Open Notebook 使用与配置 FAQ 全解模型选择、数据管理、备份与性能调优实战指南【免费下载链接】open-notebookAn Open Source implementation of Notebook LM with more flexibility and features项目地址: https://gitcode.com/GitHub_Trending/op/open-notebookOpen Notebook 是一个开源的、隐私优先的 Notebook LM 替代品可让你创建研究笔记本、与文档对话、生成播客、做语义搜索并对内容做二次加工。这篇 FAQ 专题以官方 docs/6-TROUBLESHOOTING/faq.md 为主体结合仓库中的源码、配置与文档系统回答「如何选模型、数据存哪、怎么备份、如何降本提速、能否用于生产」等高频问题读完你将掌握一套从日常使用到生产部署的完整配置决策表。一、General UsageOpen Notebook 是什么能做什么它和 Google Notebook LM 有什么不同Open Notebook 定位为 Google Notebook LM 的开源、关注隐私的替代品核心能力包括创建和管理研究笔记本Notebooks基于你的文档与 AI 对话Chat从内容中生成播客Podcast跨全部资料做语义搜索对内容做转化与分析Transformations与 Google Notebook LM 相比官方 FAQ 归纳了四个差异维度维度Open Notebook说明隐私Privacy默认本地化数据默认留在本地只有你选中的 AI 提供商能收到请求灵活性Flexibility支持 17 AI 提供商OpenAI、Anthropic、Google、本地模型Ollama/LM Studio等可定制性Customization开源可以自行修改与扩展功能控制权Control完全自主数据、模型与处理流程都由你掌控仓库 README.md 中的对比表进一步印证Open Notebook 支持 1-4 位播客主播并允许自定义 Speaker Profile而 Notebook LM 仅支持固定双主播格式同时 Open Notebook 提供完整 REST APINotebook LM 没有公开 API。可以离线使用吗部分离线。应用本身运行在本地但以下操作仍需要联网AI 模型的 API 调用除非使用 Ollama 这类本地模型抓取网页内容完全离线是可行的使用本地模型如 Ollama即可支撑基本功能。完整本地部署方案可参考 examples/docker-compose-ollama.yml 与文档 docs/0-START-HERE/quick-start-local.md。支持哪些文件类型类别支持类型文档PDF、DOCX、TXT、Markdown网页内容URL、YouTube 视频媒体MP3、WAV、M4A音频MP4、AVI、MOV视频其他直接文本输入、CSV、代码文件需要花多少钱软件免费MIT 开源协议见 LICENSE。AI API 成本按量付费给提供商参考区间OpenAI约 $0.50–5 / 每 100 万 tokenAnthropic约 $3–75 / 每 100 万 tokenGoogle常有免费额度本地模型Ollama首次配置后基本免费典型月度花费中等使用强度约 $5–50。注以上为官方 FAQ 给出的量级参考实际以各家当前定价为准使用本地模型则只消耗电费与硬件成本。二、AI 模型与提供商选择我应该选哪个 AI 提供商FAQ 给出了按场景的分类建议新手入门OpenAI稳定、文档完善注重隐私本地模型Ollama或欧洲提供商Mistral控制成本Groq、Google免费额度或 OpenRouter超长上下文Anthropic200K tokens或 Google Gemini1M tokens仓库根目录的 Provider Support Matrix见 README.md列出了 20 提供商覆盖 LLM、Embedding、语音转文字STT、文字转语音TTS等不同能力维度并说明这一切得益于开源的 Esperanto 库也是下文ESPERANTO_*超时参数命名来源。API 层的配置后端位于 api/routers/providers.py 与 api/routers/models.py模型能力发现逻辑在 open_notebook/ai/model_discovery.py。可以同时使用多个提供商吗可以。官方推荐按任务分工配置不同提供商例如OpenAI 负责 ChatGoogle 负责 EmbeddingElevenLabs 负责文字转语音TTSAnthropic 负责复杂推理这也正是 README.md 中强调的「多模型Multi-Model」架构——不同的任务角色语言模型、嵌入模型、语音模型可以各自绑定不同的提供商与模型。默认模型分配相关代码见 api/routers/models.py。