Open Notebook

Open Notebook：把NotebookLM搬到你自己电脑上，然后拆掉它的所有限制

如果你用过 Google 的 NotebookLM，大概记得那种感觉：把一堆 PDF、网页、视频链接丢进去，它自动总结、交叉引用，甚至生成一段双人播客。好用是真的好用，但有两件事始终让人不太舒服——数据存在 Google 云上，模型只能选 Google 的，播客永远只有一男一女两个声音。

Open Notebook 做的事很直接：把 NotebookLM 的核心体验搬到你的机器上，然后把上面那些限制全部拆掉。

它由开发者 Luis Novo 创建，采用 MIT 协议开源。项目在 GitHub 上的数据能说明一些东西：23k Stars、790 次提交、36 个贡献者，v1.10.0 版本在 2026 年 9 月初刚发布。对于一个 2025 年 6 月才正式亮相的开源项目来说，这个迭代节奏不算慢。

它和 NotebookLM 到底差在哪

最直观的差异是模型选择。NotebookLM 只跑 Gemini，Open Notebook 通过自研的 Esperanto 抽象层接入了 18 个以上的 AI 供应商：OpenAI、Anthropic、DeepSeek、Groq、Mistral、Ollama、LM Studio、vLLM，以及国内的 DashScope（通义千问）和火山方舟。你可以用 Claude 做深度分析，用 Ollama 跑本地免费模型做摘要，用 DeepSeek-R1 做推理，切换供应商在设置页面点一下就行，不需要重启服务。

数据存储方式也不一样。NotebookLM 的所有资料都在 Google 云上，Open Notebook 把 Notebook、Sources、Notes、嵌入向量和 API Key 全部加密后存在本地的 SurrealDB 中。如果你配上 Ollama，整个系统可以完全脱网运行，数据不出机器。

播客生成是另一个被重新设计的功能。NotebookLM 的播客只有两个 AI 说话人，你控制不了声音、语速和角色。Open Notebook 支持 1 到 4 个说话人，每个说话人的声音、语速、角色都可以自定义，语音后端可以接 ElevenLabs、OpenAI TTS、Coqui TTS 或 Edge-TTS。

还有一个容易被忽略的差异：NotebookLM 没有 API。你没法把它嵌入自己的工具链，也没法让外部 Agent 调用它的能力。Open Notebook 提供了完整的 REST API（端口 5055），可以被外部 Agent、Workflow 或 IDE 插件调用。对于想构建自动化研究流程的人来说，这个能力的价值可能比多几个 AI 供应商更大。

资料入库和知识编译

Open Notebook 支持的来源格式包括 PDF、Markdown、DOCX、HTML 网页、YouTube 字幕、本地音频转录和纯文本粘贴。Web 抓取使用 Firecrawl 或 Jina，文档解析使用 Docling。所有资料以 Source 实体落在 SurrealDB 中，通过 Notebook → Sources → Notes 的三层结构组织。

它的工作流被设计成一个闭环：采集 → 编译 → 沉淀 → 检索 → 产出。资料进入系统后，AI 会做解析、嵌入、总结，当你回头检索时，模型给出的不是简单的切片召回，而是编译后的上下文加上原文引用和页码定位。这个设计遵循了 Karpathy 在 LLM Wiki Gist 中提出的原则：“索引 ≠ 检索，检索 ≠ 推理”。

实际使用中，这意味着你上传了一篇 50 页的论文之后，问它“这篇文章的方法论有什么缺陷”，它给出的回答会附上具体的原文段落和页码，而不是一段无法验证的泛泛之谈。

部署这件事，说实话有点门槛

Open Notebook 的官方推荐部署方式是 Docker Compose，三个容器一键拉起：Streamlit UI（端口 8502）、FastAPI Service（端口 5055）和 SurrealDB v2（端口 8000）。安装阶段只需要一个加密密钥 OPEN_NOTEBOOK_ENCRYPTION_KEY，所有模型提供商都在 UI 里动态配置。

