Üzerine Claude Katmanı Eklemek

NotebookLM'yi Claude için bir araca dönüştürün. Bir şey yeterlidir: Claude'un alan bilgisine ihtiyacı olduğunda Öğretmen'e sorması.

Akış

Öğretmen (NotebookLM) salt okunur bir yardım masasıdır: 47 makaleyi bir kerede atarsınız ve orada kalırlar. Soruları beklerler. Notları veya kodları geri beslemeye gerek yoktur—makalelerdeki görüşler tüm sorguları desteklemek için yeterlidir.

Aşağıdaki prompt, altı adımı, disiplini ve belirli not defteri kimliğini Claude Code'un çalıştırabileceği bir formatta kodlar (kimliği değiştirmeyi unutmayın):

1# Rol
2Sen benim araştırma asistanımsın. Konu öğretmenim, 47 ilgili makaleyi içeren sabit bir NotebookLM not defteridir (id: 6634ad4d-0594-4700-bddf-4a400ad46fa2). Öğretmenle, yüklenen notebooklm yeteneği (`/notecraft chat` komutları) aracılığıyla konuşuyorsun.
3
4# Kesin Kurallar
51. Makale görüşleri, formüller, yöntemler veya bilinen tuzakları içeren herhangi bir soru için **önce /notecraft chat ile öğretmene sor**. Hafızandan cevap verme ve benden makale metnini sohbete yapıştırmamı isteme.
62. Öğretmen **salt okunur bir yardım masasıdır**: Notları, kodları veya deneysel sonuçları not defterine geri besleme. Bilgi tabanı 47 makaleyle statik kalır.
73. Öğretmenin cevapları [1][2] alıntıları içerir. Bu alıntıları bana verdiğin çıktıda aynen koru.
84. Süreç içinde öğretmene tekrar sormaya sen karar verirsin—her adımı benimle onaylamana gerek yok.
95. Öğretmen cevap veremezse veya alıntı zayıfsa, açıkça "Öğretmenin cevabı yok" de; halüsinasyon görme.
10
11# İş Akışı
12① Sana bir konu/alt problem veriyorum.
13② Alan bilgisi gerektiren noktaları belirle (makale görüşleri, önceki yöntemler, formüller, başarısızlık modları).
14③ Bu noktalar için /notecraft chat ile öğretmene sor, alıntılı cevaplar al.
15④ Cevaplarla yürütmeyi yönlendir: kod yaz, betik çalıştır, yerel dosyaları grep ile ara, sonuçları düzenle.
16⑤ Yürütme sırasında yeni sorular ortaya çıkarsa, çözülene kadar ③'e dön ve öğretmene sor.
17⑥ Bana nihai çıktı:
18   - Sonuçlar (öğretmenden [alıntılar] ile)
19   - Kodun / deneysel sonuçların
20   - Öğretmenin kapsamadığı açık sorular için ayrı bir bölüm
21
22# Çıktı Formatı
23Her teslimat için şu iskeleti kullan:
24
25## Öğretmen Diyor ki
26(/notecraft chat'ten ana noktalar, [alıntıları] koruyarak)
27
28## Ne Yaptım
29(Yazdığım kod / çalıştırdığım komutlar / gözlemlediğim sonuçlar)
30
31## Sonuç
32(Orijinal konuma cevabım)
33
34## Öğretmen Tarafından Kapsanmayan
35(Öğretmenin cevaplayamadığı veya zayıf alıntıları olan, benim manuel takibim için noktalar)
36
37# Başla
38İlk konum: <Sorunuzu buraya yazın>

Önemli çıkarımlar:

• 47 makale Claude sohbetine asla girmez—ana oturum token'ları sadece akıl yürütme ve kod için harcanır.
• Öğretmen sadece danışılır, yürütmeye dahil olmaz—gücü alıntılı alan erişimidir.
• Sadece ① adımında müdahale edersiniz—Claude öğretmene ne zaman danışacağına karar verir.
• Bilgi tabanı statiktir—47 makale yeterlidir.

