Open Notebook 是一款开源本地AI研究笔记工具，可替代Google NotebookLM，支持18+模型、自托管、多格式内容导入、智能搜索与播客生成，数据完全自主控制，适合注重隐私的研究者和知识工作者本地部署使用，多语言界面，MIT协议完全开源免费。
🎤 引言
你有没有过这种感觉：在 Google NotebookLM 里上传了一堆资料做研究，突然意识到这些内容全在 Google 的服务器上，而它们是世界上最大的数据公司之一。对于一些敏感课题、独家调研或内部资料，这多少让人有点不踏实。
Open Notebook 就是来解决这个问题的。它是 NotebookLM 的开源替代方案，核心理念是「你的数据你做主」——不上传到任何云服务，全部跑在你自己控制的机器上，支持 18+ 种 AI 模型，还能生成播客、多语言界面、REST API 调用。你可以用 OpenAI、Anthropic、Google Gemini、Ollama 本地模型，或者其他支持的服务商，按需切换，不用被某一家绑定。
GitHub 数据显示该项目已有 30k+ Stars、748 次提交、134 个 Issues、18 个 Pull requests，说明社区活跃度不低。最近一次更新是 2026 年 6 月 13 日，迭代节奏还不错。
⭐ 核心功能
多模型支持是 Open Notebook 最亮的一点。它不把你绑定在某一家 AI 提供商——支持的模型来源超过 18 个，包括 OpenAI GPT 系列、Anthropic Claude 系列、Google Gemini、Ollama（本地运行）、LM Studio（本地运行）、DeepSeek、Mistral、Groq（免费层可用）、xAI 等你想得到的和想不到的。模型层由 Esperanto 库统一封装，LLM、Embedding、语音转文字、文字转语音等能力分散在各个提供商中，用户可以在后台自由配置默认模型组合。
多格式内容导入也很全面。你可以直接上传 PDF、Word 文档、视频链接、音频文件、网页 URL，或者直接粘贴文本段落。不同类型的资料统一管理在一个 Notebook 里，不用在多个工具之间来回切换。
播客生成是 NotebookLM 最受欢迎的功能，Open Notebook 在这基础上做了扩展。Google NotebookLM 只支持 2 人对话，而 Open Notebook 支持 1-4 位自定义角色（Episode Profiles），可以写完整脚本，可以控制语速和停顿。对需要把研究报告转化成音频内容的人，这个功能比较实用。
搜索方面，同时支持全文搜索和向量语义搜索。所有导入的资料建立索引后，你输入自然语言问题，AI 会在你的资料库里找最相关的段落并引用来源。引用展示目前还比较基础，但相比 NotebookLM 完整的来源标注体系，仍有提升空间。
REST API 是高级用户比较在意的功能。Open Notebook 提供了完整的 API 接口（默认端口 5055），可以通过编程方式自动化处理内容、创建 Notebook、管理聊天对话，适合想和自己的笔记系统、工作流做集成的开发者。
📥 安装使用
Docker 是最快上手的方式，官方号称「2 分钟跑起来」：
# 方式一：直接下载 docker-compose.yml
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
# 方式二：手动创建（内容如下）
# 创建 docker-compose.yml 文件，填入官方示例内容
# 启动服务
docker compose up -d
# 等待 15-20 秒后打开
# http://localhost:8502启动后，第一次打开会引导你配置 AI Provider。去 Models 页面选择服务商（OpenAI / Anthropic / Ollama 等），点击 + Add Configuration，粘贴 API Key，然后 Sync Models 同步可用模型列表，最后 Auto-Assign Defaults 或手动指定各功能的默认模型，即可开始使用。
如果你想本地跑 Ollama（免费），官方提供了 examples/docker-compose-ollama.yml 示例配置，不需要任何外部 API Key，完全免费，但速度取决于你本机硬件配置。
