【発展編】Claude×NotebookLMにSkills5本入れたら別物になった。チート級のトークン削減ノウハウを全部シェアします

notebooklm-pyを入れた直後、「あれ、毎回こんなに聞かれるの？」「思った通りの指示が伝わらないなぁ」と思った方、正しい感覚です。Skills5本でその問題をマルっと潰しました。Deep Research全自動化、トークン激減、エラー自動対処。Skillsと取説をセットでシェアします

テツメモ｜tetumemo

2026/04/23

こんにちは！テツメモです。

前回は、全文公開の無料回で、Claude×NotebookLMを楽しむための「notebooklm-py」の導入から基本的な使い方をご紹介しました。

【基礎編】これチート級。Claude×NotebookLMで「トークン消費1/10」を実現するための全手順

テツメモ｜tetumemo

2026-04-16

「前回の記事を読んで、ちゃんと環境できました！」という方も多いと思います。

でも、毎回Claude CodeからNotebookLMへ似たような指示を繰り返していると、それさえ普通に手間じゃないですか……？

そのツッコミ、正しいです。

基礎編①では「NotebookLMとClaude Codeを連携させると、トークンを爆速で節約できる」という仕組みをお伝えしました。でも正直に言います。セットアップが終わった後、そのままNotebookLMをClaude Codeから何となく操作していたら、せっかくの連携がもったいない。

今回はその「もったいない」を全部解消します。

私がここ数週間かけて試行錯誤しながら作り上げた5つのSkills（自動化の設定ファイル）をまるごと公開します。これを入れると、Claude Codeに日本語で話しかけるだけでNotebookLMが動きやすくなります。Deep Researchも、コンテンツの保存も、クイズやフラッシュカードのHTMLへの変換も。全部「言葉だけ」で。

しかも、これらのSkillsを使う最大のメリットは「楽になる」だけじゃありません。

notebooklm-pyを使うのでClaude Codeのトークンをほぼ使わない。

これが本当に重要です。前回お伝えした「トークン消費1/10」という数字、覚えていますか？通常であれば何万トークンも消費するような深いリサーチが、Skillsを通じてNotebookLMに丸投げされることで、Claude Code側のコストがほぼゼロになります。NotebookLMは無料でも使えるので、実質タダで数万文字の調査レポートが手に入る計算です。

「それ、Skillsなしでも同じことできるんじゃ？」と思った方、はい、やろうと思えばもちろん手作業でできます。けど、同じ作業、同じ指示を何度も繰り返しますか？

それがSkills化のチャンスであり、私が今日いちばん伝えたいことです。

この記事では、Skillsありとなしで同じ作業をやってみたときの差を、実際の数字と手順で全部見せます。デモも載せます。私が失敗しながら作ったからこそわかる「ここでつまずく」ポイントも全部書きます。

そして【発展編】として、よく使う流れやポイントを洗い出し、便利なSkillsとして皆さんに提供できればと思います。

完璧なSkillsではありませんが、いつものように丸ごとお渡ししますので、ご自分の使いやすいように大いに改変しちゃってくださいね。

@tetumemo

📝【基礎編】これチート級。Claude×NotebookLMで「トークン消費1/10」を実現するための全手順

「Claudeがすぐ忘れる」
「PDFを投げたら制限が来た」
「トークン消費が激しい」
この３つの悩み、今日で終わりにしましょう。

NotebookLMとClaude Codeを繋ぐだけで、… https://t.co/22PEfcUZZU pic.twitter.com/acI9WjlhRB
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 15, 2026

🔗【基礎編】これチート級。Claude×NotebookLMで「トークン消費1/10」を実現するための全手順

GitHub - teng-lin/notebooklm-py: Unofficial Python API and agentic skill for Google NotebookLM. Full programmatic access to NotebookLM's features—including capabilities the web UI doesn't expose—via Python, CLI, and AI agents like Claude Code, Codex, and OpenClaw.

Unofficial Python API and agentic skill for Google NotebookLM. Full programmatic access to NotebookLM's...

GitHub

ワンポイントTip：この記事は「基礎編①」の続きです。環境構築がまだの方は先に基礎編①をご覧ください。最初は設定に戸惑うかもしれませんが、コツコツ記事を読みAIに確認しながら進めれば大丈夫ですよ。

🎙️ニュースレターの内容をAI音声でキャッチアップ！

記事の内容を、有料購読エリアの概要も含めて紹介しています。　

ぜひこちらも一緒にフォローしていただき、”ながら聴き”も楽しんでみてください♪

🧩 今日配布する5つのSkills

正直に言うと、最初はSkillsなんて作るつもりなかったんです。

notebooklm-pyをインストールして、「よし、あとはClaude Codeに頼むだけだ」と思っていた。

実際、動きます。「AIエージェントについて調べて」と頼めば、notebooklm-pyのコマンドを使ってNotebookLMがリサーチを始めてくれます。

でも、しばらく使っていると気になることが出てきます。

まず、同じことを頼むたびに毎回確認が入ります。「ノートブック名はどうしますか？」「保存先はどこにしますか？」「どんな形式でまとめますか？」。毎回ゼロから決めなければいけない。次の日に同じ作業をすると、保存先が昨日と違うフォルダになっていたりします。