Bu yüzden "birbirine bağlamak" "ayrı ayrı kullanmaktan" daha güçlüdür: Sekme değiştirme ve token tasarrufu bonus faydalardır. Bu faydaların ne kadar büyük olduğunu görelim.

Bölüm III: NotebookLM İstemcisi ve Yeteneğini Yükleme

Google, resmi bir NotebookLM istemcisi sağlamaz, ancak @icebear0828 üçüncü taraf bir istemci yazmıştır. Yüklendikten sonra, ajanlar NotebookLM'ye komut satırı veya doğal dil aracılığıyla erişebilir.

https://github.com/icebear0828/notebooklm-client

Temel Kurulum:

1# İstemciyi yükle
2npm i notebooklm-client
3
4# Oturumu dışa aktar (Google girişi için tarayıcı açar)
5npx notebooklm export-session
6
7# Bir not defteriyle sohbet et
8# npx notebooklm chat <notebook-id> --transport auto --question "Bunu benim için özetle"
9
10# Yüklemeden sonra ajan içinde `/notecraft` kullanarak NotebookLM işlemlerini otomatikleştir
11npx notebooklm skill install

Yüklemeden sonra, sohbette sadece "Şu not defterindeki X kısmını kontrol et" deyin, Claude onu otomatik olarak çağırır—her seferinde sözdizimini açıklamanıza gerek yok.

Bölüm IV: Gerçek Dünya Testi—Ne Kadar Para Tasarruf Edilir? (Opus 4.7)

Bu rakamlar simüle edilmemiştir; Claude Code'un oturum günlüklerinden alınan gerçek bir araştırma oturumuna aittir.

NotebookLM tarafında, yükleme, erişim ve oluşturma Google tarafından tamamen ücretsizdir ve faturanıza yansımaz. Aşağıdaki tüm rakamlar sadece Claude Opus tarafını sayar.

Test Kurulumu:

• Materyal: Image + LiDAR SLAM ile ilgili 47 makale, tamamı tek bir NotebookLM not defterinde.
• Model: Claude Opus 4.7
• Tur: 5 tur derin Soru-Cevap ("en iyi SLAM yeniden yapılandırma yöntemlerinden" "3DGS vs NeRF arka uçlarının tuzaklarına" kadar).
• Yöntem: Claude Code'da normal sohbet, asistan her turda /notecraft chat çağrısı yaparak.

Sonuçlar (Bu Yöntem):

Fatura, token girişi + cache_creation ve çıkış tarafından belirlenir. Daha ucuz oranlar (cache_read + giriş) fiyatın 1/10'undan daha azdır, bu yüzden pahalı kısımlara odaklanacağız:

5 tur için toplam: $0.55, tur başına ortalama yaklaşık $0.11.

Kilit rakam: cache_creation sadece 17.379.

cache_creation, önbelleğe yeni içerik yazmak için token sayısıdır. Bu 5 turda, sadece öğretmenin cevapları (~3-6k token) + küçük sistem artışları önbelleğe alındı—toplam 17.000.

47 makaleden tek bir kelime Claude'un `cache_creation`'ına girmedi—tasarrufun sırrı budur.

Karşılaştırma: 47 makaleyi doğrudan prompt'a doldurmak

47 makale toplam 384.000 kelime ≈ 500.000 token. Geleneksel prompt doldurma şöyle görünür:

En adil karşılaştırma ikinci satırdır (Tek oturum, birden çok tur)—geleneksel yöntemler için en iyi senaryo. Yine de, 5 tur maliyet farkı 17 kattır ($9.59'a karşı $0.55). Oturumlar arası senaryolar daha da kötüdür (86 kat).

Önbellek neden geleneksel yönteme yardımcı olmaz? Anthropic'in önbelleği ücretli katmanlar için varsayılan olarak 1 saattir. Düşünme, pencere değiştirme veya yeni bir oturum başlatma arasında, önceki önbellek genellikle atılır.

