用途：为某个话题写推荐、测评或观点文前做背景研究，把 YouTube 视频与网页文章批量收集进 NotebookLM 笔记本，跑分析查询后把结果保存到本地目录（默认 ./research/<topic>/，可用 RESEARCH_OUTPUT_DIR 或对话指定）。它不负责写成品文章、选标题、下载视频（交给 yt-dlp-direct）或发布到多平台（交给 publisher-wechatsync）。
主要能力与流程：先与用户对齐主题、角度、笔记本命名和量级；用 nlm notebook create 建笔记本并 nlm alias set 设短名；用 yt-dlp --simulate --print 跑 ytsearch15 搜索（默认每轮 15 条，可并行 2-3 个角度），去重并按官方账号、播放量筛选；用 bash 循环逐条 nlm source add，每条间隔 sleep 2 秒避免限流；用 nlm research start --mode deep 发现约 40 条网页源，nlm research status --max-wait 360 等待，nlm research import 导入；再跑 3 个分析查询（Top 清单、目标读者向、入门与坑），输出重定向到文件，用 Python 抽取 value.answer 生成汇总 markdown。
前置条件：nlm CLI 已安装并登录（nlm login --check，session 约 20 分钟）、yt-dlp 在 PATH 中、主题与角度明确、输出目录可写。
限制与注意：NotebookLM deep research 一次只能跑一个任务，不能并发；不要默认生成 audio/video/slides；不要自动跑第二轮 research；不要覆盖已有汇总文件（存在则追加 -v2）；研究查询不要塞私密信息；不要删除 notebook。Bash 调用需按资料设置较长 timeout。失败或跳过的 source 需在报告中说明。