前言：为什么需要自托管「NotebookLM」

Google 的 NotebookLM 出来一年多了，东西是好东西 —— 丢 PDF、网页、YouTube 链接进去，AI 帮你读、帮你总结、甚至生成两个 AI 主播聊你材料的播客。但有个硬伤：锁区。

用国内 Google 账号打开就是 location=unsupported，挂了代理也未必救得回来。因为 Google 不止看 IP，还查你的账号地区设置、Play 账单国家、甚至年龄验证状态。网上搜一圈，不少在美国、西班牙的人也遇到过同样的问题，至今没有官方解决方案。

所以就有人做了 Open Notebook—— 一个 MIT 开源、完全自托管的平替。跟原版比，它多了几个你很可能用得上的东西：

• 支持直接上传 Word（docx）、Excel（xlsx）、PPT（pptx），原版只有 PDF 和网页
• 支持视频 mp4 和音频 mp3 / wav，原版只能 YouTube 链接
• 可以接 DeepSeek、OpenAI、Anthropic、Ollama 等 18+ 提供商，不绑 Google
• 播客生成的 AI 主播可以是 1 到 4 个，自定义语音档案
• 有完整 REST API，可以自动化
• 界面支持简体中文

最关键的是：Docker 一行命令，五分钟跑起来，数据全在自己硬盘里。

这篇文章就带你把它部署起来，从零到能上传文档提问。

准备工作

部署之前确认几件事：

• 服务器或 NAS 上已经装了 Docker 和 Docker Compose
• 至少有一个 AI 提供商的 API Key（DeepSeek 国内最友好，后面会详细讲）
• 5-10 分钟时间

如果你的服务器在国内，Docker Hub 有时候拉镜像很慢甚至拉不下来。Open Notebook 也提供了 GitHub Container Registry 镜像（ghcr.io/lfnovo/open-notebook），后面会用上。

双容器部署

Open Notebook 推荐的双容器架构分两层：SurrealDB 管数据存储，Open Notebook 管应用逻辑和 Web UI。拆开的好处是数据库和应用可以独立升级，出问题了也好排查。

整体架构长这样：

1
┌──────────────────────────┐
2
│  浏览器 :8502             │
3
└─────────┬────────────────┘
4
          │
5
┌─────────▼────────────────┐
6
│  open_notebook 容器       │
7
│  - Web UI (8502)         │
8
│  - REST API (5055)       │
9
│  - Python FastAPI        │
10
│  - Next.js 前端          │
11
└─────────┬────────────────┘
12
          │ WebSocket
13
┌─────────▼────────────────┐
14
│  surrealdb 容器           │
15
│  - SurrealDB v2          │
3 collapsed lines
16
│  - RocksDB 存储          │
17
│  - 端口 8000             │
18
└──────────────────────────┘

[图：Open Notebook 双容器架构图]

docker-compose.yml

新建一个目录，然后创建 docker-compose.yml：

1
mkdir open-notebook && cd open-notebook

1
services:
2
  surrealdb:
3
    image: surrealdb/surrealdb:v2
4
    command: start --log info --user root --pass root rocksdb:/mydata/mydatabase.db
5
    user: root
6
    ports:
7
      - "8000:8000"
8
    volumes:
9
      - ./surreal_data:/mydata
10
    environment:
11
      - SURREAL_EXPERIMENTAL_GRAPHQL=true
12
    restart: always
13
    pull_policy: always
14

15
  open_notebook:
17 collapsed lines
16
    image: lfnovo/open_notebook:v1-latest
17
    ports:
18
      - "8502:8502"  # Web UI
19
      - "5055:5055"  # REST API
20
    environment:
21
      - OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string
22
      - SURREAL_URL=ws://surrealdb:8000/rpc
23
      - SURREAL_USER=root
24
      - SURREAL_PASSWORD=root
25
      - SURREAL_NAMESPACE=open_notebook
26
      - SURREAL_DATABASE=open_notebook
27
    volumes:
28
      - ./notebook_data:/app/data
29
    depends_on:
30
      - surrealdb
31
    restart: always
32
    pull_policy: always

启动

1
docker compose up -d

等 15-20 秒（第一次启动 SurrealDB 要初始化），然后验证一下：

1
# 检查容器状态
2
docker compose ps
3

4
# 检查 API 是否就绪
5
curl http://localhost:5055/health
6
# 预期输出: {"status":"healthy"}

看到 healthy 就说明跑起来了。浏览器打开 http://localhost:8502。

配置 AI 提供商

进到 Web UI 之后，左侧菜单 → Settings → API Keys → Add Credential。

这里以 DeepSeek 为例（国内最推荐）：

1. Provider 选 DeepSeek
2. Name 随便填，比如 “DeepSeek”
3. API Key 填你的 DeepSeek API Key（去 platform.deepseek.com申请）
4. 点 Save，然后 Test Connection
5. 测试通过后，点 Discover Models，勾选模型 → Register Models

同样方法可以加 OpenAI、Anthropic 等，也可以同时配多个。

模型推荐组合

DeepSeek 搞定对话了，但 Open Notebook 还有 Embedding（向量检索）、STT（语音转文字）、TTS（文字转语音） 三个能力需要配。以下是我跑过的推荐组合：

完整配置速查

如果你有 AI 代理（LobeHub、AIHubMix 等），OpenAI 这几个模型可以全部走代理 endpoint，一个 Key 搞定 Chat + Embedding + STT + TTS。