エラーが出たときも、毎回Claude Codeが「どう対処するか」を考え直します。認証切れのエラーが出たら、「これは再ログインが必要ですか？」みたいな確認が来て、答えると今度は「ログインコマンドはこれでよいですか？」という確認が来る。同じエラーなのに、毎回同じやりとりをします。

そして気づいたら、Deep Research1回のセッションで数千から数万トークンを消費していました。

「これ、毎回同じことをClaude Codeに考えさせてるからじゃないか。」

そう思って作り始めたのが、今回の5つのSkillsです。「この作業はこの手順で、このフォルダに、このファイル名で保存する」というルールを全部Skillsに書き込んでしまえば、Claude Codeは考えなくていい。考えないからトークンを使わない。エラーの対処もSkillsが知っているから毎回聞かれない。

作ってみたら、消費トークンが110〜200トークン前後になりました。体感でいうと、以前の1/20以下です。

そこで用意したのが配布するこの5つのSkillsです。

Skills名	できること
notebooklm-deep-research	テーマを伝えるだけでDeep Researchが全自動で走り、Markdownレポートを決まったフォルダに保存
notebooklm-manager-v2	音声・動画・スライド・クイズ・フラッシュカードを種類別フォルダに整理して一括保存
notebooklm-viewer-v2	クイズ・フラッシュカード・マインドマップをブラウザで開けるHTMLに変換
notebooklm-dbs-v3	リサーチ結果をDBS（方向性・設計図・台本）の3軸でコンテンツの骨格に変換
notebooklm-best-practices-v2	上の4つが自動で参照する安全ルールブック。自分でいじる必要はなし

5つまとめたzipは有料エリアで配布します。配置は .claude/skills/ フォルダにコピーするだけで、インストール作業は一切ありません。

これ全部、Claude Codeへの指示は「1行」で動きます。

配布しているSkillsについて毎回伝えていますが、Skillsは完璧ではありません。AIのモデルは日々良くなり、Skillsに記載していたプロセスが不要になることも多々あります。あくまで私が提供するSkillsは現時点の状態ですので、これを元に皆さんが好き勝手カスタムしまくってください！

そしてより良いSkillができたら、ぜひコメントやSNS発信でメンションして教えていただけると嬉しいです。

💡Skillsの活用事例

【6つの要約記事がXで数万imp達成！】ネタ収集ゼロ・執筆5分はそのまま、品質だけ4段階上がった。X記事生成スキルv8と改善版を配布します

テツメモ｜tetumemo

2026-03-31

「Skills×テキスト」だけでデザインが動いた。Lovartを全部使い込んだ記録＋AI挿絵とLINEスタンプ45枚の実験

テツメモ｜tetumemo

2026-03-12

非エンジニアがClaude CodeでAI編集部を作ってAgent Teamsで10コンテンツ自動生成できた全貌と、組織を全部配布します

テツメモ｜tetumemo

2026-02-18

💡 この記事で手に入るもの

Skillsなしで頼んだときに何が起きるか（実録比較）
Deep Researchを「指示1行」で動かすデモ（実際の出力結果付き）
コンテンツ制作者向けのユースケース4選
5つのSkillsの全体マップ（どれをいつ使うか）
有料エリア：Skills 1本ずつの解説＋配置手順＋zipダウンロード

🎯 この記事を読んでほしい人

基礎編①を読んでnotebooklm-pyを導入した方
リサーチ・記事執筆・資料作成に毎回時間を取られている方
Claude Codeのトークンをもっと節約したい方
「自動化したいけど、コマンドは覚えたくない」という方

🔍 第1章　Skillsなしで頼むと何が起きるか

まず最初に、素直な疑問から入りましょう。

「notebooklm-pyが入っているなら、もうClaude Codeに普通にお願いすればよくない？Skillsってそんなに必要なの？」

この疑問、とても正当です。

notebooklm-pyはインストール済みです。Claude Codeに「リサーチして」と頼めば、notebooklm-pyのコマンドを使ってNotebookLMを動かしてくれます。できます、動きます。

でも、Skillsなしで頼んだときに何が起きるか、実際に試してみてください…かなり違います。

Skillsなしで「リサーチして」と頼んだとき

お題は「Claude Designについて調べて」。notebooklm-pyは入っているけど、Skillsなしの状態でClaude Codeにそのまま頼みます。

すると、こうなります。

Claude Codeはまず「どんなテーマで調べますか？」「どんな形式でまとめますか？」「ノートブック名はどうしますか？」と確認を始めます。notebooklm-pyを使うためには、最低でもノートブックの作成コマンド、リサーチの開始コマンド、結果の取得コマンドを正しい順番で実行する必要があります。自然言語でも何となく通じるのですが、勘違いされて別な動作をしてしまうこともありました。

