Open Notebook 用户上手路线图从 Sources 到 Chat、Podcasts 的八大核心功能实战指南【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 Notebook LM 类研究工具让用户把 PDF、网页、音视频等资料收纳进 Notebook笔记本再通过 Chat、Search、Ask、Transformations、Podcasts 等功能把它们变成可验证、可复用的知识。这份用户指南对应仓库 docs/3-USER-GUIDE/index.md的作用是带已经理解概念的人快速掌握怎么用界面长什么样、八大功能各解决什么问题、同一个任务该选哪个功能以及首次上手 15 分钟的核心工作流notebook → sources → chat → notes。读完后你将获得一套可直接执行的实操路径并能在仓库源码层面理解这些功能背后的实现逻辑。读者须知与指南结构在动手前先明确这份指南的组织方式前置条件请先阅读 2-CORE-CONCEPTS 核心概念建立 notebook笔记本、sources资料源、notes笔记、chat对话、transformations变换、podcasts播客这几个心智模型这些概念之间的关系可参考 notebooks-sources-notes.md 与 chat-vs-transformations.md。功能手册索引本指南是用户手册的导航总站正文由八大功能手册组成每一篇都回答了怎么做Adding Sources 添加资料Working with Notes 使用笔记Chat Effectively 高效对话Creating Podcasts 生成播客Search Effectively 高效检索Transformations 批量变换Citations 引用验证API Configuration 密钥配置界面先行建议先读 Interface Overview 界面总览 熟悉布局再逐个上手功能。说明本文末尾还会给出任务→功能速查决策表、首次 15 分钟清单与常见误区表可以当作日常使用的查表入口。界面总览三栏布局与导航Open Notebook 前端采用 Next.js 实现目录见 frontend/src/app/(dashboard))核心工作区是一个清晰的三栏布局┌─────────────────────────────────────────────────────────────┐ │ [Logo] Notebooks Search Podcasts Models Settings │ ├──────────────┬──────────────┬───────────────────────────────┤ │ SOURCES │ NOTES │ CHAT │ │ Your docs │ Your │ Talk to AI about │ │ PDFs, URLs │ insights │ your sources │ │ Videos │ summaries │ │ │ [Add] │ [Write] │ [Type here...] │ └──────────────┴──────────────┴───────────────────────────────┘顶部导航栏把整个应用划分为五个主区页面作用Notebooks主工作区管理你的研究项目笔记本Search跨笔记本检索与 Ask 问答Podcasts音频生成管理播客相关配置ModelsAI 配置设置 Provider 与模型Settings应用偏好与内容处理配置左栏 Sources资料面板你的研究原材料都存放在这里。每张 source 卡片包含图标文件类型PDF、URL、视频等标题文档名称上下文指示器Context indicator表示 AI 能看到什么 Full Content全文 Summary Only仅摘要⛔ Not in Context不在上下文菜单⋮编辑、变换transform、删除[ Add Source]按钮可添加文件上传PDF、DOCX 等、Web URL、YouTube 视频、纯文本。中栏 Notes笔记面板存放你的洞察与 AI 生成内容。笔记卡片包含图标手写 或 AI 、标题、来源说明如何被创建、创建日期。[ Write Note]支持创建手写笔记并书写 Markdown。右栏 Chat对话面板与 AI 讨论资料的对话空间元素包括会话选择器、消息历史、Save as Note把好回答存为笔记、上下文指示器、输入框。快捷键方面Enter发送消息、ShiftEnter换行、Escape关闭弹窗、Ctrl/CmdF调用浏览器查找。上下文令牌计数器Chat 面板下方会显示类似Context: 3 sources (12,450 tokens)的计数既是已包含几个 source的指示也是大致的成本/用量信号token 越多单次请求消费越多。移动端视图窄屏下三栏纵向堆叠SOURCES / NOTES 折叠为可点击展开的面板CHAT 始终可见功能完整保留。核心功能一向 Notebook 添加资料Adding Sources资料来源是研究的原材料。完整步骤请见 adding-sources.md这里给出三类最快路径与完整类型清单。三种快速添加方式方式1 上传文件PDF/Word 等 1. 笔记本内点击 Add Source 2. 选择 Upload File从本机选取文件 3. 