自建 Notebook LM 替代品：open-notebook 上手与评测

Google 的 Notebook LM 刚出的时候，我觉得这东西挺酷的——上传一堆文档，它能自动生成问答、总结，甚至还能像播客一样把内容聊出来。但用了几天就发现痛点：数据全在 Google 服务器上，模型不能换，播客只有英文男声，想加自定义知识库也没门。

上周在 GitHub 上看到一个叫 open-notebook 的项目（lfnovo/open-notebook），正好就是 Notebook LM 的开源版本。一天涨了 2.5 万 Star，说明不少人有同感。我花了一个周末搭建试用，这篇文章把实际感受和关键要点告诉你。

它解决了什么问题

简单说，open-notebook 是一个自托管的 AI 笔记智能体。你可以上传 PDF、网页、Markdown 等文档，然后像聊天一样提问，它基于文档内容回答，还能把内容变成播客对话。

和 Notebook LM 最大的不同：

• 模型自由：支持 OpenAI、Anthropic、Ollama、Google Gemini，甚至本地部署的模型。
• 数据私有：所有文档和索引都在你自己的服务器上。
• 可定制：播客可以有多种语言和角色，还能自己写 Prompt 模板。
• 完全开源：代码在 GitHub，想改就改。

如果你是做企业内部知识库、个人研究笔记、或对数据隐私敏感的场景，这个项目值得关注。

核心功能与代码示例

1. 多源文档导入

支持上传 PDF、TXT、Markdown、网页 URL（自动抓取）、CSV 等。上传后自动切分、向量化。

# 通过 API 导入文档（示例）
curl -X POST http://localhost:3000/api/documents/upload \
  -F "file=@./docs/paper.pdf" \
  -F "sourceName=my_paper"

后台会调用你配置的 Embedding 模型（默认为 text-embedding-3-small）将内容存入向量数据库。

2. 多模型问答（RAG）

这是最核心的功能。你提问时，系统会从文档中检索相关片段，然后交给 LLM 生成答案。

配置模型：在 .env 文件中设置：

LLM_PROVIDER=ollama
OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=llama3.2
EMBEDDING_PROVIDER=ollama
EMBEDDING_MODEL=nomic-embed-text

实际使用效果：我用了一本技术书（PDF，约 300 页）索引后，问“异步编程的优缺点”，答案能准确引用书中片段并给出代码示例。不过如果文档质量差（扫描件、格式混乱），检索精度会下降。

3. 播客生成（双人对话）

这个功能比较新颖：基于文档内容，让两个 AI 角色像播客一样讨论。

你可以指定播客的语言（中文目前支持，但效果不如英文）、角色（比如“技术专家”和“新手”），以及对话长度。

# 触发播客生成
curl -X POST http://localhost:3000/api/podcast/generate \
  -H "Content-Type: application/json" \
  -d '{
    "documentId": "doc_abc123",
    "language": "zh",
    "personas": ["技术专家", "产品经理"],
    "length": "medium"
  }'

生成的音频文件是 MP3，可以直接播放。测试中文效果：有点生硬，像两个机器人在念稿，但内容逻辑是对的，作为快速了解文档大纲还行。英文效果明显更自然，因为底层模型（GPT-4o 或 Claude）对英文对话的微调更好。

4. 系统 Prompt 可自定义

这是 Notebook LM 做不到的。你可以在 UI 里修改系统提示词，比如强制回答时先引用原文、控制语气等。

和同类项目的区别

市面上已有不少自建 RAG 项目，比如 Danswer、privateGPT、RAGFlow。open-notebook 最独特的地方就是播客生成。

我的个人感受：如果你只是要一个内部知识问答系统，Danswer 的文档解析和权限管理更成熟。但如果你想要 Notebook LM 那种“把文档变成语音对话”的体验，open-notebook 是唯一选择。