Skillsがないと、Claude Codeがnotebooklm-pyを読み解き、この手順をその場で考えながら組み立てなければなりません。

ここが最初の問題です。

コマンドを「考える」こと自体が、トークンを消費する。

Claude Codeが「次はこのコマンドを実行すべきか」「パラメータはこれでよいか」を判断するたびに、トークンが積み上がっていきます。コマンドを1回間違えてリトライすれば、その分さらに消費されます。

@tetumemo

📝 【海外で話題】kaize氏の「Claude Codeの使用量が急増する問題」に関する10つの教訓が有益

「Claudeはメッセージ数ではなく、トークン数をカウントしている」

多くの人がClaudeの厳しい制限に悩まされているが、実はその主たる原因は私たちの「使い方」にあった… https://t.co/bd5QeQYQzh pic.twitter.com/mQqq1x1kgM
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 6, 2026

notebooklm-pyのコマンドは多岐にわたります。Deep Researchを開始するコマンド、完了を待機するコマンド、結果をインポートするコマンド、レポートを取得してファイルに保存するコマンド。これらをSkillsなしでClaude Codeが毎回ゼロから判断しながら実行していくわけです。

※notebooklm-py

しかも問題はトークン消費だけではありません。

操作の「一貫性」がない。

Skillsがないと、同じ作業を頼んでも毎回微妙に手順が変わります。今日は保存先が research/ フォルダで、明日は output/ フォルダになっている。ファイル名の付け方もバラバラ。気づいたら「あのリサーチ結果どこに保存したんだっけ？」という状態になります。

そして最大の問題が「エラーへの対処」です。

notebooklm-pyを使っていると、認証切れ・レート制限・タイムアウトといったエラーが定期的に発生します。Skillsなしだと、エラーが出るたびにClaude Codeがエラー内容を読んで原因を判断して対処方法を考える、という作業が発生します。その判断のやりとり全体がトークンを消費します。

最終的に、Deep Research1回のセッションで消費されるトークンは、数千から場合によっては数万トークンになることもあります。Skillsがこの「考える・判断する・対処する」という作業を丸ごと肩代わりするため、Claude Code側の消費が劇的に減るわけです。

Skillsありで同じことを頼んだとき

Untitled_Clipping_042226_044241_PM.jpg.webp

SkillsでDeep Researchを優先的に動くように調整している

何が起きるかというと、Claude Codeは「何をすべきか」を自分で考える必要がなくなります。Skillsが「こういう場合はこの手順で動く」というルールブックを持っているので、Claude Codeはそれに従って動くだけでよい。

同じお題を、Skillsありで頼みます。「Claude Designについて調べて」。それだけです。

具体的にはこういう流れです。

Skillsが一問一答で調査の切り口や保存先を確認します。確認が終わると、調査プロンプトを自動生成してDeep Researchを起動します。NotebookLM側でリサーチが走っている間、Claude Codeはほぼ待機状態です。完了の合図を受けたら、Skillsのルールに従って結果を取得して、決まったフォルダ構造でMarkdownファイルに保存します。

Untitled_Clipping_042226_051405_PM.jpg.webp

エラーが起きても、Skillsがあらかじめ対処手順を知っているので、Claude Codeが毎回考え直す必要がありません。認証切れなら再ログインを案内、タイムアウトなら自動リトライ、レート制限なら自動待機。全部Skillsの中に組み込まれています。

Untitled_Clipping_042226_051534_PM.jpg.webp

その結果、消費トークンは110〜200トークン前後です。Skillsなしと比べると、桁が1〜2つ変わります。

しかもNotebookLMが出力するDeep Researchのレポートは、指示の解釈もコマンドの選択も安定しているので、毎回同じ品質のアウトプットが得られます。保存先も命名規則も統一されているので、後から探すときに迷いません。

比較項目	Skillsなし（notebooklm-py導入済み）	Skillsあり
コマンド選択	Claude Codeが毎回考える	Skillsが決まった手順で動く
Claude側トークン消費	数千〜数万トークン（判断・リトライ含む）	110〜200トークン
エラー対処	毎回Claude Codeが判断	Skillsが自動対処
保存先・命名規則	毎回バラバラになりがち	統一されたフォルダ構造
出力の安定性	頼み方で結果が変わる	毎回同じ品質・形式
操作の再現性	低い（毎回微妙に違う）	高い（同じ手順で動く）

この差が、Skillsの本質です。

notebooklm-pyは「NotebookLMと橋をつなぐ道具」です。Skillsは「その橋をどう渡るかのルールブック」です。道具だけあってルールブックがないと、渡り方を毎回考えなければならない。

ワンポイントTip：「Skillsなしでも動くなら、まずSkillsなしで試してみればいいんじゃ？」という考え方もあります。実際私もそうしました。でも、Skillsなしで使い込んでいくうちに「毎回手順が違う」「エラーのたびにやりとりが増える」「ファイルが散らかる」という問題が積み重なって、Skillsを作ることになりました。最初からSkillsを入れておいた方が絶対に楽です。