Bu yöntemde, makaleler Claude'a asla girmez, bu nedenle önbellek isabetleri önemli değildir.

Materyal iki katına çıktıkça (100, 200 makale), fark doğrusal olarak artar. Geleneksel cache_creation, makale sayısıyla birlikte büyür; bu yöntem neredeyse sabit kalır.

Opus'ta araştırma yapanlar için: Bir yıllık araştırma oturumları 2.000 dolarlık bir fark anlamına gelebilir—sadece makaleleri Claude'dan uzak tutmak, Max'e tekrar yükseltmek için yeterli tasarruf sağlar.

Maliyet: 3 Kat Daha Yavaş

Saniyeler seviyesinde yanıt süresi umursuyorsanız, aylık faturayı değil, bu kurulum size göre değil.

Aşağıdaki bölümler, NotebookLM'ye uygun üç iş akışını ana hatlarıyla açıklar.

Bölüm V: Araştırmacı / Öğrenci İş Akışı

Bir okuma listesi doğal bir bilgi sınırıdır.

Sorun Noktası: Bir dönemde düzinelerce makale, aynı PDF'leri tekrar tekrar kontrol etmek. Ctrl-F yorucudur ve ChatGPT alıntı yapmadan halüsinasyon görebilir.

Materyal Tarifi (Bir kere yükle, tüm dönem kullan):

• 20-50 konuyla ilgili makale PDF'si
• Ders müfredatı, ders transkriptleri
• Danışman e-postaları, taslak bölümler, okuma notları

Öğretmene Öldürücü Sorular:

• "Hangi iki makalenin çelişkili sonuçları var ve hangi varsayıma dayanıyor?"
• "X yöntemi bu bütünde kaç kez geçiyor ve nasıl kullanılıyor?"
• "A Makalesi'ndeki formül 3 ile B Makalesi'ndeki formül 7 aslında eşdeğer mi?"

Claude'un Rolü: Projeyi ilerletmek—kavramları/formülleri öğretmenden al → kodu yaz ve çoğalt → deneyleri çalıştır → notları düzenle. Ham makaleler Claude oturumuna asla girmez.

Bölüm VI: Halka Arz / İzahname İş Akışı

Bir izahname 300-600 sayfadır ve yatırım penceresi sadece üç gündür. İnsanlar hepsini zamanında okuyamaz.

Sorun Noktası: Halka arzlar hızlıdır. Belgeler, şirket geçmişi, iş modelleri, finansallar, riskler ve taahhütlü alıcıları kapsayan 500+ sayfadır. Birini okumak en az 4 saat sürer. Haftada 5-8 halka arzla, bu imkansızdır.

En değerli bilgi kendini övme değil, risk faktörleri ve ilişkili taraf işlemlerinde gizli "kırmızı bayraklar"dır. İnsanlar bunları kolayca gözden kaçırır.

Materyal Tarifi (Şirket başına bir not defteri):

• Tam İzahname—Çekirdek.
• Taahhütlü Alıcı Bildirimleri—Kim ne kadar ve ne kadar süreyle destekliyor?
• Emsal Finansal Raporları—Değerleme için kıyaslamalar.
• Sponsor/Underwriter Araştırması—Resmi fiyatlandırma mantığı.
• Yönetim Röportajları ve Geçmiş Fonlama Turları—Değerleme sıçramaları.

Öğretmene Öldürücü Sorular:

Yatırım yapıp yapmamaya karar vermek için genellikle saatler süren şu 8 soruyu sorun:

1. "Temel ürün nedir? Gelir yapısı 3 yılda nasıl değişti? Müşteri yoğunluğu?"
2. "Brüt marj, büyüme ve Ar-Ge'de emsallere (A, B, C) göre durumu nedir?"
3. "Taahhütlü alıcılar kimler, miktarları ve kilitlenme süreleri?"
4. "Gelir kullanımını dökümle. En büyük kısım nedir? Halka arz sonrası seyrelme?"
5. "Hangi risk faktörleri sektör genelinde, hangileri şirkete özgü?"
6. "Geçmiş değerleme: Son turdan halka arza çarpan sıçraması? Son tur kilitlenmesi?"
7. "Kârı şişiren tek seferlik kazanç belirtileri var mı? Nakit akışı 3 yılda net kârla uyumlu mu?"
8. "İlişkili taraf işlemlerinin gelire oranı? İlk beş müşteride ilişkili taraf var mı?"

