我找到了开发者真正想要的自托管版 NotebookLM (Open-Notebook)

中文العربيةDeutschEnglishEspañolFrançaisहिन्दीBahasa Indonesia日本語한국어PortuguêsРусский
BBetter Stack
컴퓨터/소프트웨어창업/스타트업AI/미래기술

Transcript

00:00:00Notebook LM，太棒了。
00:00:02你可以上传论文、文档，甚至代码库，
00:00:05然后就能和它对话并进行总结。
00:00:08但这里有个大家都不太愿意谈论的问题。
00:00:10你还是得把所有东西都上传到 Google。
00:00:14这就是 Open Notebook。
00:00:15它在 GitHub 上有超过 27,000 个星标。
00:00:18它是自托管的，而且它提出了一个非常简单的问题。
00:00:22如果你能获得 Notebook LM 的体验，
00:00:24但同时具备开发者级别的控制权呢？
00:00:26今天，我要把它搭建起来，测试工作流程，
00:00:29把它与 Notebook LM 和 anything LLM 进行对比，
00:00:32并回答那个真正的问题。
00:00:34这东西对开发者真的有用吗，
00:00:36还是仅仅又是一个 AI 套壳产品？
00:00:43Open Notebook 是一个注重隐私、
00:00:45自托管的 Notebook LM 替代方案，
00:00:47但这样说有点低估它了，
00:00:49因为它不仅是 Notebook LM，而且还是开源的。
00:00:53它为你提供了 Notebook LM 风格的研究工作区、
00:00:57多模型支持、播客生成、本地优先选项，
00:01:01以及一个你真正可以进行二次开发的 REST API。
00:01:04而这正是很多人真正关心的部分。
00:01:07大多数人看到这个，脑子里只会闪过一个念头。
00:01:09酷，我可以从 PDF 生成 AI 播客了。
00:01:12太棒了。
00:01:14而开发者看到的则是另外一些东西。
00:01:16我能把它接入我的工作流吗？
00:01:19这是一个真正的问题。
00:01:20我能用本地模型吗？
00:01:22我能自动化研究总结吗？
00:01:25回答所有这些问题，
00:01:26正是 Open Notebook 的有趣之处。
00:01:28你不会被锁定在 Gemini 上。
00:01:30你可以使用不同的提供商，
00:01:32包括通过 Ollama 使用本地模型。
00:01:34你可以自托管它。
00:01:35你可以通过不同的演讲者配置文件
00:01:37来自定义播客体验。
00:01:39而且因为它有 API，
00:01:41它完全可以成为你技术栈的一部分。
00:01:43而不仅仅是浏览器里的又一个标签页。
00:01:45如果你喜欢那些能加快工作流的编程工具，
00:01:48一定要订阅。
00:01:49我们会不断发布视频。
00:01:51好了，让我们真正运行一下，
00:01:52这样你就能看到它实际运作了。
00:01:55Open Notebook 是 Docker 优先的。
00:01:57这太棒了。
00:01:58所以如果你已经习惯了容器，
00:02:00这会是你非常熟悉的环境。
00:02:02运行 Compose 设置，
00:02:04等待服务启动，
00:02:06然后在浏览器中打开应用程序。
00:02:08现在它运行起来了，我们可以创建一个新的笔记本来使用。
00:02:10把笔记本看作一个针对项目的研究工作空间。
00:02:13与其把所有东西都塞进一个巨大的 AI 对话框里，
00:02:17你还可以把它们分门别类。
00:02:19一个用于代码库，
00:02:21一个用于项目研究，
00:02:22一个用于学术论文，
00:02:24内部文档，
00:02:25等等这些。
00:02:26现在我们可以添加我们的源文件了。
00:02:29这可以是 PDF、
00:02:31README、
00:02:31文档、
00:02:32研究论文，
00:02:33或者任何你希望系统
00:02:35进行分析的内容。
00:02:37那里重要的一个词是“源”,
00:02:39因为目标不只是通用的 AI 对话。
00:02:43目标是基于你提供的材料给出有依据的回答。
00:02:48那么，让我们问一个更技术性的问题吧。
00:02:51也许我可以问一些类似的问题，
00:02:53比如这个项目的主要组件是什么，
00:02:55如果我想扩展它，我需要改变什么？
00:02:58它正在执行任务。
00:03:00这就是基础的 Notebook LM 风格体验。
00:03:03我们添加源文件，
00:03:04你提出问题，
00:03:04你得到基于这些源文件的回答。
00:03:07但关键在于。
00:03:08这就是它不再感觉像是某样东西的克隆，
00:03:11而开始感觉更对开发者友好，
00:03:13更像是一种独立的东西。
00:03:15你可以选择想要使用的模型提供商，
00:03:18而且我们不会像之前提到的那样被锁定在 Gemini 这样的厂商上。
00:03:20如我所说。
00:03:21托管模型，
00:03:22完全没问题。
00:03:24本地模型，
00:03:25也完全没问题。
00:03:27你可以自行选择权衡
00:03:28质量、
00:03:29成本、
00:03:30和隐私
00:03:30之间进行权衡取舍。
00:03:31还有那个功能，
00:03:32我们大多数人会最先点击的，
00:03:34播客生成器。
00:03:36Notebook LM 让 AI 播客
00:03:38感觉确实相当酷。
00:03:40如果你还没玩过它，
00:03:41也许你应该试一试。
00:03:42如果我在这里运行它，
00:03:44好吧，
00:03:44会发生别的事情。
00:03:46听听看。
00:03:46对于寻求自主权和隐私的研究人员来说，
00:03:48这简直是一个游戏规则改变者。
00:03:50绝对是，Alex。
00:03:52我认为 Ollama 最酷的方面之一是……
00:03:54很酷，对吧？
00:03:55但 Open Notebook 让你对那种格式
00:03:57拥有更多的控制权。
00:03:58你可以从你的源文件生成播客，
00:04:00配置结构，
00:04:01并使用多个演讲者配置文件，
00:04:02而不是被困在一种固定的风格里。
00:04:04所以，与其让通用的 AI 主持人
00:04:05去讲解 PDF，
00:04:07你可以创造出更有针对性的东西。
