你有沒有試過，把一份機密的盡職調查報告、或公司還沒公開的財務檔案，丟進 Google NotebookLM 裡，讓它幫你做摘要、生成一段 Podcast？很方便。然後你才突然想到一件事：這些東西，現在全都躺在 Google 的雲端伺服器上了。
NotebookLM 確實好用。它能把你丟進去的 PDF、網頁、影片，變成一個可以問答的知識庫，還能一鍵生成兩個主持人對談的 Podcast。但它有三道牆：資料只能放在 Google 雲、模型只能用 Google 自己的、Podcast 主持人固定就是那兩個。對隨手記筆記的人沒差，可一旦你處理的是敏感資料、或想省那筆月費，這三道牆就開始礙事了。
最近 GitHub 上有個叫 open-notebook 的開源項目衝上 trending，星數已經來到 25,000 顆。它做的事很簡單：把 NotebookLM 那三道牆，全部拆掉。資料留在你自己電腦、AI 模型隨你挑、Podcast 主持人你自己排。今天這篇就帶你看清楚它到底是什麼、值不值得你花十分鐘裝起來。（截至 2026 年 6 月）
一句話：自己家的 NotebookLM
open-notebook 是 NotebookLM 的開源替代品，MIT 授權，可以 100% 跑在你自己的電腦上。核心邏輯跟 NotebookLM 一模一樣：你丟資料進去（PDF、影片、音訊、網頁、Office 文件都吃），它幫你做全文搜尋、向量搜尋、上下文問答、生成筆記、生成 Podcast。差別在於，整套東西是你自己架的，資料不會離開你的機器。
它的介面已經有繁體中文，所以不用擔心對著一堆英文選單發呆。
最大的賣點：你不再被 Google 綁死
NotebookLM 背後只有 Google 自己的模型。open-notebook 一口氣接了 18 家以上的 AI 供應商，OpenAI、Anthropic、Google、DeepSeek、Qwen、Mistral、xAI⋯⋯想用哪家就用哪家。這代表兩件事。
第一，你可以挑便宜的。同一份報告，你大可用便宜的模型先跑摘要，需要深度推理時才換貴的旗艦。成本控制權回到你手上。第二，更狠的一招——它支援 Ollama 和 LM Studio，意思是你可以在自己電腦上跑本地模型，完全零 API 費用，資料一個位元組都不上網。對處理客戶合約、病歷、內部財報這種東西的人來說，這不是省錢問題，是能不能用的問題。
Podcast 終於不只兩個人在尬聊
NotebookLM 最出圈的功能就是 Audio Overview，把你的資料變成兩個 AI 主持人的對談 Podcast。問題是，永遠就是那兩個人、那種「深度對談」的固定調調，你改不了。
open-notebook 讓你設 1 到 4 位主持人，每個都能自訂人設、講話風格，腳本也能自己控制。想做成一個人講解的單口、或四個人辯論的圓桌，都行。如果你是拿這個來做內容、做教學素材，這個彈性差很多。
還有一個 NotebookLM 完全沒有的東西：API
NotebookLM 到現在都沒有對外的 API，你只能坐在它的網頁前面手動點。open-notebook 給了一套完整的 REST API，還能透過 MCP 接上 Claude Desktop、VS Code。
這句話翻成白話就是：你可以把它接進自己的自動化流程。比方說，每天自動把幾十篇新聞餵進去、生成摘要、再自動推到你的 Telegram。NotebookLM 做不到這種事，因為它根本不給你接口。
open-notebook vs NotebookLM，攤開來比
| 項目 | open-notebook | Google NotebookLM |
|---|---|---|
| 資料存放 | 自架，留在你機器 | 只能放 Google 雲 |
| AI 模型 | 18+ 家任選，可本地 | 只能用 Google 模型 |
| Podcast 主持人 | 1–4 位，可自訂 | 固定 2 位 |
| API | 完整 REST API + MCP | 沒有 |
| 部署方式 | Docker / 雲 / 本地 | 只能用 Google 託管 |
| 費用 | 只付 AI 用量，本地零成本 | 免費版有限制，Plus 約 $14／月、Pro $19.99／月 |
| 上手難度 | 要會用 Docker | 開瀏覽器就能用 |
講公道話，NotebookLM 也不是沒有優點。它開瀏覽器就能用，零安裝；引用標註做得更完整；Audio Overview 還有即時插話的互動模式，你能直接打斷主持人問問題。如果你只是偶爾整理一下公開資料、又不想碰 Docker，NotebookLM 還是更省事。open-notebook 的門檻在於你得自己架。
兩分鐘把它裝起來
官方號稱兩分鐘上手，前提是你電腦裝了 Docker Desktop。步驟其實不複雜：
- 下載官方的
docker-compose.yml（一行 curl 指令搞定，或手動建檔貼上）。 - 把檔案裡的
OPEN_NOTEBOOK_ENCRYPTION_KEY改成你自己的一串密鑰。 - 跑
docker compose up -d，等 15 到 20 秒。 - 瀏覽器開
http://localhost:8502。 - 進設定頁，加上你的 AI 供應商 API Key（OpenAI、Anthropic、Google 都行），測試連線、註冊模型，完成。
不想付任何 API 費用的話，照官方的 Ollama 範例設定，整套在本地跑，一毛錢不花。第一次玩可以先這樣試水溫。
那它適合誰？
我的判斷很直接。如果你符合下面任何一條，open-notebook 值得你裝：你常處理不能外流的敏感資料；你想用 Google 以外的模型（尤其想省錢或跑本地）；你要把知識庫接進自動化流程；你做內容，需要更靈活的 Podcast 生成。
反過來，如果你只是學生整理公開課程筆記、或上班族偶爾摘要幾篇文章，又懶得碰 Docker，那 NotebookLM 開箱即用，沒必要折騰。工具是拿來解決問題的，不是拿來證明自己技術好的。
結論
open-notebook 不是要把 NotebookLM 比下去，而是給你一個「資料自己留著、模型自己挑、流程自己接」的選項。對在意隱私和成本的人，這個選項以前根本不存在。
真正值得注意的，其實不只是這一個工具。這一年你會發現，雲端 AI 訂閱服務，正一個接一個冒出能自架的開源版本。Google 給你方便，社群給你掌控權。你選哪個，取決於你的資料有多敏感、口袋有多深、以及你願不願意花十分鐘學一點 Docker。
如果你打算試，先用本地 Ollama 模式跑一遍，零成本、零風險，玩過再決定要不要接付費模型。GitHub 搜 open-notebook 就能找到。
本文為 AI 工具教學與資訊整理，不構成任何投資或商業建議。文中提到的工具功能與定價截至 2026 年 6 月，AI 產品更新極快，實際情況請以官方最新公告為準。自架服務涉及資料安全，請自行評估後操作。
發表迴響