Claude Code + NotebookLM + Obsidian: Cỗ máy nghiên cứu càng dùng càng thông minh

Hầu hết mọi người đều coi nghiên cứu là một công việc thủ công.

Bạn mở 10 tab. Bạn xem video. Bạn đọc bài báo. Bạn ghi chép ở đâu đó. Một giờ sau, bạn có một đống thông tin mà không biết phải làm gì với nó.

Có một cách tốt hơn.

Đây là hướng dẫn từng bước để xây dựng một quy trình nghiên cứu sử dụng Claude Code, NotebookLM và Obsidian, có thể điều tra bất kỳ chủ đề nào - động lực thị trường, công nghệ mới nổi, hệ sinh thái tiền điện tử, ngách nội dung, bất cứ thứ gì - và trở nên sắc bén hơn mỗi khi bạn sử dụng nó.

Thời gian thiết lập: dưới 30 phút

Bộ Công Cụ Và Tại Sao Nó Hoạt Động

Bốn công cụ. Mỗi công cụ xử lý một lớp khác nhau của vấn đề.

• Claude Code - công cụ thực thi. Nó chạy các lệnh, gọi các kỹ năng, quản lý tệp và điều phối toàn bộ quy trình. Bạn nói chuyện với nó bằng ngôn ngữ tự nhiên, nó sẽ làm việc.
• Skill Creator - lớp tùy chỉnh. Một plugin của Claude Code cho phép bạn xây dựng các kỹ năng có thể tái sử dụng bằng ngôn ngữ tự nhiên. Bạn mô tả những gì bạn muốn, nó sẽ tạo mã và cài đặt kỹ năng đó. Không cần lập trình.
• NotebookLM - công cụ phân tích. Công cụ nghiên cứu AI của Google đọc các nguồn của bạn và tạo ra các phân tích chuyên sâu, tóm tắt, đồ họa thông tin, thẻ ghi nhớ, kịch bản podcast, v.v. Khi Claude Code chuyển giao xử lý cho NotebookLM, nó đang sử dụng sức mạnh tính toán của Google, chứ không phải token Claude của bạn.
• Obsidian - lớp bộ nhớ. Một hệ thống kiến thức dựa trên markdown cục bộ lưu trữ mọi thứ mà quy trình tạo ra. Theo thời gian, Claude Code đọc các tệp này và học cách bạn suy nghĩ, điều bạn quan tâm và cách bạn muốn phân tích của mình được trình bày.

Kết hợp lại: một hệ thống nghiên cứu thực thi theo lệnh, phân tích trên quy mô lớn và cải thiện khi sử dụng.

Bước 1: Cài Đặt Skill Creator

Mở Claude Code. Đảm bảo bạn đang ở bên trong thư mục vault Obsidian của mình - điều này rất quan trọng để Obsidian có thể nhận các tệp mà Claude Code tạo ra.

Chạy lệnh này:

1/plugin

Tìm kiếm skill-creator. Cài đặt nó. Thoát Claude Code. Khởi động lại Claude Code.

Bây giờ bạn có khả năng tạo bất kỳ kỹ năng nào bằng cách mô tả nó bằng ngôn ngữ tự nhiên.

Bước 2: Tạo Kỹ Năng Tìm Kiếm YouTube

Kỹ năng này cho phép Claude Code tìm kiếm YouTube và lấy dữ liệu video có cấu trúc - tiêu đề, kênh, số lượng người đăng ký, số lượt xem, ngày tải lên, URL và tỷ lệ tương tác.

Chạy lệnh này bên trong Claude Code:

1/skill-creator Tôi muốn tạo một kỹ năng tìm kiếm
2YouTube và trả về kết quả video có cấu trúc.
3Nó nên sử dụng yt-dlp để tìm kiếm video theo truy vấn,
4trả về 20 kết quả hàng đầu theo mặc định và bao gồm
5siêu dữ liệu cho mỗi video - tiêu đề, tên kênh, số lượng người đăng ký,
6lượt xem, thời lượng, ngày tải lên và URL.
7Nó nên lọc trong 6 tháng qua theo mặc định nhưng hỗ trợ
8cờ --months để thay đổi điều đó.
9Nó cũng nên tính toán tỷ lệ lượt xem trên người đăng ký
10như một chỉ số tương tác.
11Đầu ra nên được định dạng đẹp mắt với
12dấu phân cách giữa mỗi kết quả và số liệu dễ đọc.

Claude Code sẽ tạo kỹ năng, cài đặt nó và xác nhận. Bây giờ bạn có lệnh /yt-search khả dụng.

Lưu ý: yt-dlp cần được cài đặt trên máy của bạn. Nếu bạn chưa có nó

Bước 3: Cài Đặt NotebookLM-py

NotebookLM không có API công khai. Để kết nối Claude Code với NotebookLM, chúng tôi sử dụng một dự án mã nguồn mở có tên là **notebooklm-py*\*.

