📌 项目地址：lfnovo/open-notebook | ⭐ 24,436 颗星 | 🔧 TypeScript | 📜 未标注
项目是什么
Open Notebook 是 GitHub 上 24,436 颗星的 TypeScript 项目（MIT 协议），目标是替代 Google Notebook LM。我的判断是这个项目不承诺你“数据一定安全”，它承诺的是“控制权在你自己手上”。
官网是 open-notebook.ai，README 里把所有部署文档、用户指南、API 端点都指向那里。项目有 Discord 社区，不是孤零零扔个仓库就跑的项目。
它不是套壳项目。它的核心能力是让你导入内容（PDF、视频、音频、网页），建索引（全文+向量两种），然后基于内容做 AI 对话，还能生成多主持人播客。整个流程的数据和模型选择都由你控制。
两项根本差异：数据在哪 + 模型是谁
Google Notebook LM 把全部数据锁在自家云上，模型只能用 Gemini。Open Notebook 解决的是这两个问题。
数据自托管。用 Docker 部署在自己的服务器，或者装在本机断网环境都能跑。对于很多业务场景这不是偏好，是合规要求——律师看合同、医生分析病历、企业内部知识库，数据不能出自己网络。
模型任意选。README 写明支持 18+ 个 AI 提供商：OpenAI、Anthropic（Claude）、Ollama（本地跑模型）、LM Studio、Groq、Together AI 等。日常工作跑本地 Ollama（成本只有电费），需要强推理时切 GPT-4o 或 Claude 3.5。Notebook LM 绑定 Gemini，没得选。这个灵活性是结构性的，不是功能补丁。
我直接摘 README 里的对比表重点：
| 维度 | Open Notebook | Google Notebook LM |
|---|---|---|
| 数据存放 | 自托管 | 必须 Google 云 |
| AI 模型 | 18+ 家，可本地 | 只有 Gemini |
| 播客主持人 | 1-4 个，可自定义角色 | 固定 2 个 |
| API 访问 | 完整 REST API | 无公开 API |
| 部署方式 | Docker、云端、本地 | 仅 Google 托管 |
| 引用标注 | 基础（说明已标注有待改进） | 完善 |
| 成本 | 只付 AI 使用费 | 免费 + 订阅 |
播客生成：1-4 个角色 vs 固定 2 个
如果你需要将内容做成音频，Open Notebook 提供多一个维度。Google 固定两个主持人，对话格式不能调。Open Notebook 支持 1 到 4 个主持人，每个可以写角色描述和语气。比如你做一个技术辩论，设定一个技术专家、一个怀疑论者、一个主持人控场。或者多人访谈。
README 对比表对这个能力的标注是“Extreme flexibility”。多主持人控制这项能力在同层级产品里确实少见，而且你可以通过 API 端写脚本自定义生成脚本内容。
自动化入口：完整 REST API
“Full REST API”是 README 的原话。意味你可以写脚本批量导入 PDF，自动调用 AI 生成摘要，然后通过 API 查询结果。不需要 UI 也能完整使用。Notebook LM 没有公开 API，所有操作只能手动在界面里完成。对于开发者场景（集成到自有产品、定时处理内容流），这个是决定性差异。
不过 README 没有具体贴 API 文档，全部指向官网 docs。实际使用时需要自己去 open-notebook.ai 的文档里查端点参数。没有“一键运行”这种好事。
内容搜索：两种索引覆盖不同需求
支持导入的内容格式是 PDF、视频（自动提取音频字幕？README 没详细写处理方式）、音频、网页。索引是混合的：全文搜索找关键词（比如合同里的“违约金”），向量搜索做语义匹配（比如找“数据保护责任”相关段落，即使原文没出现这个词）。混合用起来准确度更好。
内容转换方面，README 说有两种路径：“built-in”（内置转换）和“custom”（自定义）。自定义可以通过 REST API 触发，你做字幕提取、知识图谱构建、分类摘要都可以。这是个开放的可扩展体系，对编程能力有要求。
UI 支持 8 种语言：英语、葡萄牙语、中文（简体/繁体）、日语、俄语、孟加拉语。不是机器翻译，是社区完成的全面翻译。
成本与部署门槛
“Pay only for AI usage”——README 这样写。用本地 Ollama 跑的话，成本只有电费；调用 GPT-4o 按 token 计费。Notebook LM 有免费额度 + 月订阅，超量后付费，而且你不能换成便宜模型降成本，选择被锁死。
硬件门槛需要自行评估。本地跑模型至少需要 8GB 显存（推荐 16GB+），否则速度和效果都打折扣。没有本地 GPU 只能付费调用 API，长期费用可能比 Notebook LM 月订阅高。这个物理成本不是 Open Notebook 带来的，是本地推理本身的问题。
部署方面，README 没有给出任何 Docker 命令或一键安装脚本。所有部署指引（“Get Started”、“User Guide”、“Deploy”三个入口）全部跳转到 open-notebook.ai。典型的流程是：配环境变量（数据库、AI API 密钥）→ 拉 Docker 镜像 → 启动容器 → 通过 Web 界面创建笔记本、导入内容。你需要熟悉 Docker，能处理数据持久化和网络配置。任何声称的 docker 命令如果不在 README 里，都不要信。
谁应该用
适合：数据不能出内部网络的场景（合同、病历、内部文档）；需要 API 做自动化的开发者；有 Docker 基础、能管理服务器的人。
不适合：不想碰服务器的人。这本质是管理一套基础设施，不是双击安装的程序。出问题要自己看日志排查。另外，如果幻想“免费高性能”也别碰——没有本地 GPU 就只能依赖付费 API，成本不固定。
Open Notebook 让你掌控一个 AI 知识系统，代价是你负责部署、维护和数据安全。受够了 Google 的封闭，或者需要 API 驱动工作流，这笔交换值得考虑。