点击 Upload等待 30–60 秒处理完成 方式2 添加 Web 链接 1. Add Source → Web Link 2. 粘贴 URL如 https://example.com/article 3. Add等待抓取通常比文件更快 方式3 直接粘贴文本 1. Add Source → Text 2. 粘贴/输入内容 → Save 3. 立即可用无需等待支持的类型与边界文档PDF支持最好含扫描件 OCR、Word.docx/.doc、PowerPoint.pptx、Excel.xlsx/.xls、EPUB、Markdown/纯文本.md/.txt、HTML。图片.png/.jpg/.jpeg/.tiff/.bmp需通过 OCR 读取文字前提是启用了Docling引擎见下文内容处理引擎。文件大小上限约100MB因部署环境而异处理耗时约 10 秒2 分钟。OCR扫描版 PDF 与图片文字通过 Docling 引擎识别。Docling 是可选引擎首次启动时设置OPEN_NOTEBOOK_ENABLE_DOCLINGtrue即会安装开启后 OCR 默认打开可在Settings → Content Processing中关闭或强制换用更精确的抽取引擎。音频与视频音频支持 MP3/WAV/M4A/OGG/FLAC约每秒音频 30 秒3 分钟处理耗时换算约为1 小时播客 ≈ 12 分钟处理视频支持 MP4/AVI/MOV/MKV/WebM另有 YouTube URL 直接支持与 Podcast RSS feed。音视频的自动转写需要先在设置里启用 speech-to-text。Web 内容博客/新闻/Medium 等文章、YouTube完整视频、播放列表以及/live/与/shorts/URL、Reddit 公开帖通过 Reddit 公开 JSON、在线 PDF、新闻页——直接粘贴 URL 即可。不支持的场景付费墙内容如 WSJ/FT、带密码的 PDF、超出 100MB 的超大文件以及不在支持列表里的格式会被立即以明确的 unsupported file type 拒绝不会进入长时间等待。添加资料后系统自动做什么每添加一个 source系统自动执行四步流水线1. EXTRACT TEXT 文件/URL → 可读文本扫描 PDF 走 OCR视频开启后走转写 2. BREAK INTO CHUNKS 长文本 → 分片让检索命中具体段落而非整篇文档 3. CREATE EMBEDDINGS 每个分片 → 向量表示支撑语义/概念检索 4. INDEX STORE 全部写入数据库可检索可召回从源码看分片环节在 open_notebook/utils/chunking.py 实现默认块大小为400 tokens可通过环境变量OPEN_NOTEBOOK_CHUNK_SIZE调整代码强制下限 100超过 8192 会告警提示部分 embedding 模型可能不兼容块间重叠默认取块大小的15%由OPEN_NOTEBOOK_CHUNK_OVERLAP控制。进度条走完后 source 即可立即使用embedding 在后台异步创建。内容处理引擎选择抽取方式抓取质量取决于所用处理引擎content-processing-engines.md全部在Settings → Content Processing配置。注意配置只影响保存之后新增的 source想用新引擎重新抽取需重新添加该 source。文档处理引擎上传文件的文本化引擎行为取舍auto默认按文件类型自动选最佳引擎启用 Docling 时复杂文档走 Docling其余走简单抽取均衡几乎适合所有人docling布局感知抽取理解分栏、表格、标题与阅读顺序开启 OCR 时对扫描页做 OCR。可选需先启用最准确但更慢更重simple快速轻量抽取完全跳过 Docling最快但丢失表格结构与版式且无 OCRURL 处理引擎Web 链接抓取转文本引擎行为需要auto默认按顺序逐个尝试直到某个引擎成功无firecrawl托管抓取服务擅长 JavaScript、反爬与代理FIRECRAWL_API_KEY或自建实例jinaJina AI Reader把文章转成干净文本JINA_API_KEYcrawl4ai本地 Chromium 渲染 JavaScript 页面无需 API key。可选需先启用OPEN_NOTEBOOK_ENABLE_CRAWL4AItrue首次启动安装或配置CRAWL4AI_API_URL指向远程simpleBeautifulSoup 解析的基础 HTTP 抓取无auto模式的回退链如下未配置如没有 Firecrawl key或未启用的引擎会被跳过Firecrawl/Jina 优先因为它们对付难抓的站点最好Crawl4AI 在启用时负责捕捉 API 服务抓不到的 JavaScript 重页面simple是最后兜底速度快、零依赖但任何由 JavaScript 渲染的内容都会抓空。Firecrawl → Jina → Crawl4AI → simple (bs4)这就是链接抓回来是空的时通常要去 Settings 换引擎或启用 Crawl4AI的原因。管理、状态与排错元数据组织可为每个 source 补充更友好的标题、标签如 primary research、background与描述方便在大量资料中定位也利于给 Chat 做上下文选择。