最佳模型组合是什么FAQ 给出的三类组合建议预算友好Budget-friendly语言模型gpt-4o-miniOpenAI或deepseek-chat嵌入模型text-embedding-3-smallOpenAI高品质High-quality语言模型claude-3-5-sonnetAnthropic或gpt-4oOpenAI嵌入模型text-embedding-3-largeOpenAI隐私优先Privacy-focused语言模型本地 Ollama 模型如 mistral、llama3嵌入模型本地嵌入模型如何优化 AI 成本模型选择层面简单任务用小模型gpt-4o-mini、claude-3-5-haiku复杂推理才用大模型有免费额度时优先用免费档使用方式层面背景性资料使用「Summary Only仅摘要」上下文模式减少送入模型的 token提问更具体少做无谓往返高频任务改用本地模型Ollama跑上下文控制相关的客户端开关可参考前端组件 frontend/src/components/common/ContextToggle.tsx 与后端图谱 open_notebook/graphs/chat.py。三、数据管理存在哪、怎么备份、如何恢复我的数据存在哪里默认全部本地存储数据库SurrealDB 文件位于surreal_data/上传文件位于data/uploads/播客音频位于data/podcasts/不外传数据除你选定的 AI 提供商外无任何外部数据回传部署提示仓库根 docker-compose.yml 通过卷把宿主目录挂入容器——./surreal_data:/mydataSurrealDB与./notebook_data:/app/data应用数据。因此无论 Docker 还是源码运行备份宿主机上这两个目录即可覆盖全部数据。此外要特别注意容器默认配置在 docker-compose.yml 中要求设置OPEN_NOTEBOOK_ENCRYPTION_KEY否则无法安全保存提供商密钥。加密实现见 open_notebook/utils/encryption.py该环境变量接受任意字符串系统会从中派生 Fernet 密钥生产环境务必显式设置为高强度随机串并支持_FILE后缀方式从 Docker secrets 注入。如何备份与恢复# 创建备份 tar -czf backup-$(date %Y%m%d).tar.gz data/ surreal_data/ # 恢复备份 tar -xzf backup-20240101.tar.gz如果使用 Docker 卷布局等效命令备份宿主上的notebook_data/与surreal_data/目录即可。数据库迁移机制位于 open_notebook/database/migrate.py含 1~23 号 SurrealQL 迁移脚本 open_notebook/database/migrations/升级后首次启动会自动执行迁移。能否在多设备间同步数据目前没有内置同步功能。可用的变通方案把数据目录放到共享网络存储上在多台设备之间手动备份 / 恢复删除笔记本后会发生什么软删除笔记本默认被标记为归档archived而不是被永久物理删除。归档的笔记本可以从数据库中恢复。相关校验在 open_notebook/domain/notebook.py 与 API 路由 api/routers/notebooks.py 中可以看到对应状态字段与接口约束。四、最佳实践组织、搜索、对话与安全如何组织笔记本官方建议两种组织思路混用按主题不同研究领域建不同笔记本按项目每个项目或课程一个笔记本按时间段月度或季度笔记本推荐规模每个笔记本 20–100 个 Source以保证最佳性能。超过该量级后上下文构建open_notebook/utils/context_builder.py与向量检索的开销会明显上升。怎样得到最好的搜索结果用描述性查询词例如 data analysis methods而不是单薄的 data组合多个相关术语用自然语言提问就像对真人提问那样同时尝试全文搜索关键词与向量搜索语义概念两种模式全库搜索实现对应 api/routers/search.py 与后端图谱 open_notebook/graphs/ask.py两种检索模式的详细用法见 docs/3-USER-GUIDE/search.md。如何提升对话质量提供上下文引用具体的 Source 或主题问得具体提细节问题不要泛泛而问要求引用来源例如在提问中加 Answer with page citations善用追问在上一轮回答基础上继续深入引用的呈现与解析在前端由 frontend/src/lib/utils/source-references.tsx 负责底层消息流可见图谱 open_notebook/graphs/chat.py。安全最佳实践有哪些永远不要公开分享 API Key公网部署务必设置OPEN_NOTEBOOK_PASSWORD生产环境用 HTTPS通过反向代理保持 Docker 镜像更新备份若含敏感数据要做加密可用openssl对压缩包做对称加密后再传输关于密码认证与代理的完整说明见 docs/5-CONFIGURATION/security.md 与 docs/5-CONFIGURATION/reverse-proxy.md。Docker 官方镜像可直接从lfnovo/open_notebook:v1-latest拉取见 docker-compose.yml。五、技术问题API、生产环境与硬件要求可以编程方式调用 Open Notebook 吗可以。