27K Star 开源工具叫板 NotebookLM：本地部署，数据归你¶

发布于 2026-06-08

你试过把公司内部文档丢给 AI 总结吗，那感觉就像在陌生人面前打开你的日记本

一句话总结¶

Open Notebook 是 NotebookLM 的本地开源版，你的 PDF、笔记、聊天记录全存在自己电脑上，GitHub 27K+ 星，不要钱。

把笔记交给 Google 之前，先想想这件事¶

Google NotebookLM 刚出来的时候，我确实被惊艳到了。丢进去一份 PDF，它能给你生成摘要、提取要点、甚至用两个人聊天的方式做成播客。好用是真的好用。

但好用背后有个问题。我自己的文档，公司财报、体检报告、论文草稿、商业合同，什么都能往里丢，问题是，丢完以后它们就进了 Google 的服务器。隐私条款写得再漂亮，也改变不了这个事实。

更微妙的是，NotebookLM 的免费版有一些隐形的墙。最多 100 个笔记本，每本最多 50 个文件。而且笔记本之间是物理隔离的，你在「食谱」笔记本里的内容，没法和「体检单」笔记本联动。你问不了「根据我的体检结果，这几道菜能不能吃」这种问题。

这些限制不是 bug，是产品设计的选择。Google 要做的是让用户留在它的生态里，而不是让用户的知识真正流动起来。

这时候一个声音在 GitHub 上冒了出来。

Open Notebook 是谁¶

Open Notebook 是一个由开发者 lfnovo 在 2024 年 10 月发起的开源项目。短短一年多，GitHub Stars 从 0 涨到了 27K+，增长曲线相当陡峭。它用 MIT 协议发布，意味着你可以随意 fork、修改、商用，不用看任何人的脸色。

它的定位很简单，一个隐私优先、多模型、100% 可本地部署的 NotebookLM 替代方案。

上图是 Open Notebook 的界面。三栏布局，左边是源文件（Sources），中间是笔记（Notes），右边是基于上下文和 AI 对话（Chat with Notebook）。整体风格和 NotebookLM 类似，上手没有学习成本。

但看起来相似的东西，运行方式可能完全不同。

不只是替代，而是超越¶

下面这张表把两者的核心差异摆在一起，一目了然。

这张表里有几个点值得展开说说。

先说最本质的，数据存在哪里。NotebookLM 的数据在 Google 云端，Open Notebook 的所有东西都落在本地，PDF、笔记、聊天记录全在你的硬盘上。没有网络也能运行，没网也能用。本体还完全免费，不需要订阅 Ultra（$19.99/月），只需要承担自己的 AI API 费用，或者用 Ollama 本地跑模型，一分钱不用花。

然后是模型的选择。NotebookLM 只能用 Google Gemini，没得选。Open Notebook 支持市面上主流的模型，OpenAI、Claude、DeepSeek、本地 Ollama 都能接。你可以用免费的 Groq 跑轻量任务，用 Claude 做深度分析，用本地模型处理敏感内容，按场景自由切换。它还把 REST API 全部开放出来，你可以把它接到自己的自动化工作流里，批量处理、定时任务、和其他工具联动。

最让我惊喜的是播客生成。NotebookLM 的 Audio Overview 是固定两个人对谈，风格没得改。Open Notebook 可以让你自己定几个人、什么性格、甚至用什么声音。一个人做学术讲座，两个人做访谈，四个人做圆桌辩论，都可以。声音可选 Google TTS、ElevenLabs，或者本地免费合成。

Docker 两分钟，把知识库搬回家¶

部署 Open Notebook 比你想象的要简单。如果你电脑里已经装了 Docker，两分钟就能跑起来。

创建一个目录，在里面放一个 docker-compose.yml 文件，内容如下。

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

把 OPEN_NOTEBOOK_ENCRYPTION_KEY 改成你自己的密钥，然后运行。

docker compose up -d

等 15 到 20 秒，打开浏览器访问 http://localhost:8502，你就拥有了一个完全私有的 AI 知识库。

第一次使用需要配置 AI 提供商。点击 Settings → API Keys → Add Credential，选择你的提供商（OpenAI、Anthropic、Groq 等），填入 API key，然后 Test Connection → Discover Models → Register Models。三步搞定。

