lfnovo/open-notebook 是当下最完整的开源 NotebookLM 替代品,GitHub 上 35,300+ stars。它的目标很明确:把 Google 那个需要付费订阅、数据上传到 Google 云、只能用 Google 自家模型的 NotebookLM,替换成一个完全自托管、可选 18+ LLM 供应商、支持 1-4 说话人高级播客生成、所有数据本地存储的开源方案。

它的功能远超简单复刻–支持多模态内容(PDF / 视频 / 音频 / 网页)、自定义播客说话人(对手 NotebookLM 只支持 2 说话人深度对话模式)、完整 REST API(对手根本不开放 API)、Docker / 云端 / 本地三种部署方式。这种「替代品比原作功能更强」的状态,是当下 AI 开源生态最常见的剧本。

对中文用户来说,它的另一价值是「隐私可控」–商业敏感的研报、内部客户数据、未公开的论文,都不需要上传到 Google 云。本地或私有云部署即可,数据全程在自己掌控之中。这种价值对企业用户、律师、医生、记者、研究人员等强隐私需求群体尤其重要。

一、项目简介

Open Notebook 由 lfnovo 个人开发者维护,定位是「NotebookLM 的开源、完全自托管、多模型替代品」。

几个核心数据:

  • GitHub stars:35,300,过去 30 天新增约 7,500 stars
  • 立项时间:2024 年 10 月 21 日,近 2 年稳健迭代
  • 许可证:MIT
  • 语言:TypeScript / Next.js / React / Python(SurrealDB + LangChain)
  • 官网:https://www.open-notebook.ai
  • 仓库 topics:assistant / learning / note-taking / notebook / notes-app / self-learning
  • Discord 社区活跃
  • 多语言 UI:英 / 葡 / 简中 / 繁中 / 日 / 俄 / 孟加拉

它的技术栈选择 Next.js + SurrealDB + LangChain,这种组合既保证了前端体验的现代化,又保证了后端数据库的灵活(支持图、文档、关系型混合查询),还接入了当下最成熟的 LLM 编排框架。从工程角度看,这套技术选型属于「老牌靠谱」,跟那些「上来就 Rust 写浏览器内核」的炫技项目完全不同。

二、核心功能

2.1 18+ LLM 供应商

支持 OpenAI、Anthropic、Google、Ollama、LM Studio、DeepSeek、通义千问、智谱、OpenRouter、Groq 等 18+ 家供应商。用户可以根据预算、合规、模型能力自由选择。

2.2 多模态内容管理

支持 PDF、视频、音频、网页、Markdown 等多种内容来源上传。一个 Notebook 可以聚合几十种文档,自动提取文本、做向量化索引、做语义搜索。

2.3 1-4 说话人高级播客

Open Notebook 支持 1-4 说话人自定义播客,可以为每个说话人指定音色、性格、角色。这跟 NotebookLM 的「深度对话(2 说话人)」模式相比灵活得多。对播客作者、教育内容生产、企业内训都很有用。

2.4 完全自托管

Docker Compose 一键部署,数据库用 SurrealDB,数据全程本地。所有 API Key、笔记内容、文档数据都存储在自己的服务器或本地机器,无需上传到 Google。

2.5 完整 REST API

提供完整 REST API,NotebookLM 根本不开放 API。开发者可以把 Open Notebook 当作「AI 笔记后端」集成到自己的 SaaS、桌面应用、CLI 工具中。

2.6 全文本 + 向量混合搜索

同时支持传统关键词搜索(精确匹配)和向量语义搜索(理解意图)。向量搜索底层用主流 embedding 模型,可换。

2.7 与内容对话

可以上传 PDF / 网页 / 视频字幕后,基于内容上下文跟 AI 对话。这种「让 AI 帮你读研报」的场景是 Open Notebook 的杀手级功能。

2.8 智能上下文理解

AI 对话时自动引用上传的内容,给出准确答案和来源标注。这跟 NotebookLM 的核心能力对齐,但 Open Notebook 还支持自定义 prompt 模板,适合企业做特定业务场景。

2.9 多语言 UI

界面支持英文、葡萄牙语、简体中文、繁体中文、日语、俄语、孟加拉语。对中文用户完全无门槛。

2.10 Docker / Cloud / 本地三种部署

  • Docker Compose(本地或家用 NAS)
  • 云端 VPS(适合团队共享)
  • 源码运行(开发者本地开发)