⚡ 第2章　Skills「あり」vs「なし」徹底比較、同じ作業で何が変わるか

第1章でSkillsの役割と、トークン消費の差を見てもらいました。でも「数字だけ言われてもピンとこない」という方のために、もう少し具体的に比べてみます。

前提を確認しておきます。どちらの場合もnotebooklm-pyは導入済みです。違いは「Skillsを入れているかどうか」だけです。

実際に私が試した3つの作業で、ビフォー・アフターを並べます。

比較① Deep Researchを実行してレポートを保存する

Skillsなし（実際にやってみた手順）

例えばClaude Codeに「4月22日にOpenAIがリリースしたGPT image2について調査して」と頼みます。notebooklm-pyは入っているので動きますが、こんな流れになります。

まずClaude Codeが「どんなテーマで調べますか？詳しく教えてください」と聞いてきます。答えると、今度は「ノートブック名は何にしますか？」と聞いてきます。答えると、ノートブック作成コマンドを実行します。

次に「Deep Researchのモードはどれにしますか？Fast ResearchかDeep Researchか」と聞いてきます。選ぶと、調査開始のコマンドを実行します。ここで待ち時間が発生します。

10〜15分後、完了したとしましょう。「レポートを取得してファイルに保存して」と伝えます。するとClaude Codeがレポート取得コマンドを実行しますが、「保存先フォルダはどこにしますか？」「ファイル名はどうしますか？」という確認がまた入ります。

これを毎回繰り返します。

しかも途中でエラーが出ることがあります。認証が切れていたとき、私のケースでは「セッションエラーが出ました。再ログインが必要です。notebooklm login を実行してください」という案内が来て、ログインして、また最初から実行し直しになりました。その確認のやりとりだけで数百トークンが飛びます。

実際の消費トークン（私が測定した平均値）：約3,000〜8,000トークン

確認のやりとり、コマンドの選択、エラー対処、再実行。これが積み重なります。

Skillsあり（実際の会話）

私：「AIエージェントの市場動向について Deep Researchして。
    コンテンツ制作者向けの切り口で。保存先は research フォルダに」

Claude：「調査プロンプトを作成しました。以下の内容で進めてよいですか？
    （調査プロンプトの内容を表示）」

私：「OK」

Claude：「Deep Researchを開始しました。NotebookLM側で処理中です。
    完了したら教えてください」
（10〜15分待つ）

私：「完了した」

Claude：「レポートを取得して保存しました。
    research/report.md として格納しています」

確認のやりとりは「内容でよいか」の1回だけです。エラーが起きても、Skillsが自動的に対処してくれるのでやりとりは増えません。保存先もフォルダ構造も、毎回同じルールで自動的に決まります。

実際の消費トークン：約110〜200トークン

同じ作業で、20〜70倍の差が出ます。

比較② クイズ・フラッシュカード・マインドマップをHTMLに変換して見やすくする

これは「Skillsなしだとそもそもかなりしんどい」という典型例です。

前提として知っておいてほしいこと

NotebookLMでクイズを生成してダウンロードすると、.json という形式のファイルが手に入ります。テキストエディタで開くと、こんな感じです。

{"quizzes"[{"question""NotebookLMのDeep Research機能は何をするか？",
"choices"["A. PDFを要約する","B. インターネット上の情報を収集してレポートを作る",
"C. 動画を生成する","D. フラッシュカードを作る"],"answer""B"...

これをそのまま読んで勉強する人はいませんよね。普通に読めませんし使いにくい。

Skillsなしで対処しようとすると

当たり前ですがnotebooklm-pyには「クイズのJSONをHTMLに変換する」機能は組み込まれていません。Skillsなしだと、Claude Codeに「このJSONをクイズ形式のHTMLに変換して」と頼むしかありません。

できます。でも問題があります。

Claude Codeがその場でHTMLを生成するので、デザインが毎回違います。先週作ったクイズHTMLと今週のクイズHTMLで、見た目がまったく別物になります。フォントが違う、色が違う、ボタンの動きが違う。日本語フォントがうまく表示されないこともあります。

しかも、このHTML生成自体でそれなりのトークンを消費します。毎回ゼロからHTMLを書くので、出力されるコード量が多くなるからです。

さらに言うと、Claudeが生成したHTMLファイルは自分でファイルに保存してブラウザで開く必要があります。Claudeの画面からコピーして、テキストエディタに貼り付けて、.html という拡張子で保存して、ダブルクリックして開く。この地味な手順が毎回発生します。

Skillsありだと

「フラッシュカードをHTMLに変換してブラウザで開いて」

これだけです。10秒後にはブラウザが自動的に開いて、カードをクリックするとフリップする画面が表示されます。

デザインはApple JapanのWebサイトを参考にしたシンプルな白基調で、日本語フォントも毎回きれいに表示されます。「覚えた」「もう一度」ボタンで学習進捗まで管理できて、全カード終了後にスコアが出ます。このデザインはSkillsの中に固定されているので、毎回同じクオリティの画面が出てきます。