Kho lưu trữ: github. com/teng-lin/notebooklm-py

Chạy các lệnh này trong terminal của bạn (không phải bên trong Claude Code - hãy mở một cửa sổ terminal riêng):

1pip install notebooklm-py

Sau đó xác thực:

1notebooklm login

Một cửa sổ trình duyệt sẽ mở ra. Đăng nhập vào tài khoản Google của bạn. Xong. Kết nối đã được thiết lập.

Bước 4: Tạo Kỹ Năng NotebookLM

Bây giờ bạn cần dạy Claude Code cách sử dụng notebooklm-py. Chạy lệnh này bên trong Claude Code:

1/skill-creator tạo một kỹ năng để chúng ta có thể sử dụng tốt nhất
2công cụ notebooklm-py. Tham khảo kho GitHub tại
3github. com/teng-lin/notebooklm-py và xây dựng
4một kỹ năng có thể: tạo notebook mới, thêm nguồn
5(URL YouTube, văn bản, tệp), chạy phân tích trên các nguồn đó,
6và tạo ra các sản phẩm đầu ra bao gồm tổng quan âm thanh,
7sơ đồ tư duy, thẻ ghi nhớ và đồ họa thông tin.

Điều này cung cấp cho Claude Code một kỹ năng NotebookLM hoàn chỉnh với các lệnh cho mọi hành động mà NotebookLM hỗ trợ - lên đến 50 nguồn trên mỗi notebook, tất cả các loại sản phẩm đầu ra.

Bước 5: Kết Hợp Mọi Thứ Thành Một Kỹ Năng Quy Trình Duy Nhất

Đây là lúc quy trình làm việc trở nên thực sự mạnh mẽ.

Thay vì chạy thủ công tìm kiếm YouTube, sau đó gửi kết quả đến NotebookLM, rồi yêu cầu phân tích - bạn xây dựng một kỹ năng làm tất cả những việc đó theo trình tự chỉ với một lệnh duy nhất.

Chạy lệnh này bên trong Claude Code:

1/skill-creator Tôi muốn tạo một kỹ năng quy trình nghiên cứu YouTube
2kết hợp kỹ năng yt-search và
3kỹ năng NotebookLM. Khi tôi sử dụng kỹ năng quy trình này, tôi muốn
4nó: nhận những gì tôi yêu cầu nghiên cứu, vào YouTube và
5tìm 10 video có liên quan bằng kỹ năng yt-search, sử dụng
6kỹ năng NotebookLM để tạo một notebook mới,
7thêm các nguồn video đó vào notebook, sau đó thực hiện
8phân tích về chủ đề dựa trên những gì tôi đã nói khi
9tôi gọi kỹ năng. Hơn nữa, hãy hỏi tôi xem tôi có muốn
10một sản phẩm đầu ra không - NotebookLM có thể tạo thẻ ghi nhớ,
11đồ họa thông tin, sơ đồ tư duy, tổng quan âm thanh.
12Nếu tôi không chỉ định sản phẩm đầu ra, hãy coi như không có.
13Sau khi phân tích, hãy mang mọi thứ trở lại cho tôi trong một
14tệp markdown được lưu vào vault, và cũng hiển thị
15nó trong chat. Bao gồm tất cả siêu dữ liệu tìm kiếm YouTube
16trong đầu ra - các nguồn được sử dụng, số lượt xem,
17tên kênh, tỷ lệ tương tác.

Chạy Quy Trình Làm Việc

1/yt-pipeline Tôi muốn nghiên cứu các framework AI agent trong năm 2026.
2Framework nào mà các nhà phát triển thực sự đang áp dụng -
3- LangGraph, CrewAI, AutoGen, Agno, hay thứ gì khác?
4Tôi muốn hiểu điều gì đang thúc đẩy lượt xem về chủ đề này,
5có sự bất đồng nào trong cộng đồng,
6các ngoại lệ là gì, và những góc nhìn nào chưa được
7khai thác tốt. Tìm 10 nguồn có liên quan,
8đẩy chúng vào một notebook NotebookLM mới,
9chạy một phân tích đầy đủ và tạo một đồ họa thông tin
10hiển thị bức tranh toàn cảnh.

Với kỹ năng quy trình đã được cài đặt, đây là những gì một phiên nghiên cứu thực tế trông như thế nào.

Chủ đề: Các framework AI agent. Những gì thực sự đang thu hút sự chú ý trong năm 2026, những gì đang bị thổi phồng quá mức và những khoảng trống trong các bài phân tích hiện có.

Claude Code bắt đầu quy trình. Nó gọi kỹ năng tìm kiếm YouTube, tìm 10 video về hướng dẫn framework, so sánh và ý kiến của nhà phát triển - chuyển các URL đến NotebookLM, tạo một notebook, chạy phân tích và yêu cầu một đồ họa thông tin.

