====== NotebookLM CLI v Dockeru ======

Repozitář: [[https://github.com/teng-lin/notebooklm-py/tree/main|https://github.com/teng-lin/notebooklm-py/tree/main]]

Video, které mě inspirovalo k návodu:

{{youtube>QKIY_BthvgU?}}

===== Úvodní Kontext =====

Potřeboval jsem rozběhnout ''%%notebooklm-py%%'' v Dockeru, ale první přihlášení jsem nechtěl dělat uvnitř kontejneru. V Dockeru sice zvládnu CLI provoz, ale nemohu tam pohodlně spustit GUI prohlížeč pro autentizaci, takže login dělám na hostitelském počítači a do Dockeru pak přenesu hotový ''%%storage_state.json%%''.

===== Jak to mám rozdělené =====

==== Docker ====

V Dockeru instaluji jen CLI nástroj:

<code bash>
pipx install notebooklm-py
</code>

Pak v kontejneru používám připravený adresář pro NotebookLM data:

<code bash>
/home/ubuntu/.notebooklm
</code>

==== Hostitelský počítač ====

Na hostu dělám jen jednorázový login přes Playwright a prohlížeč.

===== Login na hostitelském počítači =====

Na hostu jsem si pro login připravil vlastní virtuální prostředí, abych nemíchal browser závislosti se systémovým Pythonem.

<code bash>
mkdir -p ~/notebooklm
cd ~/notebooklm
python3 -m venv .venv
source .venv/bin/activate
pip install "notebooklm-py[browser]"
playwright install chromium
</code>

Po úspěšném přihlášení mi vznikl soubor:

<code bash>
$HOME/notebooklm/.notebooklm/storage_state.json
</code>

===== Přenos přihlášení do Dockeru =====

Jakmile jsem dokončil přihlášení na hostu, zkopíroval jsem ''%%storage_state.json%%'' do kontejneru. Cílově ho chci mít tady:

<code bash>
/home/ubuntu/.notebooklm/storage_state.json
</code>

===== Praktické použití v Dockeru =====

V běžném provozu už v Dockeru nepotřebuji browser login. Stačí mi mít nainstalovaný nástroj přes ''%%pipx%%'' a přítomný ''%%storage_state.json%%''.

Pak už používám ''%%notebooklm%%'' CLI normálně v kontejneru podle potřeby. Browser autentizaci znovu řeším jen ve chvíli, kdy přihlášení vyprší nebo potřebuji vytvořit nový stav cookies.

===== Jak jsem naučil AI pracovat s NotebookLM =====

Protože v Dockeru používám AI, nestačí mi jen samotné CLI. Potřeboval jsem ještě nainstalovat skill, aby AI uměla s NotebookLM pracovat přímo.

Spustil jsem:

<code bash>
notebooklm skill install
</code>

Tím se připravil skill pro Claude a instalátor mi vypsal, kam ho uložil. Potom jsem si tento skill přesunul podle své potřeby na místo, odkud ho moje AI v Dockeru používá.

===== Důležitá nastavení =====

  * Browser autentizaci dělám na hostu, protože v Dockeru nemohu pohodlně projít GUI login.
  * Na hostu instaluji ''%%notebooklm-py[browser]%%'' a spouštím ''%%playwright install chromium%%''.
  * V Dockeru mi pro provoz stačí ''%%pipx install notebooklm-py%%''.
  * Přihlášení přenáším přes ''%%storage_state.json%%''.
  * V Dockeru používám ''%%/home/ubuntu/.notebooklm%%''.
  * ''%%storage_state.json%%'' obsahuje přihlašovací cookies, takže ho nedávám do Gitu.
  * Pro ovládání z AI ještě instaluji skill přes ''%%notebooklm skill install%%''.

===== Závěr =====

Nejpraktičtější je udělat ''%%notebooklm login%%'' jednou na hostitelském počítači a do Dockeru přenést jen ''%%storage_state.json%%''. Tím oddělím browser krok od běžného CLI použití a v kontejneru už nemusím řešit Playwright GUI.