Open Notebook：把 Notebook LM 式研究助手拆成本地可控系统

先说判断

Open Notebook 的看点不是“开源版 Notebook LM”，而是把研究助手拆成几个可控部件：资料放哪，模型由谁提供，播客按什么格式生成。

Notebook LM 买的是省心。Open Notebook 换来的是自托管、多 provider、REST API、Ollama 本地模型和可配置播客，适合在意数据位置和模型选择权的人。

架构抓主线就够了

Open Notebook 的部署拓扑不复杂：Next.js 前端跑 8502，FastAPI 跑 5055，SurrealDB 跑 8000。前端负责上传、搜索、聊天和播客配置；后端负责内容处理、检索和异步任务。

决定项目气质的是三层：

这组合适合自托管助手：组件少，模型可换，数据不出本机。

Provider 抽象：模型不是写死的

Open Notebook 没有维护一堆 provider 适配器，而是把模型创建交给 Esperanto。数据库里的 model 记录保存模型名、provider 和类型；ModelManager 读出后，按类型调用 create_language()、create_embedding()、create_speech_to_text() 或 create_text_to_speech()。

模型组合很自由：OpenAI 做 chat，Voyage 做 embedding，ElevenLabs 做 TTS；也可以把 LLM 和 embedding 切到 Ollama，再配本地语音服务。README 的 18+ provider，不只是列表，而是通过 Esperanto 工厂落到运行时。

凭证分新旧两条路径。新方式是在 Settings → API Keys 里保存 Credential；旧方式继续读环境变量。模型关联数据库凭证时优先用数据库配置，没有时回退环境变量。老部署能继续跑，新部署也不用手改 .env。

代价是依赖链变长。v1.9.0 升级 Esperanto 后，Ollama 默认 num_ctx 从 128000 降到 8192，Google embedding 默认模型从 text-embedding-004 换成 gemini-embedding-001。embedding 维度变更后，内容必须重新向量化。

播客：从固定模板变成可配置角色

Notebook LM 的播客是固定双人 deep-dive。Open Notebook 的 SpeakerProfile 支持 1-4 个 speaker，每个角色有名字、音色、背景和性格，可单独覆盖 TTS 模型。

PDF 变播客，大致是这条链路：

1. 上传 PDF，创建 Source。
2. content-core 提取文本。
3. 后台提交 embed_source，生成检索用 embedding。
4. 发起播客生成，提交 generate_podcast。
5. EpisodeProfile 决定大纲模型、脚本模型、段落和语言。
6. SpeakerProfile 决定角色、音色和 TTS。
7. podcast-creator 生成 outline、transcript、音频并混成 MP3。

关键在于大纲、脚本、语音可以分开选模型。结构化输出更稳的模型负责大纲，擅长对话的模型负责脚本，TTS 再按角色切 provider。这样才能做出单人讲解、访谈、辩论或圆桌，而不是同一种双人主持口吻。

SurrealDB：少一个组件，多一点风险

Open Notebook 的数据关系不是简单的文档表。一个 notebook 可以引用多个 source，一个 source 也能被多个 notebook 复用；note、chat session、source insight、embedding chunk 又会继续挂在这些对象上。

SurrealDB 被选中，是因为它同时覆盖了四件事：

PostgreSQL + pgvector 也能做，但会多出关系表、JOIN、全文搜索配置和图关系成本。Qdrant 或 Weaviate 向量检索更强，但要多部署一个服务，还要处理 source 与 embedding 的一致性。Open Notebook 面向自托管用户，少一个组件本身就是优势。

风险也别忽略。SurrealDB 的生态和运维工具远不如 PostgreSQL 成熟，社区资料少，Python 驱动还有 RecordID 转换细节。如果团队已有 PostgreSQL 运维体系，且不需要图关系查询，PostgreSQL + pgvector 更稳。

和 Notebook LM 怎么选

最短的对比是这样：

所以它不是“谁全面替代谁”。Notebook LM 适合想省事的人；Open Notebook 适合愿意维护系统、换取控制权的人。

部署时别漏掉安全配置

Docker Compose 可以直接启动：

git clone https://github.com/lfnovo/open-notebook
cd open-notebook
docker compose up -d
# UI: http://localhost:8502

部署前改三处：

• 替换 OPEN_NOTEBOOK_ENCRYPTION_KEY，用于加密 provider 凭证。
• 设置 OPEN_NOTEBOOK_PASSWORD，公网或团队环境必加。
• 收紧 CORS_ORIGINS，再放到反向代理后面。

完全本地化不能只装 Ollama。LLM、embedding、STT、TTS 都要有本地模型或服务，否则仍会调用外部 provider。

适用边界

Open Notebook 适合三类人：资料多、不想上 Google 云的研究者；想生成讲解、访谈、辩论或圆桌播客的创作者；需要把资料留在内网，并接 REST API 自动化的团队。

它不适合只想零配置使用、没有容器运维经验、特别依赖精确 citation 跳转的人。这时 Notebook LM 更省事。

采用顺序可以保守些：先用 Docker + OpenAI 跑通流程；确认有用，再切 Ollama 和本地 embedding；最后做生产化部署，补认证、反代、备份和监控。

Open Notebook 的工程判断可以压成一句话：模型会变，provider 会变，但数据位置和替换权最好别交出去。代价是更长的依赖链和更多自托管责任。

项目地址：https://github.com/lfnovo/open-notebook
官方站点：https://www.open-notebook.ai
文档：https://github.com/lfnovo/open-notebook/blob/main/docs/0-START-HERE/index.md