和原版 Notebook LM 比较：

• Notebook LM 生成播客质量极高（双人自然对话，带语气词、笑声），目前 open-notebook 还达不到这个水平。但 Google 不支持中文播客，模型不可换，数据不能私有。
• open-notebook 的播客生成基于 LLM 文本转音频，音色用的是系统 TTS（如 Edge TTS），对话脚本也是模型写的，所以听起来像“朗读”而不是“聊天”。如果未来引入更高级的多轮对话提示和更好的 TTS，差距会缩小。

适用场景与局限

哪些场景推荐用？

1. 个人知识库：你有一堆文档、论文，想快速问答和生成学习材料。
2. 内部培训资料：把 SOP、周报上传，让新员工通过对话了解业务。
3. 内容创作者：把长文章转成播客，作为音频内容发布。
4. 技术尝鲜者：想体验类似 Notebook LM 的功能，又不愿把数据交给第三方。

哪些场景不适合？

1. 大规模生产环境：目前项目还很新（刚上 GitHub 不到一个月），代码质量、性能优化、错误处理都不够稳定。我跑了 3 天，遇到一次 API 返回 500 错误，重启后恢复。
2. 需要高精度问答：RAG 的效果依赖文档质量和切分策略。如果文档本身混乱，答案可能胡编。建议先用小文档测试。
3. 中文播客质量要求高：目前中文播客效果偏朗读，没有抑扬顿挫。如果想做出像“得到”那样的音频节目，可能还需要自己调 TTS 引擎或用付费服务。
4. 多人协作：目前没有用户权限管理，只有一个管理员。多租户场景需要自己二次开发。

快速上手步骤

最省力的方式是用 Docker Compose，5 分钟搞定。

前提条件

• 安装了 Docker 和 Docker Compose
• 至少 4GB 内存（如果用本地 Ollama 模型，建议 8GB+）

步骤

1. 克隆项目并进入目录

   bash 复制

   1 2

   git clone https://github.com/lfnovo/open-notebook.git
   cd open-notebook

2. 复制环境变量文件并修改

   bash 复制

   1

   cp .env.example .env

   编辑 .env，关键配置：

• LLM_PROVIDER=openai 或 ollama
• 如果是 Ollama，确保本地启动 Ollama 服务并设置 OLLAMA_BASE_URL
• ENABLE_PODCAST=true 开启播客生成

3. 启动服务

   bash 复制

   1

   docker-compose up -d

   等待几分钟，首次会下载镜像。

4. 访问 http://localhost:3000

5. 创建用户（目前 UI 会引导你注册第一个管理员）→ 创建一个 Notebook → 上传文档 → 开始提问。

常见坑

• Docker 镜像较大：大约 2GB，因为包含了 Chromium（用于网页抓取）。如果磁盘空间不足，可以自己改 Dockerfile 去掉它，但网页抓取功能会失效。
• 首次加载文档较慢：向量化进度条可能卡住，其实是后台在处理，多刷新几次或者查看日志 docker-compose logs -f。
• 生成播客时卡住：如果用的是免费/弱模型（比如 Ollama 的 llama3.2 8B），生成的播客脚本可能不够长导致 TTS 处理失败。建议至少用 GPT-4o-mini 或 Claude Haiku。

总结一下？不，说点实际的

open-notebook 让我看到了开源社区追赶标杆产品的速度。虽然现在还有很多粗糙的地方（播客质量、稳定性、文档解析精度），但它给出了一个完整的框架：多源文档 + RAG + 多模型 + 音频生成。对于技术团队来说，这个项目最实用的地方是数据自主权——你可以把所有企业文档本地化，再用 AI 问答，既合规又灵活。

如果你只是好奇，花 10 分钟用 Docker 跑起来体验一下，值得。如果要在生产用，建议等几个版本迭代，或者基于它做二次开发。

对了，项目作者更新很勤快，Issues 响应也快，社区活跃。Star 数增长快说明很多人需要这个方向。你可以点个 Watch，看看后续发展。