AI 尝鲜实验室上新：Open Notebook 是 NotebookLM 的开源平替 让你拥有完全私有的 AI 笔记研究助手
实验简介
Open Notebook 是 lfnovo 在 GitHub 开源的 AI 笔记研究助手，定位为 Google NotebookLM 的私有化部署替代方案。基于 MIT 协议，支持 18 AI 模型供应商自由切换，可将 PDF、视频、音频、网页等多种格式资料统一导入，AI 自动生成摘要、回答问题，还能一键将研究内容转化为最多 4 人对话的 AI 播客。
本次实验通过阿里云计算巢一键部署 Open Notebook 到云端，无需手动配置 Docker、数据库等环境，开箱即用。适合研究人员、学生、内容创作者，以及对数据隐私敏感的法律、医疗、金融等行业用户，让你在云端拥有一个完全属于自己的 AI 知识库。
一、部署环节
整体流程如下：
进入 Open Notebook 对应的计算巢部署页面，配置资源参数并创建服务实例。提交部署后，等待服务实例状态由"部署中"变为"已部署"。
在实例详情页找到访问地址，进入 Open Notebook Web 界面。
配置 AI 模型（选择模型平台 填入 API Key），完成基础配置。
导入你的 PDF、视频或网页资料，发起首次对话，体验 AI 笔记助手。
二、资源及环境准备
准备项说明账号准备已完成阿里云账号登录，并具备访问计算巢、创建服务实例的权限。模型准备如需使用阿里云百炼模型，请提前在 bailian.console.aliyun.com 开通并获取 API Key；也可使用其他兼容 OpenAI 协议的模型。资源准备根据部署页面选择地域、实例规格和付费方式；具体价格以页面实际展示为准。网络准备本地浏览器可正常访问阿里云控制台及计算巢服务实例页面。验证准备准备一份测试资料（如一篇 PDF 论文、一个 YouTube 视频链接或一篇网页文章）。","rows":6,"cols":2,"id":"U9Lgy"}">三、详细部署步骤
步骤 1：进入计算巢并创建 Open Notebook 服务实例
打开“AI尝鲜实验室”，找到 Open Notebook 卡片，点击“立即体验”，按页面提示选择地域、实例规格和付费方式，确认后点击"立即创建"，系统会自动开始拉取镜像并初始化环境。整个过程无需手动安装 Docker、配置数据库，全程几分钟即可完成。
步骤 2：访问 Open Notebook Web 界面
实例状态变为"已部署"后，在实例详情页找到 Open Notebook 的访问地址，浏览器直接打开即可看到主界面——一个干净的笔记本列表页，没有任何冗余信息，非常适合直接上手。
步骤 3：配置 AI 模型
在设置页面选择你想使用的模型平台（推荐使用阿里云百炼提供的 Qwen 系列模型），填入对应的 API Key 并保存。Open Notebook 支持 18 家模型供应商，你也可以同时配置多个，按场景灵活切换。
步骤 4：导入资料并发起首次对话
创建一个新的笔记本，把你想研究的 PDF 文档、视频链接、网页 URL 或音频文件添加进去。AI 会自动提取摘要和关键信息，你可以直接对话提问："这几篇文档的核心观点是什么？""帮我总结第三章内容"，秒得精准答案。
步骤 5：一键生成多人 AI 播客
在播客生成页面，选择发言人数（最多 4 人）和对话风格，点击生成。Open Notebook 会基于你导入的资料自动生成一段多人对话音频，你可以自定义每位主播的人设、声线和语气，零成本产出专业级播客节目。
四、使用场景验证
部署完成后，可以在 Open Notebook 中直接体验以下场景：
场景一：批量消化论文和行业报告
一次性导入 30 篇 PDF 论文或行业报告，让 AI 自动提取每篇的核心观点，并支持跨文档问答（例如"这几篇文献在 XX 问题上的观点有什么不同？"）。原来需要一周消化的文献量，现在半天就能完成初步梳理，还能随时追问细节获得精准引用。
场景二：把学过的东西沉淀为个人知识库
把视频课程链接、技术博客、行业播客统统丢进 Open Notebook，AI 自动整理成结构化笔记。配合语义搜索，任何时候一句话就能找回曾经学过的内容——再也不会"收藏即遗忘"。
场景三：把研究资料一键变成多人对话播客
导入资料后，用播客生成器选择 2-4 位 AI 主播、定义人设和风格，5 分钟生成一段专业级多人对话音频。适合知识分享、内容营销，或者通勤路上把研究内容听进脑子。
场景四：企业文档问答 新人入职助手
把产品文档、技术方案、会议记录统一导入，形成一个可对话的企业知识库。新人入职直接向 AI 提问就能快速了解业务，老员工也能秒速查找历史决策依据，且所有资料留在自己的云端实例内，不外发。
场景五：敏感数据本地化处理，合规无忧
对法律、医疗、金融等数据敏感行业，可在 Open Notebook 内接入 Ollama 本地模型，整个对话推理全部在自己的服务器上完成，资料不出实例、不调用任何外部 API，兼顾 AI 能力与数据合规。
五、后续使用与常见问题
后续使用建议
按主题创建多个笔记本，将不同领域的资料隔离管理，便于精准检索。为不同任务配置不同模型（如长文摘要用大模型、日常对话用轻量模型），平衡效果与成本。
定期备份 Open Notebook 数据目录，避免实例意外重启或释放导致资料丢失。
如需对外提供服务，可结合 REST API 将 Open Notebook 能力集成到自有应用或工作流中。