项目提供完整 REST APIAPI 文档地址http://localhost:5055/docs覆盖全部 UI 功能通过密码请求头password header认证前端所有交互最终都走这层 API见 frontend/src/lib/api/ 下的客户端封装后端入口为 api/main.py。健康检查接口是GET /health连通性故障排查可参考 docs/6-TROUBLESHOOTING/connection-issues.md。可以部署到生产环境吗可以。官方将生产部署作为一等公民支持Docker 部署docker-compose.ymlUI 端口 8502、API 端口 5055安全特性密码保护、密钥加密监控与日志反向代理支持nginx、Caddy、Traefik生产安全配置细节集中在 docs/5-CONFIGURATION/security.md。系统要求是什么级别配置最低要求4GB RAM、2 CPU 核、10GB 磁盘推荐配置8GB RAM、4 CPU 核、SSD 存储运行本地模型16GB RAM建议配备 GPU后端编排与性能分析页System Info可在界面中查看相关前端实现见 frontend/src/app/(dashboard)/advanced/components/SystemInfo.tsx/advanced/components/SystemInfo.tsx)后端能力探测在 open_notebook/utils/runtime_capabilities.py。六、超时与性能为什么报错怎么调为什么会遇到超时错误常见诱因上下文过大Source 数量过多AI 提供商响应慢本地模型跑在 CPU 上推理慢首次请求模型需要加载解决方案调超时参数在.env或 Docker Compose 的environment:中加入# 在 .env 中 API_CLIENT_TIMEOUT600 # 慢速环境放宽到 10 分钟 ESPERANTO_LLM_TIMEOUT180 # 模型推理超时放宽到 3 分钟仓库 docs/5-CONFIGURATION/environment-reference.md 记录了这两个变量的语义与默认值变量必填默认值含义API_CLIENT_TIMEOUT否300API 客户端等待响应的超时秒数ESPERANTO_LLM_TIMEOUT否60LLM 推理超时秒数透传给 EsperantoESPERANTO_TTS_TIMEOUT否300语音合成请求超时慢速 TTS 建议调大不同部署形态的推荐超时值部署形态建议API_CLIENT_TIMEOUT云 APIOpenAI、Anthropic300默认本地 Ollama GPU600本地 Ollama CPU1200远端 LM Studio900调整时请遵循 docs/5-CONFIGURATION/advanced.md 中的工程准则API_CLIENT_TIMEOUT必须大于ESPERANTO_LLM_TIMEOUT并留出缓冲例如ESPERANTO_LLM_TIMEOUT120 API_CLIENT_TIMEOUT180 # 120 60 秒缓冲否则外层请求可能先于模型推理超时而中断表现为「请求失败但模型仍在运行」。若服务响应整体偏慢还可降低 docs/6-TROUBLESHOOTING/index.md 中提到的SURREAL_COMMANDS_MAX_TASKS数据库并发数来换取稳定性。深入排查可继续阅读 docs/6-TROUBLESHOOTING/quick-fixes.md1 分钟快速修复与 docs/6-TROUBLESHOOTING/ai-chat-issues.md模型与对话问题专章。七、故障升级路径问题没被覆盖时怎么办按以下顺序升级求助完整阅读本文档FAQ与本节内的其他排查指南Quick Fixes、AI Chat Issues、Connection Issues先搜索已有的 Issue确认是否已知问题在项目的讨论区提问或加入 Discord 社区若能稳定复现 bug则提交 Issue 并附上完整信息提交 Bug 时应包含复现步骤Steps to reproduce预期行为 vs 实际行为错误信息与日志用docker compose logs抓取系统信息OS、部署方式 Docker/源码配置细节不要包含 API Key结语以上内容完整覆盖了 Open Notebook 从「是什么」到「怎么用好」再到「出问题怎么修」的核心问答。把本文与 Quick Fixes面向症状的 1 分钟解法、Connection Issues网络与 API 问题、AI Chat Issues模型与对话问题配合阅读即可形成一套「按症状定位 → 按 FAQ 决策 → 按配置项修复」的完整排障闭环。【免费下载链接】open-notebookAn Open Source implementation of Notebook LM with more flexibility and features项目地址: https://gitcode.com/GitHub_Trending/op/open-notebook创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考