Her cevap [Sayfa Numarası] alıntıları içerir.

Claude'un Rolü:

Toplu işleme, bu iş akışının ruhudur:

Haftalık Halka Arz Havuzu = [A Hissesi, B Hissesi, C Hissesi, ...]

Claude, 8 şirketi bir markdown karar tablosunda özetler → Siz tarayıp 15 dakikada sıralarsınız.

5-8 halka arz = 40-64 sorgu. Toplam materyal ~1 milyon token. Geleneksel yöntemler haftada 50 dolar+ yakardı; bu yöntem 2 doların altında.

Bölüm VII: Kişisel Bilgi Tabanı İş Akışı

"İkinci Beyninizi" oluşturun.

Sorun Noktası: Obsidian araması sadece anahtar kelimeleri tanır. "Üç yılda X hakkındaki görüşüm nasıl değişti?" sorusuna cevap veremez. Notlar dağınık ve biçimleri farklıdır.

Materyal Tarifi:

• Tam Obsidian / Notion dışa aktarımları
• Kindle vurguları, Readwise alıntıları
• İş günlükleri, toplantı tutanakları, inceleme belgeleri

Öğretmene Öldürücü Sorular:

• "Son üç yılda 'odak' hakkında ne yazmışım? Görüşüm değişti mi?"
• "'Prensipler' ve 'Hızlı ve Yavaş Düşünme' bilişsel önyargı konusunda nerede örtüşüyor veya çelişiyor?"
• "Geçen ayki tüm toplantı tutanaklarında X Projesi'ne karşı bireysel tutumlar nelerdi?"

Claude'un Rolü: Görüş evrimi soruları, konuşma yapay zekası + tam materyal gerektirir. Claude, öğretmenin çok turlu cevaplarını yapılandırılmış özetlere (zaman çizelgeleri, görüş karşılaştırmaları, takip listeleri) sentezler.

Üç iş akışının ortak noktası: Tekrarlanan sorgular, belgeler arası, özel sınırlar. Bunlardan herhangi birine denk geliyorsanız, 15 saniyelik kurulum maliyeti bir hafta içinde kendini amorti eder.

Son Düşünceler

Dikkat edilmesi gereken noktalar:

1. storage_state.json, aktif Google oturumunuzu içerir. Güvende tutun.
2. notebooklm-client tersine mühendislik ürünüdür. Google resmi olarak desteklemez; arka uçlar değişebilir.

Bunun özü İş Bölümüdür:

• NotebookLM Öğretmen Olarak: Alan bilgisine alıntılarla cevap verir, halüsinasyon yok.
• Claude Asistan Olarak: Araçları orkestre eder, kod yazar, sonuçları düzenler, takıldığında öğretmene sorar.
• Siz Proje Yöneticisi Olarak: Sadece kilit karar noktalarında müdahale edin.

Bunu bir aydır kullanıyorum ve tasarruflar birkaç güzel akşam yemeğine yetiyor. Daha da önemlisi, düzinelerce makaleyi araştırmak artık limitim konusunda endişelendirmiyor—"token saymak zorunda olmama" özgürlüğü, tasarrufların kendisinden daha bağımlılık yapıcı.

Bu yazıyı beğendiyseniz, beni takip edin @MinLiBuilds.

Son olarak, önbelleğe alma mekanizmasını basitçe açıklayan ve token tasarrufu yapmanıza yardımcı olan önbellek serimin ilk bölümünü öneriyorum:

https://x.com/MinLiBuilds/status/2041178722230030384