Tổng thời gian xử lý: khoảng 6 phút.

Phần lớn thời gian đó là NotebookLM xử lý trên máy chủ của Google - chứ không phải token Claude của bạn.

Kết quả trả về bao gồm:

1. Một phân tích đầy đủ về framework nào đang nổi lên so với framework nào đang đi ngang, những gì các nhà phát triển thực sự phàn nàn, các ngoại lệ về mức độ tương tác và những khoảng trống nội dung chưa ai khai thác.
2. Một đồ họa thông tin về bức tranh toàn cảnh các framework AI agent.
3. Một tệp markdown được lưu trực tiếp vào vault Obsidian của bạn với mọi thứ được cấu trúc và liên kết - sẵn sàng để tham khảo trong các phiên nghiên cứu trong tương lai.

Nơi Obsidian Biến Nó Thành Một Công Cụ Hoàn Toàn Khác

Mọi thứ ở trên hoạt động như một tác vụ nghiên cứu một lần.

Obsidian là thứ biến nó thành thứ gì đó có giá trị gia tăng theo thời gian.

Mọi tệp markdown mà quy trình tạo ra đều nằm trong vault Obsidian của bạn. Theo thời gian, vault của bạn trở thành một kho ngữ liệu có cấu trúc về mọi thứ bạn đã nghiên cứu - chủ đề, nguồn, phân tích, mô hình, kết luận.

Claude Code có thể đọc tất cả các tệp này. Nó thấy cách chúng được liên kết. Nó hiểu những chủ đề bạn quay lại, những phân tích bạn thấy hữu ích, định dạng bạn ưa thích.

Tệp claude.md bên trong vault của bạn là nơi điều này trở nên rõ ràng. Đó là một tệp cấu hình cho Claude Code biết cách làm việc với bạn - quy ước của bạn, sở thích đầu ra của bạn, cách bạn muốn mọi thứ được cấu trúc.

Bạn cập nhật nó bằng cách nói:

1Chúng ta có thể cập nhật claude.md để nó phản ánh tốt hơn
2phong cách làm việc, cách tiếp cận phân tích và sở thích đầu ra
3của tôi dựa trên các cuộc trò chuyện gần đây nhất của chúng ta không?

Claude Code đọc phiên làm việc gần đây, xác định các mô hình của bạn và cập nhật tệp.

Làm điều này mỗi tuần một lần. Sau một tháng, quy trình làm việc hiểu bạn đủ rõ để đầu ra bắt đầu khớp với những gì bạn thực sự muốn mà không cần nhắc nhở nhiều.

Sau một năm - nếu bạn làm điều này một cách nhất quán - bạn có một hệ thống nghiên cứu đã hấp thụ hàng trăm phiên làm việc, hiểu phong cách tư duy của bạn và hoạt động như một trợ lý được đào tạo thay vì một công cụ trống rỗng.

Điểm Mô-đun Mà Không Ai Đề Cập

Nguồn YouTube không phải là vấn đề.

Cấu trúc quy trình mới là vấn đề.

Bạn có thể thay thế YouTube bằng bất kỳ nguồn dữ liệu nào mà Claude Code có thể truy cập:

• PDF - bài báo học thuật, báo cáo ngành, sách trắng
• Trang web công khai - bài báo tin tức, tài liệu, bài đăng blog
• Tệp cục bộ - ghi chú của riêng bạn, dữ liệu đã xuất, bản ghi âm
• Google Drive - tài liệu và bảng tính bạn đã có

Mẫu quy trình làm việc vẫn giữ nguyên. Hoán đổi nguồn, giữ nguyên cấu trúc.

Nghiên cứu một hệ sinh thái tiền điện tử bằng sách trắng và tài liệu công khai. Phân tích một công nghệ mới nổi bằng các bài nói chuyện hội nghị trên YouTube. Lập bản đồ một ngách nội dung bằng cách phân tích những gì đang hoạt động tốt. Nghiên cứu động lực thị trường bằng các báo cáo công khai.

Bất kể trường hợp sử dụng nào - quy trình, lớp phân tích và hệ thống bộ nhớ vẫn giống hệt nhau.

Những Gì Bạn Có Được

Một hệ thống nghiên cứu:

• Thực thi các quy trình nghiên cứu hoàn chỉnh chỉ bằng một lệnh duy nhất
• Chuyển giao các phân tích nặng cho cơ sở hạ tầng của Google thông qua NotebookLM
• Tự động tạo ra các sản phẩm đầu ra có cấu trúc - đồ họa thông tin, sơ đồ tư duy, âm thanh, thẻ ghi nhớ
• Lưu mọi kết quả vào cơ sở kiến thức cục bộ
• Học các sở thích của bạn theo thời gian và cải thiện đầu ra của nó cho phù hợp

Khoản đầu tư 30 phút thiết lập sẽ được đền đáp ngay từ lần đầu tiên bạn sử dụng nó.