语音模型详解

STT（语音转文字） 让你直接上传音频文件提问：

TTS（文字转语音） 用于播客生成和语音回答：

如果你是播客重度用户，追求最自然的语音效果，加配 ElevenLabs 值得。日常文档问答的话，OpenAI tts-1 够用了。

实践中的推荐组合

说真的，大部分人的使用场景就是上传文档、提问、看回答。三步配置就够了：

1
Chat:      DeepSeek V3          ← 国内最优解
2
Embedding: OpenAI embedding-3   ← 或者默认的 all-MiniLM-L6-v2

TTS / STT 可以先不配，等真正需要播客或语音输入的时候再加。Open Notebook 支持随时增删提供商，不用担心一开始配错。

单容器方案（备选）

如果你不想管两个容器，Open Notebook 也提供了单容器镜像 lfnovo/open_notebook:v1-latest-single，把 SurrealDB 打包进了同一个镜像。

1
services:
2
  open_notebook:
3
    image: lfnovo/open_notebook:v1-latest-single
4
    ports:
5
      - "8502:8502"
6
      - "5055:5055"
7
    environment:
8
      - OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string
9
      - SURREAL_URL=ws://localhost:8000/rpc
10
      - SURREAL_USER=root
11
      - SURREAL_PASSWORD=root
12
      - SURREAL_NAMESPACE=open_notebook
13
      - SURREAL_DATABASE=open_notebook
14
    volumes:
15
      - ./notebook_data:/app/data
2 collapsed lines
16
      - ./surreal_single_data:/mydata
17
    restart: always

启动方式一样：docker compose up -d。

怎么选：

接入 Ollama（完全离线）

如果你不想花 API 钱，也可以接本地 Ollama 模型，做到真正的离线使用。

在 docker-compose.yml 里追加一个 Ollama 服务：

1
  ollama:
2
    image: ollama/ollama:latest
3
    ports:
4
      - "11434:11434"
5
    volumes:
6
      - ollama_models:/root/.ollama
7
    restart: always
8

9
volumes:
10
  ollama_models:

启动后拉一个模型：

1
docker exec open-notebook-ollama-1 ollama pull qwen3:7b

然后在 Open Notebook 的 API Keys 页面添加 Ollama 凭证，Base URL 填 http://ollama:11434。

但说真的，本地跑 7B 模型做 RAG 检索，精度跟 DeepSeek V3 还是有差距的。个人建议日常用 DeepSeek API，敏感文档用 Ollama—— 两个可以同时配，在 Notebook 里按需切换。

创建第一个 Notebook

AI 提供商配好后，点 New Notebook：

1. Name 填项目名，比如「2026 密码管理器横评」
2. Description 写个简短描述
3. 点 Create

进到 Notebook 里就可以上传文件了。拖拽或者点击上传区域，支持：

• PDF、Word (docx)、Excel (xlsx)、PPT (pptx)
• 视频 mp4、音频 mp3/wav/m4a
• 网页链接（直接粘贴 URL）
• YouTube 链接
• EPUB 电子书
• 纯文本、Markdown

上传完等它处理（后台在做 embedding），然后就可以在右侧对话框里提问了。每次回答都会标注引用了哪份文档的哪个位置。

日常维护

1
# 查看日志
2
docker compose logs -f
3

4
# 只看 API 的日志
5
docker compose logs -f open_notebook
6

7
# 重启
8
docker compose restart
9

10
# 升级到最新版
11
docker compose down
12
docker compose pull
13
docker compose up -d
14

15
# 完全清除（包括所有数据）
1 collapsed line
16
docker compose down -v

数据文件存在两个目录：./notebook_data（应用数据）和 ./surreal_data（数据库）。建议定期备份这两个目录。

避坑指南

端口冲突

默认端口 8000（SurrealDB）、8502（Web UI）、5055（API）。如果跟已有服务冲突，改映射端口就行：

1
ports:
2
  - "8503:8502"   # Web UI 改成 8503

大 PDF + 小文件混用时的检索问题

有人实测发现：当你同时上传一份大 PDF（比如几百页）和几个小文本文件时，在总聊天窗口里提问，有时会检索到错误的来源，导致回答不准。

解决方案：点进具体的文档，在文档页面里直接提问。单文档检索的准确率明显更高。

容器首次启动慢

第一次启动 SurrealDB 要初始化 RocksDB，等 20-30 秒。如果看到 502 或者连接拒绝，再多等一会。

CPU 模式下的 embedding 速度

默认的 embedding 模型 all-MiniLM-L6-v2 在 CPU 上跑大文档会慢。如果你有 GPU，或者大量文档需要处理，可以考虑在环境变量里调 embedding 的批量大小：

1
environment:
2
  - OPEN_NOTEBOOK_EMBEDDING_BATCH_SIZE=8

减小批量可以避免 CPU 打满导致 OOM。

跟 NotebookLM 原版对比

FAQ

Q: 能不能完全离线？ A: 可以。接 Ollama 本地模型，不需要任何外部 API。但本地模型的 RAG 精度比云端模型差一些。

Q: DeepSeek API 一个月要多少钱？ A: 极低。DeepSeek V3 的输入价格是每百万 token 约 1 元人民币。日常文档问答场景，每月几块钱就够了。

Q: 多人能用吗？ A: 当前版本是单用户。v1.8.5 没有多用户支持。如果你需要团队共享，可以关注后续版本或者看看 AnythingLLM。

Q: 数据存在哪？怎么备份？ A: ./notebook_data 和 ./surreal_data 两个目录。直接用 rsync 或 restic 定时备份这两个目录就行。

Q: 跟 AnythingLLM 比怎么选？ A: Open Notebook 的长板是格式支持全 + 播客生成 + 中文 UI，更像 NotebookLM 平替。AnythingLLM 的长板是 Agent/定时任务/MCP/多用户，更像 AI 工作台。如果你主要是上传 Office 文档 + 提问分析，Open Notebook 更对口。