用途：从 NotebookLM Enterprise 笔记本的来源（如 DeepWiki URL、GitHub 仓库）中提取知识，生成可操练的抽认卡，并支持跨笔记本合并与 Emacs 内复习。
主要能力：通过 Discovery Engine API 获取来源标题，使用 Gemini 2.5 Flash（Vertex AI）分批生成卡片（默认每来源 10 张、每批 5 个来源），输出 flashcards.json 与 quiz.json；用 bb n/nblm_merge.bb 合并去重为 all-flashcards.json；在 Emacs 中用 M-x nblm-drill-all（完整合并牌组）或 M-x nblm-drill-repo（按组织/仓库过滤）进行操练。
使用方式：脚本位于 ~/worlds/n/。生成单笔记本卡片：hy n/nblm_flashcards.hy --notebook-id <UUID> --per-source 10 --batch-size 5。回填：bb n/nblm_backfill.bb（创建并添加来源）、--status（检查摄取）、--generate（生成卡片）。合并：bb n/nblm_merge.bb。操练：emacs -nw --load ~/worlds/n/nblm-drill.el。
适用场景：为 NotebookLM 笔记本来源构建可复习的抽认卡组，跨多个笔记本（如多批次回填）整合知识并定期操练。
限制：需 NotebookLM Enterprise、Vertex AI 与相应 GCP 项目环境；资料提及区域 us-central1、maxOutputTokens 65536、temperature 0.7、token 每 30 分钟自动刷新等配置。免费/收费、价格、具体部署细节及在当前环境的可用性暂未提供。