2.11 高级转换功能

支持自定义转换流程:上传 PDF → 自动 OCR → 自动分段 → 自动生成摘要 → 自动生成播客脚本 → 自动转语音。一条完整的内容生产流水线。

2.12 加密存储

所有用户数据用 AES 加密存储(OPEN_NOTEBOOK_ENCRYPTION_KEY),即使磁盘被偷也无法读取内容。

2.13 引用与上下文精准溯源

AI 回答每个问题都会标注信息来源(文档、页码、片段),用户可以一键点开核对。这点是科研、调研、法律场景的刚需，避免 AI 产生幻觉的同时也提供了完整的可信证据链。

2.14 多笔记本多场景分离

支持创建多个独立 Notebook，每个 Notebook 可以有独立的主题、独立的资料源、独立的 AI 配置。这种场景隔离能力适合个人同时处理多个项目 / 多个话题。

2.15 生态集成能力

API 支持外部调用、可以接入 Slack、Discord 、网页插件、桌面客户端，未来生态会越来越丰富。这点相比封闭 NotebookLM 是一个重要优点。

三、使用场景

3.1 研究人员文献管理

读论文做研究时,把几十篇 PDF 上传到 Notebook,统一做摘要、交叉对比、生成综述。向量搜索可以快速找到「方法论类似的其他论文」。

3.2 投顾团队研报中心

把券商研报、公司公告、宏观报告上传,做跨文档问答、生成投资摘要。隐私完全可控,适合处理客户敏感数据。

3.3 内容创作者素材库

视频博主、自媒体作者把脚本素材、采访录音、参考文章上传,一键生成多说话人播客或视频脚本。

3.4 企业知识库

公司内部文档、政策文件、培训资料上传,做员工自助问答。比传统 Wiki 强大,新人入职可以问「年假怎么请」,AI 自动从政策文档里找答案。

3.5 教育与培训

教师把教材、PPT、习题上传,让学生用自然语言跟教材对话,做作业、复习。

3.6 律师案件管理

律师上传案卷、判决书、法条,做案件分析、引用检索。隐私可控是律师行业的刚需。

3.7 医生文献管理

医生把医学论文、病例报告上传,做辅助诊断参考、循证医学研究。本地部署保证患者数据不出医院内网。

3.8 记者采访整理

记者把采访录音、背景资料上传,做事实核查、时间线梳理、跨采访交叉印证。

3.9 个人学习助手

个人学习新领域时,把教材、视频字幕、博客文章上传,做体系化整理,生成学习路径。

3.10 AI 播客生产

中小内容团队用 Open Notebook 自动生产多说话人播客，比 NotebookLM 灵活得多——可以指定每个说话人的身份、语气、专业领域。

3.11 企业代码知识库

技术团队上传内部代码库、架构文档、运维手册，Open Notebook 变成一个「代码问答助理」，新人可以问「这个项目的部署流程」，AI 自动从文档里抽答案。

3.12 个人日记 / 阅读笔记

个人读者上传读过的书、看过的报告、写的笔记，Open Notebook 变成跨年的个人知识资产，可以长期回湖、交叉参考。

四、安装与使用

4.1 最快路径:Docker Compose(2 分钟)

# 拉配置
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

# 修改加密密钥
sed -i 's/change-me-to-a-secret-string/my-super-secret-key-123/' docker-compose.yml

# 启动
docker compose up -d

15-20 秒后访问 http://localhost:8502。

4.2 配置 AI Provider

打开 UI → Models → + Add Configuration → 选 OpenAI / Anthropic / Google / Ollama → 填 API Key → Test → Sync Models → Auto-Assign Defaults。

4.3 免费本地方案:Ollama

# 用项目提供的 docker-compose 配置
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/examples/docker-compose-ollama.yml
docker compose up -d

完全本地运行,零 API 费用。

4.4 从源码运行(开发者)

git clone https://github.com/lfnovo/open-notebook
cd open-notebook
# 详细见 docs/1-INSTALLATION/from-source.md

4.5 创建第一个 Notebook

UI 里点 New Notebook → 上传 PDF / 网页 / 视频 → 自动提取文本 → 自动向量化 → 准备就绪。

4.6 与文档对话

上传完内容后,在 Chat 面板里提问,AI 会基于上传的内容上下文回答,带来源标注。

4.7 生成播客

点 Podcast → 选说话人配置(1-4 个) → AI 自动生成脚本 → 一键转语音。可下载音频文件。

4.8 团队共享

把 Docker Compose 部署在公司内网服务器,团队成员通过内网 IP 访问,共享一个 Notebook 库。

五、技术亮点

5.1 SurrealDB 数据层

用 SurrealDB 当数据库,这是一种「图 + 文档 + 关系」混合型数据库,特别适合 Notebook 这种「文档 + 笔记 + 引用关系 + 元数据」的复杂数据模型。性能优秀,支持 SQL-like 查询。