先週のクイズも今週のクイズも、全部同じ見た目で統一されます。

比較③ 調査レポートを「で、何をすればいい？」形式で整理する

Deep Researchで3万文字のレポートが手に入りました。内容は充実しています。でも読み終わったあとに「で、私は何をすればいいんだろう？」となった経験、ありませんか？

情報はある。でもそれを自分の状況にどう当てはめるかがわからない。

Skillsなしだと

notebooklm-pyには、Deep Researchの結果を構造化して分析する機能はありません。Claude Codeに「このレポートを整理して」と頼む方法しかありません。

するとClaude Codeは3万文字のレポート全文を読み込んで、要約や整理をしてくれます。これは動きます。でも2つの問題があります。

1つ目はトークン消費です。3万文字をClaudeのコンテキストに読み込むと、それだけで相当なトークンが消費されます。

2つ目は「どう整理するか」が毎回違うことです。「要約して」だけだと、何を軸に整理するかはClaude Codeのその場の判断になります。今日と明日で整理の切り口が変わる。同じ作業を続けているのに、アウトプットの形式がバラバラになっていきます。

Skillsありだと（notebooklm-dbs-v3を使った場合）

「このDeep ResearchをDBSで整理して」

DBSとは「Directionality（方向性）/ Blueprint（設計図）/ Scripts（手順）」の3軸のこと。

方向性：この情報が示すトレンドや未来の方向性は何か
設計図：全体の仕組み・構造・要素の関係性
手順：実際にどう動けばいいか・具体的なアクション

この3軸はSkillsの中に固定されているので、どんなテーマのDeep Researchに対しても同じフレームで整理されます。テーマによってはピッタリハマらないものもあるかもしれませんが、この「型」があると今週も来週も、1ヶ月後も、同じフォーマットのレポートが出てきます。

しかも「自分は何をすべきか」というSのパート（手順）があるので、情報の山が「やること（Do）」に変換されるため、ソース元が読んで活かす資料に変わります。

DBSがあれば、最初から3万文字を全部読み込む必要もなく、NotebookLM側で整理も処理されるので、Claude Code側のトークン消費は最小限のままです。

Deep ResearchのSkillsで包括的に情報を取得、DBSのSkillsで膨大な量を構造化して情報整理。DBSの結果を元に必要な情報をDeep Researchから取りに行くことも可能です。この部分をClaude Codeにお願いしても、欲しい情報をピンポイントで指定しているのでトークン消費も最小限で抑えることができますね。

この3つの比較を通じて見えてきたことがあります。

SkillsはClaude Codeの「記憶の代替」です。notebooklm-pyはあくまで橋渡し役で、「その橋をどう渡るか」「どこに保存するか」「エラーが出たらどうするか」「整理の軸はどうするか」という判断を毎回Claude Codeに委ねていると、それだけトークンを消費して、アウトプットも安定しなくなります。Skillsはその判断を先回りして持っておくことで、Claude Codeが考えなくていい仕事を減らします。

ちょっと面倒な繰り返し作業やつまづきがあれば、それは「めんどくさい」と思いつつ「Skillsのチャンスだ！」と喜んでSkills化にしてみましょう。

ワンポイントTip：「比較③のDBS、難しそう」と思った方、全然難しくないです。「このDeep ResearchをDBSで整理して」と一言言うだけで動きます。フレームワークの名前を覚える必要すらありません。

🚀 第3章　「指示1行」で何が動くか、Deep Researchデモ

実際のデモをご紹介します。

これは私が2026年4月20日に実際に実行したDeep Researchの記録です。お題は「notebooklm-pyと5つのSkillsの使い方」。このニュースレター記事を書くための調査として実行しました。

Skillsが作成したDeep Research用の調査プロンプト

Skillsが私と対話して生成した調査プロンプトはこんな内容でした。

【調査テーマ】notebooklm-py と5つのSkills（notebooklm-deep-research /
notebooklm-manager / notebooklm-viewer / notebooklm-dbs /
notebooklm-best-practices）の使い方

【調査の目的】
個人ブログ・ニュースレター向け記事執筆のための情報収集。
読者は非エンジニアの一般ビジネスパーソン。
「すごい」だけでなく「実際どう使うか」まで届ける。

【調査してほしい内容】
1. notebooklm-pyの概要・インストール方法・認証手順
2. 各Skillの役割と具体的な操作手順
3. 5つのSkillsを組み合わせた実践フロー例
4. よくあるエラーと対処法
5. 他のツールとの比較・優位性

私が最初にClaudeに渡したのは「notebooklm-pyと5つのSkillsについて調べて。ニュースレター記事用に」という一文だけです。Skillsが発動し、事前に設定してある一問一答が自動発動して対話を繰り返し、この調査プロンプトに膨らませてくれました。

