使用 Google Apps Script 同步 Markdown 筆記至 NotebookLM

TLDR

• NotebookLM 不支援直接同步 Markdown 檔案，且重複上傳會產生重複來源，無法批次更新。
• 透過 Google Apps Script (GAS) 可將本機 Markdown 檔案自動轉換並更新為 Google Docs，進而觸發 NotebookLM 的同步機制。
• 核心邏輯：利用 GAS 遞迴掃描來源資料夾，將 Markdown 內容寫入 Google Docs，並透過 getLastUpdated() 判斷是否需要更新，確保 NotebookLM 的引用連結不中斷。
• 建議將同步邏輯封裝為 Library，並透過「時間驅動」觸發器達成自動化。
• 處理長文字時，必須使用分批寫入 (Chunking) 策略，避免超過 GAS 的執行限制。

---

NotebookLM 雖然具備強大的 RAG 能力，但對於習慣持續迭代 Markdown 筆記的使用者而言，其檔案管理機制存在明顯痛點：

1. 重複上傳問題：上傳相同檔名的檔案會被視為全新來源，導致舊來源與新來源並存，無法自動覆蓋。
2. 格式支援限制：不支援直接同步 .md 檔案。
3. 目錄結構繁瑣：無法批次選取子資料夾內的檔案進行同步。

為了解決這些問題，我們可以透過 Google Apps Script (GAS) 建立一個「中轉服務」，將 Markdown 轉換為 Google Docs，並利用 Google Drive 的同步機制與 NotebookLM 串接。

Google Apps Script 實作流程

1. 建立專案與設定參數

在 script.google.com 建立新專案後，將核心邏輯貼入 程式碼.gs。你需要設定來源與目標資料夾 ID，並定義黑白名單以過濾檔案。

function syncCloudyWingLog() {
  const sourceFolderId = 'Source Folder Id';
  const targetFolderId = 'Target Folder Id';

  // 設定檔案白名單 (只同步 .md)
  const whitelistFiles = [/\.md$/i];
  // 設定檔案黑名單
  const blacklistFiles = [/^index\.md$/i, /^about\.md$/i, /^tags\.md$/i];

  SyncUtils.startSyncEngine(
    sourceFolderId,
    targetFolderId,
    whitelistFiles,
    blacklistFiles,
    [],
    []
  );
}

2. 核心同步邏輯

為了確保 NotebookLM 的對話紀錄不中斷，我們必須維持 Google Doc 的檔案 ID 不變，僅在內容更新時進行覆寫。

/**
 * 將單一檔案同步至 Google Doc
 */
function syncFileToGoogleDoc(sourceFile, targetFolder, targetDocName) {
  const existingFiles = targetFolder.getFilesByName(targetDocName);
  let targetDocFile = null;

  while (existingFiles.hasNext()) {
    const f = existingFiles.next();
    if (f.getMimeType() === MimeType.GOOGLE_DOCS) {
      targetDocFile = f;
      break;
    }
  }

  if (targetDocFile) {
    // 僅在來源檔案更新時才寫入，避免不必要的 API 消耗
    if (sourceFile.getLastUpdated() > targetDocFile.getLastUpdated()) {
      updateDocContent(targetDocFile.getId(), sourceFile);
    }
  } else {
    createDocContent(targetFolder, targetDocName, sourceFile);
  }
}

3. 分批寫入策略 (Chunking Strategy)

什麼情況下會遇到這個問題：當 Markdown 筆記內容過長，直接寫入會導致 GAS 執行逾時或記憶體溢位。

function writeContentInChunks(docBody, fullText) {
  const CHUNK_SIZE = 20000;
  docBody.setText(""); // 清空舊內容

  for (let i = 0; i < fullText.length; i += CHUNK_SIZE) {
    const chunk = fullText.substring(i, i + CHUNK_SIZE);
    const paragraphs = docBody.getParagraphs();
    const lastParagraph = paragraphs[paragraphs.length - 1];

    if (lastParagraph) {
      lastParagraph.appendText(chunk);
    } else {
      docBody.appendParagraph(chunk);
    }
    Utilities.sleep(150); // 避免 API Rate Limiting
  }
}

4. 部署與自動化

• Library 封裝：將核心邏輯部署為 Library，透過「指令碼 ID」在其他專案中引用，實現程式碼重用與解耦。
• 自動化觸發：點擊左側「觸發條件」，設定「時間驅動」觸發器（例如每小時執行一次 syncCloudyWingLog），即可達成背景自動同步。

---

技術選型總結

在選擇知識庫方案時，曾評估過以下工具，但因特定需求未達標而放棄：

• AnythingLLM：雖然功能強大，但需要進行向量索引 (Vector Indexing) 匯入，且參數（Chunk Size/Overlap）調校成本高，對於筆記搜尋的精準度要求難以滿足。
• 本地 AI 模型 (LM Studio/Ollama/KoboldCpp)：雖然隱私性高，但受限於 VRAM 資源與硬體效能，且缺乏像 NotebookLM 那樣針對長文上下文的優化處理。

結論：對於無隱私疑慮的筆記，NotebookLM 仍是目前 RAG 效果與維護成本平衡點最高的選擇。透過 GAS 解決檔案同步問題後，可大幅降低手動維護的繁瑣度。

---

異動歷程

1. 2026-01-27

   • 初版文件建立。