AI之MLMs之Tool:Open Notebook的简介、安装和使用方法、案例应用之详细攻略

AI之MLMs之Tool:Open Notebook的简介、安装和使用方法、案例应用之详细攻略

目录

[Open Notebook的简介](#Open Notebook的简介)

1、特点

[(1)、与 Google Notebook LM 的核心优势对比](#(1)、与 Google Notebook LM 的核心优势对比)

(2)、核心功能 (Core Capabilities)

(3)、高级功能 (Advanced Features)

[Open Notebook的安装和使用方法](#Open Notebook的安装和使用方法)

1、安装

1.1、准备工作

1.2、安装步骤

[方法一:使用 Docker 命令 (适用于本地或远程服务器)](#方法一:使用 Docker 命令 (适用于本地或远程服务器))

[方法二:使用 Docker Compose (推荐,便于管理)](#方法二:使用 Docker Compose (推荐,便于管理))

1.3、关键设置说明

2、使用方法

[Open Notebook的案例应用](#Open Notebook的案例应用)

个人知识库和研究助手:

内容创作者的灵感与素材管理工具:

注重隐私的企业或个人信息管理:

[开发者的可扩展 AI 平台:](#开发者的可扩展 AI 平台:)


Open Notebook的简介

Open Notebook 是一个开源的、注重隐私的 Google Notebook LM 替代品,旨在提供更强的灵活性和更多的功能。在这个由人工智能主导的时代,项目的设计理念是,思考和获取新知识的能力不应成为少数人的特权,也不应受限于单一供应商。Open Notebook 赋予用户以下核心能力:

  • 控制您的数据:让您的研究保持私密和安全。
  • 选择您的 AI 模型:支持包括 OpenAI, Anthropic, Ollama, LM Studio 在内的超过16家供应商。
  • 组织多模态内容:支持 PDF、视频、音频、网页等多种格式。
  • 生成专业播客:具备先进的多人播客生成功能。
  • 智能搜索:在所有内容中进行全文和向量搜索。
  • 带上下文聊天:基于您的研究资料进行 AI 对话。

该项目致力于成为一个私有的、支持多模型、100% 本地化且功能齐全的 Notebook LM 替代方案,让用户能够完全掌控自己的数据和工作流。

Github地址https://github.com/lfnovo/open-notebook

1、特点

Open Notebook 在功能和设计上相较于 Google Notebook LM 具有显著优势,并提供了一系列强大且灵活的特性。

(1)、与 Google Notebook LM 的核心优势对比

|------------|---------------------------------------|----------------------------|------------|
| 特性 | Open Notebook | Google Notebook LM | 优势 |
| 隐私与控制 | 自托管,数据完全属于您 | 仅限 Google 云 | 完整的数据主权 |
| AI 提供商选择 | 16+ 提供商 (OpenAI, Anthropic, Ollama 等) | 仅限 Google 模型 | 灵活性和成本优化 |
| 播客演讲者 | 1-4 名演讲者,可自定义配置 | 仅限 2 名演讲者 | 极高的灵活性 |
| 上下文控制 | 3个精细化级别 | "全有或全无"模式 | 隐私和性能调优 |
| 内容转换 | 内置和自定义转换 | 选项有限 | 无限的处理能力 |
| API 访问 | 完整的 REST API | 无 API | 完全的自动化能力 |
| 部署方式 | Docker、云或本地 | 仅限 Google 托管 | 可在任何地方部署 |
| 引用来源 | 全面且附带来源链接 | 基础引用 | 保证研究的完整性 |
| 定制化 | 开源,完全可定制 | 封闭系统 | 无限的可扩展性 |
| 成本 | 只需支付 AI 使用费 | 月度订阅 + 使用费 | 透明且可控 |

(2)、核心功能 (Core Capabilities)

  • 隐私优先:您的数据保留在自己的控制之下,不依赖任何云服务。
  • 多笔记本组织:无缝管理多个不同的研究项目。
  • 通用内容支持:支持 PDF、视频、音频、网页、Office 文档等多种内容格式。
  • 多模型 AI 支持:集成了超过16家 AI 提供商,包括 OpenAI、Anthropic、Ollama、Google、LM Studio 等,并支持任何与 OpenAI 兼容的端点。
  • 专业播客生成:利用 Episode Profiles (剧集配置) 生成先进的多人播客。
  • 智能搜索:在所有内容上进行全文搜索和向量搜索。
  • 上下文感知聊天:基于您上传的研究材料与 AI 进行对话。
  • AI 辅助笔记:自动生成见解或手动撰写笔记。

(3)、高级功能 (Advanced Features)

  • 推理模型支持:完全支持如 DeepSeek-R1 和 Qwen3 等思考型模型。
  • 内容转换:强大的可定制操作,用于总结和提取见解。
  • 全面的 REST API:提供完整的编程访问权限,用于自定义集成。
  • 可选的密码保护:为公开部署提供身份验证,确保安全。
  • 精细的上下文控制:精确选择要与 AI 模型共享的内容。
  • 引用功能:AI 的回答会附带精确的来源引用。

2、供应商支持矩阵

支持LM Studio及任何兼容OpenAI的端点

Provider LLM Support Embedding Support Speech-to-Text Text-to-Speech
OpenAI
Anthropic
Groq
Google (GenAI)
Vertex AI
Ollama
Perplexity
ElevenLabs
Azure OpenAI
Mistral
DeepSeek
Voyage
xAI
OpenRouter
OpenAI Compatible*

