Open Notebook：开源隐私优先的 Notebook LM 替代品，支持 18+ AI 提供商

开篇引导段：今天在 GitHub Trending 上看到一个有意思的项目：Open Notebook，这是一个开源的、隐私优先的研究助手，旨在成为 Google Notebook LM 的强大替代品。与依赖 Google 云服务的 Notebook LM 不同，Open Notebook 让你完全掌控数据，并支持从 OpenAI、Anthropic 到本地 Ollama 的 18+ AI 提供商。

一、项目概述

Open Notebook 是一个开源研究助手工具，灵感来自 Google Notebook LM，但在隐私保护、提供商选择和功能扩展性上实现了全面超越。

核心特性：

🔒 数据主权：自托管部署，敏感研究数据完全私密
🤖 多模型支持：18+ AI 提供商（OpenAI、Anthropic、Groq、Google、Ollama、LM Studio 等）
📚 多模态内容：支持 PDF、视频、音频、网页、Office 文档等
🎙️ 专业播客生成：多 speaker 播客生成，支持 1-4 个扬声器自定义配置
🔍 智能搜索：全文和向量搜索覆盖所有内容
💬 上下文对话：基于你的研究材料进行 AI 对话
🌐 多语言 UI：支持英语、葡萄牙语、中日韩俄等语言

与 Google Notebook LM 对比：

特性	Open Notebook	Google Notebook LM	优势
隐私控制	自托管，数据私有	仅 Google 云	完全数据主权
AI 提供商	18+ 提供商	仅 Google 模型	灵活性和成本优化
播客扬声器	1-4 个，可自定义	仅 2 个	极致灵活性
API 访问	完整 REST API	无 API	完全自动化
定制化	开源，完全可定制	封闭系统	无限扩展性

二、技术原理

架构设计

Open Notebook 采用现代前后端分离架构：

后端技术栈：

Python 3.12+：核心编程语言
FastAPI：高性能异步 API 框架
LangChain/LangGraph：AI 编排和工作流引擎
SurrealDB：多模型数据库（文档+图+向量）
Esperanto：统一的多提供商 AI 接口库

前端技术栈：

Next.js 20.x：React 元框架，支持 SSR/SSG
React：用户界面构建
TypeScript：类型安全

核心架构组件：

┌─────────────────────────────────────────┐
│           Next.js Frontend              │
│    (React + TypeScript + Tailwind)      │
└─────────────────┬───────────────────────┘
                  │ REST API
┌─────────────────▼───────────────────────┐
│         FastAPI Backend                 │
│  - Notebook Management                  │
│  - Source Processing                    │
│  - AI Orchestration (LangChain)         │
│  - Podcast Generation                   │
└─────────────────┬───────────────────────┘
                  │
┌─────────────────▼───────────────────────┐
│      SurrealDB (Multi-model)           │
│  - Documents (Notebooks, Notes)        │
│  - Vectors (Embeddings)                │
│  - Graph (Relationships)                │
└─────────────────────────────────────────┘

关键技术实现

1. 多提供商 AI 统一接口

项目使用自研的 esperanto 库统一 18+ AI 提供商的接口：

# 支持的提供商矩阵
provider_support = {
    "OpenAI": ["llm", "embedding", "stt", "tts"],
    "Anthropic": ["llm"],
    "Groq": ["llm", "stt"],
    "Google": ["llm", "embedding", "stt", "tts"],
    "Ollama": ["llm", "embedding"],
    "Mistral": ["llm", "embedding", "stt", "tts"],
    # ... 共 18+ 提供商
}

2. 向量搜索与全文搜索融合

# 内容索引流程
1. 用户上传 PDF/视频/网页
2. 内容提取 (content-core 库)
3. 文本分块 (tiktoken 分词)
4. 向量化 (用户选择的 embedding 模型)
5. 存储到 SurrealDB (文档 + 向量)
6. 支持全文检索 + 向量相似度检索

3. 播客生成引擎

基于 podcast-creator 库实现专业级播客生成：

# 播客生成配置示例
episode_profile = {
    "speakers": [
        {"name": "Host", "voice": "en-US-Studio-O"},
        {"name": "Expert", "voice": "en-US-Studio-Q"},
        {"name": "Guest", "voice": "en-US-Studio-M"}
    ],
    "format": "interview",  # or "discussion", "debate"
    "duration_target": 1800,  # 30 minutes
}