如果你想用 Groq 免费层快速测试，Groq 的免费 tier 速度很快，可以先不花一分钱跑起来验证工作流，再切换到付费模型。
🎯 适用场景
学术研究者是 Open Notebook 的典型用户群体。读论文、做文献综述的时候，上传大量 PDF，AI 自动提取关键结论、研究方法、数据亮点，比手动整理快很多。重要的是这些论文内容不会经过第三方服务器，对于涉及独家数据或未公开成果的研究，这个本地化属性很关键。
隐私敏感型知识工作者，比如企业内部调研、合规审计、早期投资研究这类场景，往往不能把内容放到云端。Open Notebook 可以部署在公司内网或本地机器上，数据完全不出域，又能用到 AI 能力。
独立开发者和创作者，需要管理大量参考资料、产品需求文档、技术笔记，用这个工具配合本地 Ollama 模型，基本可以做到零成本持续使用，而且 API 接口方便接入自动化脚本。
播客制作者，可以把研究报告、产品分析转换成对话音频。1-4 人的自定义角色和完整脚本控制，让音频内容比机械朗读更有结构感，适合做知识类播客素材。
🔍 对比/替代方案
Google NotebookLM 的优势在于开箱即用、不需要任何配置，AI 模型质量高，引用展示成熟，适合不想折腾的用户。但它的局限也很明显：数据必须上 Google 云、模型只能是 Google 的、没有 API、不能自托管。
Open Notebook 完全相反——本地部署、数据自主、模型自由组合、REST API 完整，但代价是安装配置需要一点技术门槛。NotebookLM 适合「点开就用」，Open Notebook 适合「要掌控感」。
和同类开源工具相比，比如 Chatpad、Memex、Obsidian + Copilot 等方案，Open Notebook 的特点是「Notebook LM 的功能子集做得很完整」，尤其是播客生成和 PDF 解析流程，比大多数替代工具成熟。
对于预算有限但想要 AI 辅助笔记的人，Ollama 本地模型 + Open Notebook 组合，几乎是零成本的最优解。如果你的机器性能一般，Groq 免费 tier 是个不错的折中方案。
⚠️ 注意事项
第一，本地部署不等于绝对安全。Open Notebook 把数据存在 SurrealDB 本地数据库中，如果你把服务暴露在公网，数据同样有风险。建议内网使用，或配合密码保护和 HTTPS 证书加固。
第二，API Key 管理。你在 UI 里配置的 API Key 以明文或加密形式存储在本地配置文件里，生产环境建议使用环境变量注入而不是直接粘贴进 UI，降低泄露风险。
第三，模型质量影响体验。Open Notebook 只解决「怎么跑 AI」的问题，答案质量取决于你选的模型。用 GPT-4o 和用本地 Ollama 跑 7B 模型，体验差距很大。建议先用 GPT-4o 或 Claude 把流程跑通，再切换到更便宜的方案。
第四，引用展示仍有提升空间。目前版本（v1） citations 功能还比较基础，找答案时引用标注的精确度和 NotebookLM 有差距。如果对引用准确性要求很高，建议等版本迭代或关注 GitHub Issues 里的相关讨论。
第五，中文内容处理整体体验不错，官方文档有中文翻译，UI 也支持简体中文，但对于非常垂直领域的中文术语理解，模型能力仍有差异，选模型时可以注意一下支持中文的版本。
✅ 总结
Open Notebook 是那种「做对了一件事」的典型项目：把 NotebookLM 的核心体验搬到了本地，同时保持了足够的灵活性（18+ 模型、多格式、API、播客），而且 MIT 协议完全开源。30k Stars 说明很多人有同样的需求——不被云服务绑定的 AI 笔记工具。
它的优点很明显：数据自主、灵活选模型、本地零成本、API 完整。缺点也很实际：安装有门槛、引用功能还不完美、模型质量依赖你的选择。
如果你对 NotebookLM 的功能感兴趣，但不想把数据交给 Google，或者你想用自己的 AI Key 控制成本，Open Notebook 值得试试。2 分钟 Docker 跑起来，成本几乎为零，可以先体验再决定要不要深度用。