出力されたレポート（抜粋）

約15分後、こんなレポートが届きました。全文は約3万4千文字です。一部を抜粋して紹介します。

次世代リサーチ・エージェント基盤 notebooklm-py と 5つのコア・スキル：ビジネス実装と運用の完全ガイド
>
情報過多の時代において、知識の収集、整理、そして価値あるアウトプットへの変換をいかに迅速に行うかは、ビジネスパーソンの競争力を左右する決定的な要因となっている。Googleが提供するNotebookLMは、その強力なソース準拠型AIとしての能力、特に100万トークンを超えるコンテキストウィンドウを活用した資料解析や音声Podcast生成機能により、個人のリサーチワークフローに革命をもたらした。
>
（中略）
>
notebooklm-pyの技術的な柱は、成熟したブラウザ自動化技術であるPlaywrightの採用にある。Googleのサービスは、一般的なAPIトークンやOAuth 2.0を用いた簡易的な認証だけではアクセスできない内部エンドポイントが多く存在する。notebooklm-pyは、実際のブラウザ操作をシミュレートすることで、人間がログインする際と同等のセッションを確立し、そのクッキー情報をローカルのstorage_state.jsonに保存して再利用する。このアプローチにより、Google Cloudプロジェクトの作成やAPIキーの管理といった複雑な作業を一切不要にしながら、強力な操作権限を確保している。

このレポートには引用番号が付いていて、どの情報がどのサイトから来たかがすべて追跡できます。

3万4千文字のレポートで参照サイト数は25件以上。NotebookLMがインターネット上を横断して集めてきた情報が、きれいに整理されています。

このとき消費したトークン数

Claude Code側のトークン消費を記録していました。

Deep Researchの起動：約80トークン
レポートの取得・保存：約130トークン
合計：約210トークン

3万4千文字の調査レポートを、Claude Code側のコスト換算で0.5円以下で手に入れました。Claude Codeに調査を依頼したら、まずありえないコスト感ですね。

Skillsなしで同じことをやろうとすると、Claude Codeが直接調べる必要があるので、最低でも数千～数万トークンは消費します。桁が2つ違います。

ワンポイントTip：「15分待つのが面倒」という気持ち、わかります。ただ、Skillsがあるとその15分間は完全に手が空きます。「完了した」と伝えるまでClaudeは待機しているので、他の作業をしていれば体感では一瞬です。私はDeep Researchを走らせながら、別のメッセージの返信や次のセクションの構成を考えたりしています。

🎬 第4章　コンテンツ制作者向けユースケース4選

このSkillsパッケージを特に活かせるのが、私のような日々コンテンツ制作をしている方々です。ニュースレター・ブログ・SNS発信・動画スクリプト。毎週何かしらのコンテンツを作っている人にとって、「リサーチ」と「素材整理」は地味に時間を食う作業です。

実際にどう使えるか、4つのシナリオで見てみます。

ユースケース①　週次ニュースレターのリサーチを自動化する

私自身が毎週やっていることです。

毎週火曜に発行しているニュースレターのために、月曜にリサーチを走らせます。お題は「今週のAI関連トピックの中で、非エンジニアビジネスパーソンが知っておくべきこと」。

Skillsなしだと、この調査に2〜3時間かかっていました。いくつかのサイトを読んで、興味深い情報をコピーして、整理して、自分なりの解釈を加えて……という作業の繰り返しです。

Skillsありだと、こうなります。

「今週の主要AIニュースについてDeep Researchして。
非エンジニアのビジネスパーソンが気になるトピックを中心に。
実際のビジネス活用事例も含めて」

15分後に3万文字のレポートが届きます。そこからさらに「DBSで整理して」と頼むと、「今週注目すべきトレンド」「各サービスの構造的な位置づけ」「読者が今週試せる具体的なアクション」の3つに整理されたレポートが完成します。

これをベースに興味がある部分をピックアップして整理したり、さらにそのキーワードから別のリサーチを走らせたりすると情報が充実します。

これに加えて日々のSNS発信のポスト内容や、反応が良かったポストを抽出して情報を組み換え、整理することが多いです。

ここまで欲しい情報が集まると、後は構成がすでに見えているので執筆速度が全然違います。

ユースケース②　競合・業界調査のレポートを量産する

マーケティング担当者や事業企画の方に特に向いているケースです。

「〇〇業界の主要5社の最新動向を調べたい」という需要は毎月発生しますが、毎回手でやっていたら時間がいくらあっても足りません。

「SaaSマーケティングツール業界の主要5社の最新動向について調べて。
各社の新機能・価格戦略・強みと弱みを比較形式で」

このお題でDeep Researchを走らせると、各社の公式発表・メディア報道・ユーザーレビューを横断した比較レポートが完成します。しかもこれも「DBSで整理して」を追加すれば、「業界が向かっている方向」「競合の構造」「自社が打つべき施策」まで整理されます。

毎月の競合レポート作成が、半日仕事から15分に変わります。

ユースケース③　学習コンテンツを一気に作る

「資格試験の勉強をしたい」「新しい技術を体系的に学びたい」という方向けです。

教材となるURLやPDFをNotebookLMに入れてから：

「この資料からクイズとフラッシュカードを生成して、HTMLに変換して」

するとクイズページとフラッシュカードページが自動生成されます。

クイズは選択肢をクリックすると即座に正解・不正解が表示されて、全問終了後にスコアが出ます。フラッシュカードは表をクリックすると3Dでフリップして裏面が出てくる。「覚えた」「もう一度」ボタンで苦手なカードだけ繰り返せます。

