Star 数：8.8K+ 隐私优先的多模态 AI 笔记与播客生成工具 open-notebook 是 lfnovo 开发的开源项目，提供隐私导向的 Notebook LM 替代方案，支持自托管部署与高度自定义。它集成多模态内容处理、AI 驱动的智能交互与高级播客生成，适用于研究笔记、知识管理与内容创作。项目采用 MIT 许可，强调数据控制与灵活扩展，已成为隐私敏感用户的热门选择。
一、部署教程
下面按「快速启动」「典型部署（Docker）」「注意事项」三个层级说明。
1. 快速启动（最简单）
- 在命令行执行：
git clone https://github.com/lfnovo/open-notebook.git cd open-notebook cp .env.example docker.env docker compose -f docker-compose.full.yml up -d这个流程在用户实测文章中提到在 WSL2 或 Linux 环境运行即可。 - 启动后，浏览器访问
http://localhost:8502/notebooks即可。 - 系统要求（官方）包括：Docker 引擎、至少 4 GB RAM、2 GB 空闲磁盘空间。
2. 典型部署（使用 Docker 镜像 + 环境变量）
以下是较完整流程，适合你在家／学校用一台机器（如 PC 或 云主机）部署：
- 克隆仓库：
git clone https://github.com/lfnovo/open-notebook.git cd open-notebook - 拷贝环境配置：
cp .env.example docker.env - 编辑
docker.env（或.env）设置关键环境变量，例如你的 AI 模型 API KEY、数据库连接等。 - 使用镜像运行（示例）：
docker run -d \ --name open-notebook \ -p 8502:8502 -p 5055:5055 \ -v ./notebook_data:/app/data \ -v ./surreal_data:/mydata \ -e OPENAI_API_KEY=你的_key \ -e SURREAL_URL="ws://localhost:8000/rpc" \ -e SURREAL_USER="root" \ -e SURREAL_PASSWORD="root" \ -e SURREAL_NAMESPACE="open_notebook" \ -e SURREAL_DATABASE="production" \ lfnovo/open_notebook:v1-latest-single - 或使用
docker-compose：项目中提供了docker-compose.full.yml（或类似）以方便管理。 - 访问界面：
http://<你的主机>:8502即可登录／注册。 - 后续你要进入 “模型提供商”设置界面，为系统配置你选用的 LLM 接口。
3. 注意事项 & 提示
- 如果你是在 Windows 下，建议使用 WSL2 + Docker 来运行。
- 你需要准备至少一个 AI 模型的 API KEY（如 OpenAI、Anthropic 等）或准备本地模型。否则 AI 辅助功能不能用。
- 数据库：默认使用 SurrealDB 作为后台数据存储。你必须配置好
SURREAL_URL、用户名与密码。 - 资源消耗：虽然基础可运行，但大量文档、多用户或本地 LLM 可能需要更高配置。
- 升级须注意：如果你从旧版升级到 v1.0 以上，镜像标签／端口可能变更。
- 镜像标签说明：建议使用
v1-latest或v1-latest-single；新用户可忽略“Breaking Changes”提醒。
二、AI 模型支持情况
总结一下 Open Notebook 支持哪些模型／提供商，以及支持本地模型的情况。
支持的模型／提供商
根据官方文档，该系统支持多种 LLM 提供商：
- OpenAI（GPT 系列）
- Anthropic（Claude 系列）
- Google Gemini / Vertex AI 等
- OpenRouter（代理其它模型）
- 本地模型通过 Ollama 或其它本地主机部署方式也支持。
本地模型 &隐私控制
- 项目强调「数据完全在你控制」的自托管能力。
- 如果你选择本地 LLM 或在内部网络中运行，理论上可以不将数据传给外部服务。
- 支持向量搜索、全文检索、聊天上下文控制，从而增强 AI 辅助功能。
使用建议（结合你的学习需求）
- 既然你是在做深度学习／物理数学／哲学跨学科笔记，推荐选择一个比较强的 LLM 提供商（如 OpenAI GPT-4 系列）作为主模型，用于生成摘要、解析文档、形成“语言系统”的思考结构。
- 若担心成本或数据隐私，可以考虑部署本地模型（如果你有机器资源的话）——虽然可能精度不如云模型，但控制性强。
- 你可将模型提供商作为“可替换模块”来看待：项目支持多个提供商，使你未来可切换，不被锁定。
- 对于你这种打算整合多媒体资料（PDF、视频、文章）并构建“精神结构”的用途，本地控制 +向量搜索＋多模型支持 是一个优势。
GitHub：https://github.com/lfnovo/open-notebook
油管：https://youtu.be/Q71fFV0CS2I
