開源 NotebookLM 完全指南：3.5 萬星專案，文件丟進去問答播報全自動
想把文件變成可對話知識庫，又不想把資料交給 Google？open-notebook（3.5 萬 Star、MIT）自託管 NotebookLM 平替：Docker 兩分鐘起、1–4 發音人播客、完整 REST API。
想把檔案变成可對話的知識庫，又不想把資料交給 Google？這個 3.5 萬 Star 的開源項目，讓你兩分鐘搭一個属於自己的 NotebookLM。
NotebookLM 很好用，這没人否認。但有一個問題始終绕不開：你上傳的每一份 PDF、每一段音頻，全在 Google 的伺服器上。
做公開內容没問題，但涉及項目檔案、客戶資料、未發表的稿子——你真的放心全塞進去？
直到我遇到了 open-notebook——一個在 GitHub 上已获 3.5 萬 Star、MIT 許可的開源 NotebookLM 平替。
一、先看效果：丢進 PDF，直接開問
用 open-notebook 的體驗和 Google 版 NotebookLM 几乎一样——區別是你的資料没离開過自己的伺服器。
丢一份 PDF 進去，直接問“這段讲了什麼”——它基於檔案內容回答，不是瞎編。
問答只是第一步。再點一下播客生成，選兩個說话人，它自動把檔案內容寫成對話腳本，合成一段兩人聊天的音頻。
說话人可以選擇 1 到 4 個，每個還能自訂角色和聲音——比 NotebookLM 那兩個固定聲灵活不少。
NotebookLM 最核心的兩個能力——基於檔案的 AI 問答、自動生成播客——open-notebook 都做對了。丢進去的 PDF、網頁、影片、音頻，它都能解析成可搜尋的知識。
二、比 NotebookLM 多出來的兩個優势
第一，播客更灵活。 NotebookLM 只有兩個固定聲音的 AI 主持人。open-notebook 支援 1 到 4 個說话人，每個都能自訂角色和聲音。
第二，有完整的 REST API。 這是最實在的區別。open-notebook 提供完整的 REST API，能接進自動化流程——NotebookLM 没這個口。
三、該說的坑也得說
引用功能目前還弱。NotebookLM 會精确標注“這段來自第 3 頁”，open-notebook 目前只有基础引用。
它不免費。你要么自帶 AI API Key（按用量付費），要么配 Ollama 本地跑（免費但吃硬件）。NotebookLM 至少有免費层。
說白了，它替代的是 「檔案丢進去讓 AI 幫你讀」這個能力，不是「零成本白嫖」。
四、谁該試，谁別碰
值得試的：有 Docker 基础、在意資料不上雲的人；想用非 Google 模型（DeepSeek、Anthropic、Ollama 本地）做檔案問答的人；想要 API 把檔案問答接進自己系統的人。
先別碰的：完全零基础、连 Docker 都没装過的——部署鏈路不算短；需要精确到頁碼的引用的——這功能還没做好；只想免費白嫖 AI 的——它是自托管工具，不是免費工具。
門槛：中 · Docker Desktop + 一個 AI API Key（或用 Ollama 方案全免費但吃顯存）。
五、怎麼開始？最短路径：Docker 兩分鐘起
先拉取 docker-compose 配置：
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
改一下檔案里的 OPEN_NOTEBOOK_ENCRYPTION_KEY，隨便填一個 secret 字符串，然后啟动：
docker compose up -d
等 15～20 秒，浏覽器開啟 http://localhost:8502 就能看到界面了。
配 AI 模型：有 API Key 的在界面 Models 頁面選提供商——OpenAI、Anthropic、Google、DeepSeek、Mistral 都行，18 家可選。想全免費本地跑，用仓庫里的 examples/docker-compose-ollama.yml，不用任何 API Key，但需要顯卡。
只跑起來看看界面、丢個 PDF 試試問答，20 分鐘就能判斷值不值得深入。
寫在最后
NotebookLM 能做的，open-notebook 基本都能做，資料還全在你自己手里。
如果你對資料主權有要求、想自由選擇模型、或者需要 API 接入自己的工作流——花 2 分鐘部署一次 open-notebook，值得。