市販の問題集を買う前に、自分の学習範囲に特化した教材を自作できます。

ここでちょっと、小話です。

「なぜわざわざNotebookLMでクイズやフラッシュカード機能があるのに、ローカルに落としてHTML化する必要があるのか？」と思う方もいると思います。

もちろんNotebookLM内でクイズやフラッシュカードが作れるのでそれでも良いのですが、Claude Code×NotebookLMの醍醐味は情報をローカルに引っ張れることです。

例えば会計を学んでいて、大学の講義を1つのノートブックにまとめていたとします。一方で書籍や外部セミナー、気になるYouTube動画を見て、別なノートブックに情報を蓄積していたとします。この時点で「会計」に関するノートブックは2つ存在します。

「同じ会計なら、どちらかのノートブックに情報を集約すれば良いのでは？」と思う方もいるかも知れませんが、何でもかんでもソースを集約するのはオススメしません。

なぜなら、NotebookLMの醍醐味はハルシネーションの無い専用のチャットボットを作れる点です。大学の講義の「会計」なら、それ専用のノートブックにしておいたほうが講義の内容についていつでも聞けるので良いです。

で、別の会計に関する知識は違うノートブックにしておくことで情報の精度が保たれます。

でも、会計をしっかり学ぶなら、この2つのノートブックの情報をまとめて「クイズ」や「フラッシュカード」で学びたいと思いませんか？そこで活きるのがClaude Code×NotebookLMです。あまり馴染みのないJSONという形式で取得することで、ノートブックのソースを元に作られたクイズやフラッシュカードの生データが手に入ります。

2つのノートブックから2つの生データを取得することで、これらをClaude Code側で結合して集約した「クイズ」や「フラッシュカード」が作れてしまいます。これこそがNotebookLMのデータを自由に加工できる楽しさですよね。

ぜひ、資格試験、大学の講義、昇進試験など、学びの機会はたくさんあると思いますので、専門性の高いノートブックを作りつつ、いろいろな生データをGETして組み合わせて「クイズ」や「フラッシュカード」化を楽しんでほしいです。

ユースケース④　社内セミナー・研修の資料を丸ごと作る

「来月、社内でAI活用について話すことになった。資料を作らないといけない」という状況、ありますよね。

テーマに関する資料をいくつかNotebookLMに入れてから：

「このノートブックでスライド・ポッドキャスト・インフォグラフィックを作って、
全部ダウンロードして整理して」

ちょっと雑ですが、スライド（PDF）、聴けるポッドキャスト音声、SNS投稿用のインフォグラフィック画像が一気に揃います。資料はゼロイチで作るのが一番大変ですがら、一旦NotebookLMでたたき台のデザインを作ることで、参加者に配布する資料、振り返り用の音声、事前告知用の画像。このラフが一回の指示でパッケージとして完成します。

後はPDFを元に構成を把握して、あらためて自分専用のスライド構成用プロンプトでClaudeに作らせるなど、色々応用が効きます。

Claude Opus 4.6で決算書をPowerPoint化したら今までとは雲泥の差に驚愕＆自分スタイルを作成しSkills化する流れを徹底解説

テツメモ｜tetumemo

2026-02-11

4つのケースに共通しているのは、「重い作業をNotebookLMが担当して、Claude Codeはその段取りだけをやる」という構造です。そしてその段取りを最小化するのがSkillsの役割です。

ワンポイントTip：「ユースケースはわかったけど、具体的にどのSkillを使うのか混乱してきた」という方、次の第5章で5つのSkillsの全体マップを整理します。「これはいつ使う」という対応表を作ったので、そこを見れば整理されます。

🗺️ 第5章　5つのSkillsの全体マップ

5つのSkillsがある、というのはわかりました。でも「どれをいつ使うのか」「全部使わないといけないのか」「一緒に使う場合はどんな順番か」、そのあたりを整理します。

5つのSkillsの役割

Skill名	一言で言うと	使うタイミング
notebooklm-deep-research	Deep Researchの自動化	何かを調べたいとき
notebooklm-manager-v2	コンテンツの保存・整理	生成物をダウンロードしたいとき
notebooklm-viewer-v2	JSONをHTMLに変換	クイズ・フラッシュカード・マインドマップを見やすくしたいとき
notebooklm-dbs-v3	調査結果を3軸で整理	情報を「行動できる形」にしたいときや、新しい深堀りポイントの抽出。
notebooklm-best-practices-v2	安全操作のルールブック	常時（他のSkillsが自動参照）

「best-practices-v2」は特別な存在

この5番目のSkillは、あなたが直接呼び出すものではありません。他の4つのSkillsが動くときに、裏側で自動的に参照される「安全装置」です。

例えば「ノートブックを削除して」と頼んだとき、削除前に「本当に削除しますか？ノートブック名：〇〇、ID：〇〇です」という確認が入ります。NotebookLMの削除は取り消しができないので、このワンクッションが大事です。こういった安全装置を組み込んでいます。

