开源 NotebookLM 完全指南：3.5 万星项目，文档丢进去问答播报全自动
想把文档变成可对话知识库，又不想把数据交给 Google？open-notebook（3.5 万 Star、MIT）自托管 NotebookLM 平替：Docker 两分钟起、1–4 发音人播客、完整 REST API。
想把文档变成可对话的知识库，又不想把数据交给 Google？这个 3.5 万 Star 的开源项目，让你两分钟搭一个属于自己的 NotebookLM。
NotebookLM 很好用，这没人否认。但有一个问题始终绕不开：你上传的每一份 PDF、每一段音频，全在 Google 的服务器上。
做公开内容没问题，但涉及项目文档、客户资料、未发表的稿子——你真的放心全塞进去？
直到我遇到了 open-notebook——一个在 GitHub 上已获 3.5 万 Star、MIT 许可的开源 NotebookLM 平替。
一、先看效果：丢进 PDF，直接开问
用 open-notebook 的体验和 Google 版 NotebookLM 几乎一样——区别是你的数据没离开过自己的服务器。
丢一份 PDF 进去，直接问“这段讲了什么”——它基于文档内容回答，不是瞎编。
问答只是第一步。再点一下播客生成，选两个说话人，它自动把文档内容写成对话脚本，合成一段两人聊天的音频。
说话人可以选择 1 到 4 个，每个还能自定义角色和声音——比 NotebookLM 那两个固定声灵活不少。
NotebookLM 最核心的两个能力——基于文档的 AI 问答、自动生成播客——open-notebook 都做对了。丢进去的 PDF、网页、视频、音频，它都能解析成可搜索的知识。
二、比 NotebookLM 多出来的两个优势
第一，播客更灵活。 NotebookLM 只有两个固定声音的 AI 主持人。open-notebook 支持 1 到 4 个说话人，每个都能自定义角色和声音。
第二，有完整的 REST API。 这是最实在的区别。open-notebook 提供完整的 REST API，能接进自动化流程——NotebookLM 没这个口。
三、该说的坑也得说
引用功能目前还弱。NotebookLM 会精确标注“这段来自第 3 页”，open-notebook 目前只有基础引用。
它不免费。你要么自带 AI API Key（按用量付费），要么配 Ollama 本地跑（免费但吃硬件）。NotebookLM 至少有免费层。
说白了，它替代的是 「文档丢进去让 AI 帮你读」这个能力，不是「零成本白嫖」。
四、谁该试，谁别碰
值得试的：有 Docker 基础、在意数据不上云的人；想用非 Google 模型（DeepSeek、Anthropic、Ollama 本地）做文档问答的人；想要 API 把文档问答接进自己系统的人。
先别碰的：完全零基础、连 Docker 都没装过的——部署链路不算短；需要精确到页码的引用的——这功能还没做好；只想免费白嫖 AI 的——它是自托管工具，不是免费工具。
门槛：中 · Docker Desktop + 一个 AI API Key（或用 Ollama 方案全免费但吃显存）。
五、怎么开始？最短路径：Docker 两分钟起
先拉取 docker-compose 配置：
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
改一下文件里的 OPEN_NOTEBOOK_ENCRYPTION_KEY，随便填一个 secret 字符串，然后启动：
docker compose up -d
等 15～20 秒，浏览器打开 http://localhost:8502 就能看到界面了。
配 AI 模型：有 API Key 的在界面 Models 页面选提供商——OpenAI、Anthropic、Google、DeepSeek、Mistral 都行，18 家可选。想全免费本地跑，用仓库里的 examples/docker-compose-ollama.yml，不用任何 API Key，但需要显卡。
只跑起来看看界面、丢个 PDF 试试问答，20 分钟就能判断值不值得深入。
写在最后
NotebookLM 能做的，open-notebook 基本都能做，数据还全在你自己手里。
如果你对数据主权有要求、想自由选择模型、或者需要 API 接入自己的工作流——花 2 分钟部署一次 open-notebook，值得。