Open Notebook的安装和使用方法

1、安装

项目推荐使用 Docker 进行快速部署,并提供了针对不同场景的配置方案。

1.1、准备工作

安装 Docker 和 Docker Compose。

准备一个用于存放数据的目录。

1.2、安装步骤

方法一:使用 Docker 命令 (适用于本地或远程服务器)

创建一个工作目录:

复制代码
mkdir open-notebook && cd open-notebook

本地机器设置 (当你在运行 Docker 的同一台电脑上访问 Open Notebook 时):

复制代码
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=your_key_here \
  -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

访问地址:http://localhost:8502

远程服务器设置 (用于服务器、NAS、树莓派等远程设备):

复制代码
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=your_key_here \
  -e API_URL=http://YOUR_SERVER_IP:5055 \
  -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

注意:将 YOUR_SERVER_IP 替换为您的服务器实际 IP 地址或域名。

访问地址:http://YOUR_SERVER_IP:8502

方法二:使用 Docker Compose (推荐,便于管理)

在 open-notebook 目录下创建一个 docker-compose.yml 文件:

复制代码
services:
  open_notebook:
    image: lfnovo/open_notebook:v1-latest-single
    ports:
      - "8502:8502"  # Web UI
      - "5055:5055"  # API (必需!)
    environment:
      - OPENAI_API_KEY=your_key_here
      # 远程访问时,请取消注释并设置你的服务器IP/域名:
      # - API_URL=http://192.168.1.100:5055
      # 数据库连接 (单容器必需)
      - SURREAL_URL=ws://localhost:8000/rpc
      - SURREAL_USER=root
      - SURREAL_PASSWORD=root
      - SURREAL_NAMESPACE=open_notebook
      - SURREAL_DATABASE=production
    volumes:
      - ./notebook_data:/app/data
      - ./surreal_data:/mydata
    restart: always

启动服务:

复制代码
docker compose up -d

1.3、关键设置说明

端口:必须同时暴露 8502 (Web 界面) 和 5055 (API 后端) 两个端口。

API_URL 环境变量:在远程访问时,API_URL 必须设置为您访问服务器的方式所对应的 API 地址。例如,如果您通过 http://192.168.1.100:8502 访问,则 API_URL 必须设置为 http://192.168.1.100:5055。不要在远程服务器上使用 localhost。

2、使用方法

安装并启动后,通过浏览器访问 http://localhost:8502 或 http://YOUR_SERVER_IP:8502 即可开始使用。应用界面采用三栏式布局:

来源 (Sources):管理您所有的研究材料,如 PDF、视频、网页等。

笔记 (Notes):创建手动笔记或由 AI 生成的笔记。

聊天 (Chat):基于您上传的"来源"内容与 AI 进行对话。

Open Notebook的案例应用

尽管文档没有提供具体的客户案例,但其功能设计明确指向了以下应用场景:

个人知识库和研究助手:

学者、研究人员或学生可以上传大量的 PDF 论文、网页、视频讲座和书籍。

利用智能搜索快速定位信息,通过上下文感知聊天功能就复杂的学术问题与自己的资料库进行"对话",并让 AI 辅助生成带有精确引用的摘要和笔记。

内容创作者的灵感与素材管理工具:

播客主、博主或作家可以收集各种格式的素材(文章、音频、视频)。

使用内容转换功能自动提取关键信息和摘要。

最独特的是,可以利用专业播客生成功能,直接将研究笔记和想法转换成包含多达四位不同"演讲者"的专业级播客脚本和音频。

注重隐私的企业或个人信息管理:

对于处理敏感信息的用户(如律师、记者、策略分析师),Open Notebook 的自托管和隐私优先特性至关重要。

所有数据都存储在用户自己的服务器上,完全避免了将敏感研究资料上传到第三方云服务的风险。

开发者的可扩展 AI 平台:

由于项目完全开源并提供全面的 REST API,开发者可以将其作为基础,构建定制化的 AI 应用。

例如,可以将其集成到现有的工作流中,实现自动化报告生成、知识库问答机器人等功能。

相关推荐
minhuan8 天前
大模型应用:LangChain核心组件深度解析:llms与embeddings.3
langchain·embeddings·llms·大模型使用
&永恒的星河&1 个月前
超越传统:大型语言模型在文本分类中的突破与代价
人工智能·自然语言处理·大模型·文本分类·llms
Baihai IDP1 个月前
对 GPT 5 模型路由机制的深度解析
人工智能·gpt·ai·大模型·llms
叶庭云1 个月前
一文了解开源大语言模型文件结构,以 Hugging Face DeepSeek-V3.1 模型仓库为例
人工智能·大语言模型·hugging face·1024程序员节·llms·开源模型文件结构·deepseek-v3.1
一个处女座的程序猿1 个月前
LLMs之MultiAgent:OpenAgents(创建AI智能体网络)的简介、安装和使用方法、案例应用之详细攻略
llms·openagents
Baihai IDP5 个月前
深度解析 Cursor(逐行解析系统提示词、分享高效制定 Cursor Rules 的技巧...)
人工智能·ai编程·cursor·genai·智能体·llms
柠石榴6 个月前
【论文阅读笔记】Text-to-SQL Empowered by Large Language Models: A Benchmark Evaluation
论文阅读·提示工程·text2sql·llms·dail-sql
素雪风华6 个月前
构建RAG混合开发---PythonAI+JavaEE+Vue.js前端的实践
java·vue.js·python·ai·语言模型·llms·qwen千问大模型
知来者逆7 个月前
解读大型语言模型:从Transformer架构到模型量化技术
人工智能·深度学习·自然语言处理·transformer·llms