認証が切れたときの再ログイン手順、大量操作でGoogleのレート制限にかかりそうなときの自動待機。こういった「失敗しにくい操作」を担保するのがbest-practices-v2の仕事です。

1本だけ使う場合

すべてを組み合わせる必要はありません。状況に応じて1本だけ使うことも多いです。

deep-researchだけ使う
「今週のAIニュースをまとめたレポートが欲しい」だけであれば、これ1本で完結します。レポートは自動的にファイルに保存されます。Skillsのトリガーがうまく動かない時は、Skillが保存されているパスを指定して動かせばOKです。もちろん自分好みのトリガーに変更しちゃっても大丈夫ｄす。

manager-v2だけ使う
「NotebookLMで生成した音声ファイルとスライドを一括ダウンロードして整理したい」という場合は、これだけで大丈夫です。「保存先はどうしますか？」など、好き勝手に保存するのを防ぎます。

viewer-v2だけ使う
「先週NotebookLMで作ったクイズのJSONファイルがあるから、HTMLに変換したい」という場合は、これだけ呼び出します。また、過去の複数JSONファイルを集約してHTML化することも得意です。

組み合わせる場合の典型パターン

※基本的にSkillフォルダにすべて格納しておけば、勝手に自然言語に反応して動きます。

パターンA：リサーチから整理まで（ニュースレター制作向け）

1. deep-research　→　テーマを調べてレポートを保存
2. dbs-v3　→　レポートを「方向性・設計・アクション」で整理
3. manager-v2　→　スライドやインフォグラフィックをダウンロード

パターンB：学習コンテンツ一式を作る（試験勉強・研修向け）

1. manager-v2のソース追加　→　参考URLやPDFをNotebookLMに入れる
2. deep-research（オプション）　→　試験範囲を深掘り調査
3. manager-v2　→　クイズ・フラッシュカード・マインドマップを生成・保存
4. viewer-v2　→　保存したJSONをHTMLに変換

パターンC：最速レポート（15分で企画書の骨格を作る）

1. deep-research　→　市場調査・競合調査
2. dbs-v3　→　「方向性・設計・アクション」に整理

これだけです。15分の待ち時間を除けば、実際に手を動かす時間は5分以内です。

どれから始めるか

5つのSkillsを全部設置したとして、最初に使うべきはnotebooklm-deep-researchです。

理由はシンプルで、これが一番インパクトを感じやすいからです。「指示1行で数万文字のレポートが出てきた」という体験を最初にしておくと、他のSkillsの活用イメージも自然と広がります。

使い始めのルートとしては：

deep-researchで調査してレポートを手に入れる
そのレポートをdbs-v3で整理してみる
「ちゃんとフォルダ管理もしたい」と思ったらmanager-v2を追加
クイズやフラッシュカードを作りたくなったらviewer-v2を追加

という順番が、自然な流れだと思います。

ワンポイントTip：「5つ全部インストールしても邪魔にならないの？」という心配は不要です。Skillsは呼び出したときだけ動くので、インストールしておくだけでは何も起きません。全部入れておいて、必要なものを必要なときに使うスタイルがおすすめです。

ここからのコンテンツ

ここまで読んでくれた方は、こんな状態だと思います。

「仕組みはわかった。指示1行でDeep Researchが動いて、トークンを使わずに数万文字のレポートが手に入るのもわかった。でも、実際に自分のパソコンで動かすには何をすればいい？」

そのぼんやりを全部消すのが、ここからの内容です。

正直に言うと、この5本のSkillsを完成させるまでに、私はかなりの失敗を重ねています。

音声生成が途中でタイムアウトして止まる。Windows環境だけ文字コードのエラーが出てファイルが読み込めなくなる。Deep Researchを繰り返すたびに同じソースが重複してインポートされ、気づいたら50件以上の重複でノートブックがぐちゃぐちゃになっていた。一度は「古いものをまとめて整理して」と頼んで、確認なしで大事なノートブックを丸ごと消してしまったこともあります。

こうした失敗は、使い始めた人なら誰でも遭遇する「よくある壁」です。なので私が先に全部踏んでおきました。そしてその経験が、全部Skillsの中に「次は起きないように」という形で組み込まれています。

たとえば、best-practices-v2には「削除操作の前に必ず確認を取る」というルールが入っています。manager-v2には「ソースを追加する前に重複チェックをする」手順が入っています。deep-researchには「プロンプトが長くなりすぎないよう自動で調整する」仕組みが入っています。これは設計上の配慮ではなく、全部実際にやらかしたことへの対処です。

「Skillsを使いたいけど、フォルダの配置がよくわからない」という方のために、第6章のセットアップ手順は特に丁寧に書きました。エンジニアには当たり前でも非エンジニアには馴染みのない「.claudeフォルダ」の場所、Skillsが正しく認識されているかの確認方法、「認識されない」ときの原因と直し方など、この一連を、一手一手ていねいに解説しています。

有料エリアでは、5つのSkillsを1本ずつ丁寧に解説します。