5.2 LangChain 编排

后端用 LangChain 做 LLM 编排,意味着任何 LangChain 支持的模型、工具、chain、agent 都能接入。生态丰富度高。

5.3 Next.js + React 前端

现代化前端,支持 SSR、静态生成、客户端交互。响应速度快,UI 设计现代化。

5.4 多说话人播客生成

支持 1-4 个说话人,每个说话人可自定义音色、性格、专业领域。生成流程全自动化:文档 → 脚本 → TTS → 音频。这种能力在 NotebookLM 里只有 2 说话人。

5.5 完整 REST API

通过 API 可以自动化所有 UI 操作,适合集成到自己的 SaaS 产品、CLI 工具、桌面应用中。

5.6 加密本地存储

AES 加密所有用户数据,即使磁盘被偷也无法读取。这种设计对隐私敏感场景(医疗、法律、政务)至关重要。

5.7 多语言 UI 国际化

界面支持 7 种语言,本地化做得扎实。中英文对照文档都齐全。

5.8 社区活跃

Discord 服务器活跃，贡献者持续迭代，文档保持更新。

5.9 趋势与生态布局

该项目的发展表现象了一个明显趋势 ——NotebookLM 这类产品不会长期保持闭源主导，开源生态会在多模型、多场景、本地化上反超。这是个人用户与中小团队前所未有能选到的 AI 笔记路径。

5.10 以“生产内容”为导向的设计

Open Notebook 的上传、总结、播客、引用、问答不是独立功能点，而是一条流水线。用户上传资料后可以一连贯产出多说话人播客、摘要、FAQ 、读书报告，这种设计取向跟「让 AI 帮你读书」的个人需求高度契合。

六、同类项目对比

仓库/工具 自托管 模型选择 播客说话人 API 开源
lfnovo/open-notebook ✅ 18+ 1-4 ✅ REST MIT
Google NotebookLM ❌ Google only 2 ❌ 闭源
AnythingLLM ✅ 多个 ❌ ✅ MIT
PrivateGPT ✅ 多个 ❌ ✅ Apache 2.0
Quivr ✅ 多个 ❌ ✅ Apache 2.0

Open Notebook 的独特性:同时做到「完全自托管 + 多模型 + 高级播客 + 完整 API + 加密存储 + 多语言 UI」,这是当下开源 AI 笔记领域功能最完整的产品之一。

七、常见问题

Open Notebook 是免费的吗?

是的,MIT 许可证完全免费可商用。运行成本取决于你选择的 LLM 供应商:用本地 Ollama 零 API 费用;用 OpenAI / Anthropic 按 token 计费;用 OpenRouter / Groq 可以选超低价模型。

跟 NotebookLM 比哪个好?

NotebookLM 是 Google 的商业产品,功能上跟 Open Notebook 接近,但有三个根本限制:数据必须传 Google 云、只能用 Google 模型、不能 API 集成。Open Notebook 在这三方面完全胜过,而且支持 1-4 说话人播客(对手只能 2 个)。如果你重视隐私、可控性、可定制性,Open Notebook 是更优选。

支持中文吗?

支持。UI 完整简体中文、繁体中文、日文等多语言。文档上传后 AI 可以处理中文内容,生成中文摘要、中文播客脚本。

需要多大服务器?

最低配置:2 核 4GB RAM 就能跑。如果用本地 Ollama 跑大模型,建议 32GB+ RAM + GPU。常规使用(Ollama 7B/13B 模型),16GB RAM 足够。

数据安全吗?

是的。所有数据本地存储,AES 加密。可以部署在公司内网、隔离开发环境、自家 NAS,数据全程不出自己控制。零 Google、零第三方数据上传。

能商用吗?

可以。MIT 许可证允许商用、可修改、可闭源衍生。直接拿这套框架做 SaaS 也行,自己 fork 一份改 UI 改成产品也行。

适合个人还是企业?

都适合。个人用户可以用 Docker Compose 本地部署，获得跟 NotebookLM 一样的体验但更可控;企业用户可以部署在内网服务器，做团队知识库、AI 客服、企业 Wiki 升级版。

能不能同时管多个项目?

可以。一个 Open Notebook 实例可以创建多个独立 Notebook，每个 Notebook 有独立资料源、独立 AI 配置、独立访问权限。适合个人同时处理多个项目、团队同时跑多个调研课题。