数据流分析

典型用户工作流：

1. 创建 Notebook
   ↓
2. 添加 Sources (PDF/URL/Video/Audio)
   ↓
3. 内容自动处理
   - 文本提取
   - 分块
   - Embedding
   - 索引
   ↓
4. AI 对话 / 搜索
   - 检索相关块 (向量 + 全文)
   - 构建上下文
   - 调用 LLM
   - 返回答案 + 引用
   ↓
5. 生成 Note / 播客
   - AI 辅助笔记
   - 一键播客生成

三、安装与快速开始

环境要求

最简部署（Docker）：

Docker Desktop 4.0+
2GB+ RAM
5GB+ 磁盘空间

从源码部署：

Python 3.11 或 3.12
Node.js 20.x LTS
SurrealDB v2.x

Docker 快速部署（2 分钟）

Step 1: 获取 docker-compose.yml

# 选项 A: 直接下载
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

# 选项 B: 手动创建
cat > docker-compose.yml << 'EOF'
services:
  surrealdb:
    image: surrealdb/surrealdb:v2
    command: start --log info --user root --pass root rocksdb:/mydata/mydatabase.db
    user: root
    ports:
      - "8000:8000"
    volumes:
      - ./surreal_data:/mydata
    restart: always

  open_notebook:
    image: lfnovo/open_notebook:v1-latest
    ports:
      - "8502:8502"
      - "5055:5055"
    environment:
      - OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string
      - SURREAL_URL=ws://surrealdb:8000/rpc
      - SURREAL_USER=root
      - SURREAL_PASSWORD=root
      - SURREAL_NAMESPACE=open_notebook
      - SURREAL_DATABASE=open_notebook
    volumes:
      - ./notebook_data:/app/data
    depends_on:
      - surrealdb
    restart: always
EOF

Step 2: 设置加密密钥

编辑 docker-compose.yml，修改：

- OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string

改为任意密钥字符串（如 my-super-secret-key-123）。

Step 3: 启动服务

docker compose up -d

等待 15-20 秒，然后访问：http://localhost:8502

Step 4: 配置 AI 提供商

进入 Settings → API Keys
点击 Add Credential
选择提供商（OpenAI/Anthropic/Google 等）
粘贴 API Key，点击 Save
点击 Test Connection → Discover Models → Register Models

完成！现在可以创建你的第一个 Notebook 了。

使用 Ollama（免费本地 AI）

如果想完全免费运行（无需 API 费用），可以使用 Ollama：

# 1. 下载 Ollama 配置
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/examples/docker-compose-ollama.yml

# 2. 启动（会自动下载 Ollama 模型）
docker compose up -d

# 3. 访问 http://localhost:8502
# 4. 在 Settings 中选择 Ollama 作为提供商

四、使用方法与实战

基础用法

1. 创建 Notebook

点击 "New Notebook" → 输入名称（如 "AI Research"）→ 创建

2. 添加研究材料

支持的内容类型：

📄 PDF 文档：论文、报告、书籍
🌐 网页 URL：自动提取正文
🎥 YouTube 视频：自动转录字幕
🎙️ 音频文件：MP3/WAV，自动语音识别
📝 纯文本：直接粘贴或上传 TXT/Markdown

示例：添加 PDF 论文

1. 点击 "Add Source" → 选择 "PDF"
2. 上传文件或拖拽
3. 等待处理完成（自动提取文本 + 分块 + embedding）
4. 在 Source 列表中看到新增的论文

3. AI 对话（Chat）

1. 选择 Notebook
2. 点击 "Chat"
3. 输入问题："这篇论文的主要贡献是什么？"
4. AI 会基于所有 Sources 回答，并附上引用

4. 智能搜索

1. 在 Notebook 页面，点击 "Search"
2. 输入关键词或问题
3. 支持：
   - 全文搜索（关键词匹配）
   - 向量搜索（语义相似度）
   - 混合搜索（两者结合）