如果你熟悉 Docker，整个过程大概是：创建项目目录、下载 docker-compose.yml、编辑环境文件填入 API Key、运行 docker compose up -d、浏览器打开 localhost:8502。想完全免费本地跑，用 examples/docker-compose-ollama.yml 这套配置，Ollama 自带模型，零 API 费用。

但如果你之前没接触过 Docker 和 Linux 命令行，这个过程可能会让你卡住。CNET 的评测作者 Blake Stimac 在体验后写道：“我是一个自认喜欢折腾的人，但 Open Notebook 的安装过程好几次让我不知所措。你需要 Docker 来设置容器，还需要一些 Linux 知识才能让它跑起来”。XDA Developers 的评测也提到，“Open Notebook 不是 NotebookLM 的完美替代品。安装需要更多精力，有些功能不够精致，你偶尔会碰到开源软件常见的粗糙边缘”。

这些评价是诚实的。Open Notebook 的定位从来不是“装好就能用”的 SaaS 产品，它更适合那些愿意花时间配置环境、对数据主权有明确要求的用户。

实际跑起来之后

一旦环境配好了，日常使用体验是流畅的。界面采用三栏式布局：左侧是源文件列表，中间是笔记区域，右侧是 AI 对话窗口。v1.0 之后前端从 Streamlit 迁移到了 Next.js，响应速度有明显提升。

XDA Developers 的评测者 Ayush Pande 分享了他的使用场景：他经常需要整理来自官方文档、实验设备说明、beta 包和早期发行版的技术资料，这些内容“绝对不可能上传到云端平台”。他用 Open Notebook 配合本地运行的 Qwen 模型处理这些资料，同时对学术论文做 RAG 检索和摘要生成。他的评价是：“Open Notebook 已经取代了 Google 的 NotebookLM，用于我的研究任务”。

AI 问答的引用溯源能力是日常使用中最频繁被提到的亮点。问答时系统自动返回原文引用和页码定位，这个功能在阅读长文档、整理文献综述时确实省事。

播客生成虽然被复刻了，但实际体验和 NotebookLM 的播客有差距。生成速度取决于你选的语音后端，ElevenLabs 的效果最好但也最贵，Edge-TTS 免费但声音相对机械。官方文档提到播客生成是异步任务，由后台 Worker 处理，所以生成过程中你可以继续做别的事。

一些需要注意的细节

Python 版本要求是 3.12，因为依赖链里的 pydub 在 3.13 上会出现兼容问题。系统要求至少 2 核 CPU、4GB 内存（推荐 8GB 以上）、10GB 可用存储空间。如果你打算跑本地模型，硬件要求会更高。

项目的中文界面支持是完整的，GitHub 上有简体中文和繁体中文的文档。Discord 社区也比较活跃，遇到问题可以在上面找到帮助。

数据安全方面，所有内容加密后存在本地 SurrealDB 中，加密密钥由你自己设置。即使你把服务暴露到公网上，也有应用级密码保护。这种“数据主权”的设计对于处理敏感资料的用户来说，是选择 Open Notebook 而非 NotebookLM 的核心原因。

它适合谁

Open Notebook 的目标用户画像在官网的“Is this right for me?”页面里写得很清楚：不断寻求知识、想超越表面理解的学习者；把学习过程看作与 AI 合作的人；学习 backlog 太大的人；独立的思考者；对隐私敏感的人；以及“喜欢按自己的方式做事”的人。

翻译成更直白的话：如果你已经在用 NotebookLM 但介意数据存在 Google 云上，或者你手头有不能上传到第三方平台的敏感资料，或者你想用自己的本地模型做研究而不想为 API 调用付费，Open Notebook 是值得花时间配置的。

如果你只是想找个“打开浏览器就能用”的笔记工具，或者你对 Docker 和命令行感到陌生，那 NotebookLM 的 SaaS 体验可能更适合你。Open Notebook 的作者 Luis Novo 在官网的愿景页面上写道：“最终目标是构建每个人的认知伙伴——一个定制化的助手，帮助你以自己的方式发展技能、知识和观点”。这个目标还很远，但至少现在，你已经可以把这件事的控制权握在自己手里了。