在為 NotebookLM 準備文件、將文件組織到知識庫、轉換格式以實現 NotebookLM 相容性或減少大型文件集合以適應 NotebookLM 的 50 個來源限制時使用。對來源進行評分和優先排序、執行策略合併（時間序列、基於主題、格式合併）、轉換不支援的格式（PPTX 到 PDF、XLSX 到 CSV）、應用具有描述性蛇形名稱的平面結構，並優化 RAG 檢索效能。
透過命令列快速安裝 notebooklm-knowledge-base-organizer AI 技能到你的開發環境
來源：agmangas/agent-skills。
Prepares files for optimal use in NotebookLM by intelligently selecting and consolidating sources, converting formats, organizing structure, and ensuring compatibility. The primary constraint is NotebookLM's 50-source limit per notebook. When collections exceed this limit, systematic scoring,
prioritization, and strategic merging reduce source count without losing valuable information.
Prefer many smaller, focused documents over few large ones for better RAG retrieval. The 50-source limit is the primary optimization constraint.
在為 NotebookLM 準備文件、將文件組織到知識庫、轉換格式以實現 NotebookLM 相容性或減少大型文件集合以適應 NotebookLM 的 50 個來源限制時使用。對來源進行評分和優先排序、執行策略合併（時間序列、基於主題、格式合併）、轉換不支援的格式（PPTX 到 PDF、XLSX 到 CSV）、應用具有描述性蛇形名稱的平面結構，並優化 RAG 檢索效能。 來源：agmangas/agent-skills。
為搜尋與 AI 引用準備的穩定欄位與指令。
npx skills add https://github.com/agmangas/agent-skills --skill notebooklm-knowledge-base-organizer在為 NotebookLM 準備文件、將文件組織到知識庫、轉換格式以實現 NotebookLM 相容性或減少大型文件集合以適應 NotebookLM 的 50 個來源限制時使用。對來源進行評分和優先排序、執行策略合併（時間序列、基於主題、格式合併）、轉換不支援的格式（PPTX 到 PDF、XLSX 到 CSV）、應用具有描述性蛇形名稱的平面結構，並優化 RAG 檢索效能。 來源：agmangas/agent-skills。
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/agmangas/agent-skills --skill notebooklm-knowledge-base-organizer 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/agmangas/agent-skills