00:04:08你可以让
00:04:10一位产品经理
00:04:11和一位后端开发人员
00:04:12辩论一份架构文档。
00:04:14这听起来可能微不足道，
00:04:15直到你把它用在那些
00:04:16真的让人头疼的东西上。
00:04:17长篇的 RFC、
00:04:19密集的白皮书、
00:04:20枯燥的 API 规范，
00:04:22所有这些。
00:04:24这是一种让干巴巴的信息
00:04:25变得更易于消费的方法。
00:04:26现在，让我们把它和我们已经知道的
00:04:28市面上的工具进行对比。
00:04:29先从 Google Notebook LM 开始。
00:04:30Notebook LM 很棒。
00:04:32它很简单。
00:04:33它运行得非常好。
00:04:35对于我们很多人来说，
00:04:36首先从 Google Notebook LM 开始说起。
00:04:39Notebook LM 很棒。
00:04:40它很简单。
00:04:41效果非常好。
00:04:41对我们很多人来说，
00:04:43老实说，这可能就足够了。
00:04:45但这一切背后的代价
00:04:46是掌控权。
00:04:48Open Notebook 为你提供
00:04:49所以如果你在处理
00:04:50敏感文档、
00:04:51私人研究、
00:04:52或内部资料，
00:04:54Open Notebook 在这里
00:04:55拥有更强的隐私故事。
00:04:56现在，这一切的代价是，
00:04:58Open Notebook 有 Notebook LM 那么丝滑吗？
00:04:59不，并不总是。
00:05:01Notebook LM 的优势在于
00:05:01它是一个成熟的产品。
00:05:04它来自 Google，对吧？
00:05:06Open Notebook 更灵活，
00:05:07但它仍然感觉像是
00:05:08一个面向开发者的开源项目。
00:05:10这不是什么大问题。
00:05:12这意味着你应该清楚
00:05:15你到底在选择什么。
00:05:16Open Notebook 的灵活性更高，
00:05:17老实说，那确实是一个非常酷的工具。
00:05:18anything LLM 在自托管 AI 领域
00:05:20也很受欢迎，
00:05:22但它在另一个层面上获胜。
00:05:23它更容易上手。
00:05:24它有桌面应用程序。
00:05:27它有无代码代理工作流。
00:05:30这很棒。
00:05:31对于非技术用户来说，
00:05:33那可能是第一步。
00:05:35但 Open Notebook 感觉更专注于
00:05:37Notebook LM 风格的
00:05:38研究体验。
00:05:40现在，让我们坦诚地
00:05:41面对人们喜欢什么
00:05:42以及人们真正抱怨什么。
00:05:44但 Open Notebook 感觉更专注于
00:05:46NotebookLM 式的
00:05:48如果你的工作涉及敏感文档、
00:05:50私人代码、客户研究，
00:05:50或者任何你犹豫是否要
00:05:51上传到托管 AI 工具的内容，
00:05:52那么自托管在这里就真的很重要。
00:05:53这正是 Open Notebook
00:05:54存在的主要原因。
00:05:56接着你还有模型的灵活性。
00:05:58你不会被迫只使用一个提供商。
00:06:00是的，我可以选择我想要的。
00:06:02巨大的胜利。
00:06:04那么自行部署就非常重要了。
00:06:06这也是 Open Notebook
00:06:07最初存在的
00:06:08主要原因。
00:06:10接下来是模型的灵活性。
00:06:12你不会被迫绑定在一家供应商上。
00:06:14没错，我可以选择我想要的模型。
00:06:16这是巨大的优势。
00:06:17这意味着我们可以根据
00:06:19手头的工作
00:06:19选择我们需要的内容，
00:06:21但这同时也产生了一个新问题。
00:06:24你必须做出选择。
00:06:25我们还有播客自定义功能。
00:06:28尝试处理一个巨大的项目规范、
00:06:29密集的 API、Docker、
00:06:31一份冗长的研究报告，
00:06:32它真的开始变得有意义了。
00:06:33最后，对于我们很多人来说，
00:06:35API 非常重要。
00:06:36你可以构思一些工作流，
00:06:38比如从 GitHub Issue 中
00:06:40创建研究简报，
00:06:41或者将输出内容
00:06:43发送到 Slack、Linear 或 Notion。
00:06:45太棒了。
00:06:46现在，关于这一切的坏处，
00:06:48或者说一些
00:06:49我们可能不太喜欢的地方，
00:06:50首先是 Docker 设置。
00:06:52对我们大多数人来说，这没问题。
00:06:54但对其他人来说，
00:06:55这可能是一道门槛。
00:06:56这还不是那种下载一个应用，
00:06:59一切就能直接运行的软件。
00:07:00其次，它仍然是一个较新的项目，
00:07:03所以有些功能还在完善中。
00:07:05而且质量取决于
00:07:06你的模型和你的设置。
00:07:08所以这里坦诚的评价
00:07:10其实很简单。
00:07:11Open Notebook 并不完美。
00:07:12但话说回来，没有哪个工具是完美的。
00:07:14这就是为什么我们
00:07:14拥有这么多不同的工具。
00:07:16但它发展的方向
00:07:17非常好。
00:07:18它并不适合所有人，
00:07:19但如果你想要一个自托管的
00:07:20研究后端，
00:07:21或者你有不想
00:07:23直接上传到 Google 的文档，
00:07:23或者你想在 API 之上构建
00:07:25自定义工作流，
00:07:27不妨尝试一下。
00:07:30其技术栈包括
00:07:31现代前端、
00:07:32Python 后端、
00:07:33SurrealDB，
00:07:34以及一个旨在跨供应商工作的
00:07:35AI 抽象层。
00:07:37所以它会让你觉得这是
00:07:39你可以真正去扩展的东西，
00:07:41而不仅仅是我们使用的东西。
00:07:42如果你喜欢这类编程工具，
00:07:44一定要订阅
00:07:45Better Stack 频道。
00:07:46我们在下一期视频再见。