进阶用法

1. 生成专业播客

1. 选择 Notebook（包含多个 Sources）
2. 点击 "Podcast" → "Generate"
3. 配置：
   - Episode Profile（1-4 个扬声器）
   - 目标时长（如 30 分钟）
   - 风格（访谈/讨论/辩论）
4. 点击 "Generate"
5. 等待生成（通常需要 5-15 分钟）
6. 下载 MP3 或分享链接

示例 Episode Profile：

{
  "name": "Tech Interview",
  "speakers": [
    {"name": "Host", "voice": "en-US-Studio-O"},
    {"name": "Researcher", "voice": "en-US-Studio-Q"}
  ],
  "format": "interview",
  "style_prompt": "专业但轻松的技术访谈，深入讨论研究细节"
}

2. 内容转换（Transformations）

内置和自定义转换操作：

1. 选择 Source 或 Note
2. 点击 "Transform"
3. 选择操作：
   - Summarize（摘要）
   - Extract Key Insights（提取关键洞察）
   - Generate Quiz（生成测验）
   - Custom（自定义提示词）
4. 查看结果，保存到 Note

3. 多 Notebook 管理

场景：你有多个研究项目
- Notebook A: "AI Safety Research"
- Notebook B: "Startup Ideas"
- Notebook C: "Learning Rust"

每个 Notebook 独立，Sources/Notes/Chat 互不干扰

4. REST API 编程访问

Open Notebook 提供完整的 REST API：

# 获取所有 Notebooks
curl -X GET "http://localhost:5055/api/notebooks" \
  -H "Authorization: Bearer YOUR_API_KEY"

# 创建新 Note
curl -X POST "http://localhost:5055/api/notes" \
  -H "Content-Type: application/json" \
  -d '{
    "notebook_id": "uuid",
    "title": "My Note",
    "content": "Note content..."
  }'

# API 文档：http://localhost:5055/docs

实际项目示例

场景：研究论文综述

目标：阅读 10 篇关于 RAG（检索增强生成）的论文，生成综述

步骤：
1. 创建 Notebook: "RAG Survey 2026"
2. 添加 10 篇论文 PDF
3. 等待处理完成
4. Chat 提问：
   - "这些论文的共同主题是什么？"
   - "哪些方法效果最好？"
   - "未来研究方向是什么？"
5. 使用 Transformations 生成每篇论文的摘要
6. 撰写综述（手动 + AI 辅助）
7. 可选：生成播客，用音频形式回顾关键点

五、常见问题与解决方案

安装失败

问题 1：Docker 启动失败（端口占用）

错误信息：
Error: Bind for 0.0.0.0:8502 failed: port is already allocated

解决方案：
1. 检查端口占用：lsof -i :8502
2. 停止占用进程：kill -9 <PID>
3. 或修改 docker-compose.yml 中的端口映射：
   ports:
     - "8503:8502"  # 改为 8503

问题 2：SurrealDB 连接失败

错误信息：
ERROR: Cannot connect to SurrealDB at ws://surrealdb:8000/rpc

解决方案：
1. 检查 SurrealDB 容器：docker ps | grep surrealdb
2. 查看日志：docker logs <surrealdb_container_id>
3. 重启服务：docker compose restart surrealdb
4. 如果数据损坏，删除数据卷重新启动：
   docker compose down -v
   docker compose up -d

问题 3：AI 提供商 API 连接失败

错误信息：
ERROR: Failed to connect to OpenAI API (401 Unauthorized)

解决方案：
1. 检查 API Key 是否正确
2. 检查网络连接（特别是国内需要代理）
3. 在 docker-compose.yml 中配置代理：
   environment:
     - HTTP_PROXY=http://proxy:port
     - HTTPS_PROXY=http://proxy:port
4. 测试连接：在 Settings 中点击 "Test Connection"

运行时错误

问题 4：上传 PDF 失败

错误信息：
ERROR: Failed to process PDF (timeout or memory error)

解决方案：
1. 检查 PDF 大小（建议 < 50MB）
2. 检查 PDF 是否加密（需要解密后上传）
3. 增加 Docker 内存限制：
   # docker-compose.yml
   open_notebook:
     deploy:
       resources:
         limits:
           memory: 4G
4. 分割大 PDF：使用 PDF 工具拆分为多个小文件