如果你还没有 API key，Groq 提供免费额度，足够日常轻度使用。

想要完全离线运行？没问题。在配置里选择 Ollama 作为提供商，前提是你已经本地拉好了模型，比如 ollama run qwen3:32b。这样整个链路从数据库存储到 AI 推理全部跑在你的机器上，零云端交互，零隐私泄露。

跑起来之后，有个坑我帮你踩过了。

一个实用的避坑技巧¶

Open Notebook 有一个细节需要注意。当你在 General Chat 里提问时，系统会对全库内容做向量检索然后组织回答。这个机制在处理几十页的长 PDF 时，偶尔会出现「检索偏离」，也就是 AI 引用了不相关的文档或者产生了幻觉。

解决办法很简单。阅读超长 PDF 时，不要直接在右侧 General Chat 里提问，而是点击该源文件，使用 Direct Source Chat 功能。这个模式会绕过全局检索，直接把单份文档喂给模型，输出更精确的引用和定位。

根据实际使用经验，这个细节在处理几十页以上的文档时区别很明显。

说完坑，说说我最喜欢的功能。

播客生成，从阅读到收听的消费跃迁¶

我觉得 Open Notebook 最有意思的功能不是聊天，而是播客生成。

想象一个场景。你有一份 50 页的行业报告，正常读下来需要一到两个小时，而且必须是专注的状态。但你可以把它丢进 Open Notebook，创建一个播客 episode，设定两个发言人，一个扮演行业专家，一个扮演提问的记者，语气设成「专业但易懂」。20 分钟后，你就得到了一段可以在通勤路上听的音频。

更妙的是，同一个研究素材可以生成多个不同风格的播客。给学生听的入门版、给同行听的深度版、给投资人听的精简版，换个 speaker profile 就行，一鱼多吃。

成本也很友好。主流 TTS 服务的价格从几毛钱到几美元不等，取决于音质和提供商。如果你在意隐私或者想省钱，本地 TTS 完全免费，只是速度稍慢。

这背后的逻辑是，阅读是主动消耗，需要整块时间和高度专注。收听是被动吸收，通勤、做饭、跑步的时候都能进行。同一个知识，换种消费方式，获取效率完全不同。

但它不完美¶

写到这里，有必要泼一盆冷水。Open Notebook 不是银弹，它有明确的适用边界。

先说门槛。这个项目没有云端 SaaS 版本，不会 Docker 命令行的普通用户几乎不可能自己跑起来。虽然文档写得不错，也有 AI 安装助手，但对非技术人群来说，这仍然是一道不小的门槛。

再说一个硬伤，它是单用户的。数据库没有做权限隔离，如果你想在公司里团队共享，或者做企业级部署，现在还不合适。

最后，手机上用起来不太行。没有原生 App，只能在浏览器里访问响应式页面。相比 Google 在移动端快速铺开的拍照上传、离线缓存播放，体验差距明显。

这些局限不是抱怨，是选择。Open Notebook 的团队优先做了隐私和开放，在易用性和团队协作上暂时让步。这种取舍是合理的，也是开源项目常见的演进路径。

写在最后¶

回看这篇文章的开头，我说把公司内部文档丢给 AI 总结，像在陌生人面前打开日记本。

Open Notebook 没有解决这个问题，它只是把陌生人请出了房间。AI 总结文档的便利还在，只是这次，日记本留在了你的书桌上。

开源项目从来不想打败谁，它只是站出来说，你也可以这么活。

欢迎关注我的公众号「Chyris Tech Note」，获取更多 AI 技术解读与实践分享。