Key Takeaway

Open Notebook 提供了一个高度可控且基于 Docker 的自托管研究工作空间，让开发者能够绕过第三方云平台限制，通过 REST API 实现定制化的文档分析与播客生成。

Highlights

  • Open Notebook 是一个在 GitHub 上拥有超过 27,000 个星标的开源、自托管 AI 研究工具。

  • 该工具支持通过 Docker 进行部署，并提供 REST API 以便开发者将其集成到工作流中。

  • 用户可根据需求在不同的模型提供商之间切换，包括使用 Ollama 运行本地模型。

  • Open Notebook 允许用户自定义播客生成功能，通过配置不同的演讲者角色来解析复杂的 API 文档或研究报告。

  • 相比 Google NotebookLM，Open Notebook 在处理敏感文档或需要严格隐私控制的场景中更具优势。

Timeline

Open Notebook 的定位与核心价值

  • Open Notebook 解决了依赖 Google 托管服务带来的数据隐私和控制权问题。
  • 该项目通过提供 REST API 支持开发者将其纳入现有的技术栈中。
  • 它不仅局限于简单的对话，还支持多模型切换和本地模型部署。

传统的文档研究工具通常要求用户将数据上传至第三方云端，这对于处理敏感代码或文档的开发者而言存在安全隐患。Open Notebook 作为 NotebookLM 的开源替代品，不仅具备相似的工作区功能，还赋予了用户对底层模型和数据流的完全自主权。

部署流程与研究功能配置

  • 系统采用 Docker 优先的部署方式，适合习惯容器化环境的开发者。
  • 笔记功能被设计为针对项目的研究工作空间，支持 PDF、README、文档及论文等多源输入。
  • 用户可以自主权衡质量、成本与隐私，选择适合的 AI 模型提供商。

部署过程通过 Compose 运行服务，用户可以将不同的项目（如代码库或学术研究）划分为独立的笔记本进行管理。系统通过分析用户提供的源文件，生成具有事实依据的回答，有效避免了通用型 AI 对话框的泛泛而谈。

播客生成功能与工具对比

  • 播客生成器允许配置多个演讲者角色，将枯燥的白皮书或 API 文档转化为易于消费的语音格式。
  • 与 AnythingLLM 相比，Open Notebook 更侧重于专业化的研究体验，而前者更倾向于非技术用户的快速上手。
  • 项目技术栈包含 Python 后端、SurrealDB 及 AI 抽象层，方便后续二次开发。

在对比市面工具时，Google NotebookLM 胜在成熟度与用户体验，但 Open Notebook 在数据隐私和可扩展性上提供了更大空间。尽管该项目处于快速发展阶段，部分功能尚在完善，但它通过 API 为构建自定义工作流提供了实现路径，如自动将研究摘要推送到 Slack 或 Notion。

Community Posts

No posts yet. Be the first to write about this video!

Write about this video