问题 5：播客生成失败

错误信息：
ERROR: Podcast generation failed (TTS quota exceeded)

解决方案：
1. 检查 TTS 提供商配额（如 ElevenLabs 有月度字符限制）
2. 切换到免费 TTS 提供商（如 Google TTS）
3. 减少播客时长或扬声器数量
4. 使用本地 TTS（如果支持）

问题 6：搜索结果不准确

问题：向量搜索返回不相关结果

解决方案：
1. 检查 Embedding 模型是否合适（建议用 OpenAI text-embedding-3-small）
2. 调整搜索设置：
   - 增加候选数量（top_k）
   - 降低相似度阈值
3. 手动添加 Tags 到 Sources，结合全文搜索
4. 重新处理 Source（删除后重新上传）

性能问题

问题 7：响应速度慢

排查：
1. 检查 AI 提供商延迟（如 Ollama 本地模型较慢）
2. 检查网络延迟（特别是使用远程 API）
3. 优化分块大小（避免过细的分块）

解决方案：
1. 切换到更快的模型（如 GPT-3.5 替代 GPT-4）
2. 启用缓存（LangChain 内置）
3. 使用异步处理（批量操作）

问题 8：内存占用过高

排查：
1. 检查处理的文档数量和大小
2. 检查是否加载了过大的模型（Ollama）

解决方案：
1. 限制同时处理的 Source 数量
2. 定期清理旧数据
3. 使用更小 embedding 模型（如 all-MiniLM-L6-v2）

兼容性问题

问题 9：浏览器兼容性

问题：某些功能在 Safari 上不工作

解决方案：
1. 使用 Chrome/Edge（推荐）
2. 检查浏览器控制台错误（F12）
3. 清除浏览器缓存和 Cookie
4. 更新到最新浏览器版本

问题 10：移动设备访问

问题：手机浏览器显示不正常

解决方案：
1. Open Notebook 主要针对桌面优化
2. 使用响应式模式（Chrome DevTools → Toggle Device Toolbar）
3. 或等待官方移动端优化（Roadmap 中有计划）

六、总结

Open Notebook 是一个功能强大、隐私优先的开源研究助手，完美替代 Google Notebook LM。其核心价值在于：

✨ 核心优势：

数据主权：完全自托管，敏感研究数据不离开你的服务器
提供商自由：18+ AI 提供商任你选择，避免供应商锁定
成本可控：可选择免费本地模型（Ollama）或按需付费的 API
功能扩展性强：开源架构，完全可定制和扩展
专业级播客生成：多扬声器、自定义配置，远超 Notebook LM

🎯 适合人群：

学术研究人员（管理论文、生成综述）
技术从业者（学习新技术、管理知识库）
内容创作者（研究素材、生成播客）
隐私敏感用户（自托管、数据可控）

🚀 快速上手建议：

先用 Docker 快速部署（2 分钟）
配置一个免费 AI 提供商（如 Groq 或 Ollama）
创建一个测试 Notebook，上传几个 PDF
尝试 Chat 和搜索功能
如果满意，再配置更强大的 AI 提供商（OpenAI/Anthropic）

🔮 未来展望： 根据 Roadmap，Open Notebook 还将支持：

实时前端更新（WebSocket）
异步处理（提升 UI 响应速度）
跨 Notebook 共享 Sources
书签集成（与浏览器书签同步）

项目开源且活跃维护，社区支持良好（Discord 服务器），是构建个人知识管理和研究助手的优秀选择。

相关链接：

🌐 官网：https://www.open-notebook.ai
📚 文档：https://github.com/lfnovo/open-notebook/tree/main/docs
💬 Discord 社区：https://discord.gg/37XJPXfz2w
🐛 问题反馈：https://github.com/lfnovo/open-notebook/issues

一、项目概述#

二、技术原理#

架构设计#

关键技术实现#

数据流分析#

三、安装与快速开始#

环境要求#

Docker 快速部署（2 分钟）#

使用 Ollama（免费本地 AI）#

四、使用方法与实战#

基础用法#

进阶用法#

实际项目示例#

五、常见问题与解决方案#

安装失败#

运行时错误#

性能问题#

兼容性问题#

六、总结#