Claude Code y NotebookLM: cómo montar un sistema RAG gratuito para investigación en profundidad

Uno de los problemas más irritantes al trabajar con Claude Code surge cuando hay que analizar un gran corpus de documentos: la búsqueda web integrada ofrece resultados superficiales y los tokens se evaporan a ojos vista. La solución que está ganando popularidad en la comunidad de desarrolladores de habla rusa combina Claude Code de Anthropic con NotebookLM de Google para crear un sistema RAG sin gastar ni un solo rublo adicional.

Por qué Claude Code se atasca con documentos grandes

Claude Code es un asistente de AI para la línea de comandos que escribe código, analiza proyectos e interactúa con el sistema de archivos. Su punto débil es el manejo de conocimiento externo: la búsqueda web integrada a menudo no alcanza la profundidad necesaria y cada consulta consume tokens del límite. El resultado, en lugar de una investigación a fondo, es un repaso superficial y caro.

Qué es RAG y qué pinta aquí NotebookLM

RAG (Retrieval-Augmented Generation) es un enfoque arquitectónico en el que el modelo de lenguaje no responde exclusivamente a partir de sus «conocimientos». Primero extrae información relevante de una base de datos externa y solo después genera la respuesta a partir de ella. Las soluciones RAG corporativas cuestan dinero y exigen infraestructura: bases de datos vectoriales, pipelines de indexación y configuración de embeddings.

NotebookLM es un producto experimental de Google, concebido originalmente como asistente personal de investigación. Permite cargar documentos, archivos PDF, páginas web y notas, y después responde a preguntas ciñéndose estrictamente al contexto cargado. En la práctica, es un sistema de recuperación de información listo para usar que cita sus fuentes.

El esquema de integración

El esquema descrito en Habr funciona así: el usuario carga en NotebookLM los documentos necesarios (especificaciones técnicas, artículos de investigación, documentación de API y otros materiales que requieren un análisis profundo). Después utiliza NotebookLM para una investigación preliminar: formula preguntas y recopila conclusiones clave y citas con sus fuentes. Esos resúmenes estructurados se pasan a Claude Code como contexto, de modo que el modelo de Anthropic trabaja con información ya concentrada y relevante en lugar de gastar tokens en buscar y filtrar.

Economía y limitaciones del enfoque

NotebookLM es gratuito y generoso en sus límites. Claude Code, dentro de la suscripción a Claude Pro, ofrece un volumen determinado de tokens, y cada uno cuenta: cuando el modelo recibe un contexto ya filtrado y relevante en lugar de resultados en bruto de la búsqueda web, la eficiencia en el uso de tokens se multiplica. En este esquema, NotebookLM actúa como preprocesador que elimina el ruido informativo antes de que entre en juego la generación, que es la parte cara.

Mientras tanto, el mercado de herramientas de AI para desarrolladores se fragmenta a gran velocidad: GitHub Copilot, Cursor, Windsurf, Claude Code, Google Gemini Code Assist. Cada producto destaca en algo concreto, pero ninguno cubre todas las necesidades, y los desarrolladores montan cada vez más sus propios «stacks» con varias herramientas de AI.

El enfoque también tiene limitaciones. Pasar el contexto a mano entre dos herramientas es un paso adicional que rompe el flujo de trabajo. NotebookLM tiene sus propios límites en el volumen de documentos que se pueden cargar y no siempre procesa correctamente el formato complejo. Además, Google puede cambiar las condiciones de uso del servicio en cualquier momento: los productos gratuitos no ofrecen garantías. Aun así, para desarrolladores individuales y equipos pequeños sin presupuestos corporativos para investigación en profundidad, la solución parece funcionar.

¿Qué es el enfoque RAG que utiliza esta combinación?

RAG (Retrieval-Augmented Generation) es un enfoque en el que el modelo de lenguaje primero extrae información relevante de una base de datos externa y después genera la respuesta a partir de ella, en lugar de responder exclusivamente con sus «conocimientos». En la combinación de Claude Code y NotebookLM, NotebookLM se encarga de la recuperación de información y Claude Code trabaja con el contexto ya obtenido.

¿Cuánto cuesta la combinación de Claude Code y NotebookLM?

La solución funciona sin gastar ni un solo rublo adicional: NotebookLM es gratuito y generoso en sus límites, y Claude Code se usa dentro de la suscripción a Claude Pro ya existente, que ofrece un volumen determinado de tokens.

¿Qué limitaciones tiene este enfoque?

El contexto se pasa a mano entre las herramientas, lo que rompe el flujo de trabajo; NotebookLM tiene sus propios límites en el volumen de documentos que se pueden cargar y no siempre procesa correctamente el formato complejo; además, Google puede cambiar las condiciones de uso del servicio en cualquier momento, y los productos gratuitos no ofrecen garantías.