处理状态 Processing抽取嵌入中请勿先用于 Chat Ready可检索、可对话、可变换 Error格式不支持、文件过大/损坏、网络超时⚪ Not in Context已添加但被排除在 Chat 外仍可检索。常见错误Unsupported file type→ 转成支持格式文档用 PDF、音频用 MP3或启用 Docling 处理图片Processing timeout→ 超过 100MB 的大文件先拆分Transcription failed→ 音频质量太差建议重录或手动粘贴转写文本Web link wont extract→ 换个 URL 引擎或把正文复制粘贴为 Text。从后端实现看sources 接口api/routers/sources.py通过parse_source_form_data接收type、notebook_id、url、content、title、transformationsJSON 字符串的变换 ID 列表、embed、delete_source、async_processing、file等表单字段并同时提供同步与异步两条创建路径_create_source_sync_path/_create_source_async_path支持一次添加后自动跑变换。核心功能二使用笔记Working with Notes笔记是研究产出物——从资料分析中沉淀出的洞察。它可以是手写的、AI 生成的来自 Chat 回答、Ask 结果或 Transformations也可以是AI 洞察 你亲自修改的混合体。与不可变的 source 不同notes 是可编辑、可反复打磨的。完整指南见 working-with-notes.md。创建笔记的三种方式方式1 手写笔记 笔记区 → Create New Note → 写标题/内容(Markdown) → Save 方式2 从 Chat 保存 获得满意的 AI 回答 → 点击 Save as Note → 命名 → 补充语境 → Save 方式3 批量变换 进入 Transformations → 选模板 → Apply to sources → 等待 → 自动生成笔记内置变换模板包括Summary提取要点/关键论点/结论输出 200–300 字摘要、Key Concepts提炼核心概念与术语并解释、Methodology抽取研究路径、方法、数据、Takeaways抽取可执行的洞察与建议。自定义模板也很简单——把抽取要求写成一段指令即可例如For this academic paper, extract: Central research question / Hypothesis / Methodology / Key findings / Limitations / Future work recommendations保存后一次套用到多个 source得到结构一致的笔记。组织与复用命名策略可混合使用日期2026-01-03 - Paper A - AI Safety - Takeaways、主题、类型SUMMARY/QUESTION/INSIGHT与来源前缀。标签如primary-research、background、methodology、insights、questions、follow-up、published用于过滤与组织工作流。笔记生命周期CREATE手写/从 Chat/从 Ask/批量变换→ EDIT REFINE补语境、修 AI 错误、加引用→ ORGANIZE命名、打标签、互相链接→ USE在 Chat 中引用、对笔记再变换做综合、导出/发布→ MAINTAIN定期复盘、归档。备注与 source 不同notes 可以被当作更小更聚焦的上下文素材参与 Chat也可以反过来作为变换的输入还能被 Podcast 生成纳入内容选择。在代码层notes 的增删改查由 api/routers/notes.py 提供create_note、update_note、delete_note支持按notebook_id过滤把对话/洞察存为笔记的另存动作还覆盖了 insights 侧的能力见 api/routers/insights.py 中的save_insight_as_note。核心功能三高效对话Chat EffectivelyChat 是用于探索式提问与多轮追问的主力工具。新手流程进入笔记本 → 打开 Chat → 选择要纳入上下文的 source → 提问 → 读回答 → 追问上下文保持不变→ 直到满意。深入技巧见 chat-effectively.md。上下文管理是 Chat 的关键上下文决定AI 被允许看到什么是最重要的控制项分为三个级别级别AI 看到成本适用Full Content完整 source 文本100% token精细分析、需要精确引用例Analyze this methodology paper closelySummary OnlyAI 生成的约 200 词摘要约为全文的 10%–20%背景资料、参考语境例Use this as context but focus on the main sourceNot in Context什么都看不到完全排除0 token机密、无关或归档内容例Keep this in notebook but dont use now设置方式步骤Chat 内点击 Select Context Sources → 对每个 source 勾选包含/排除并选择级别Full/Summary/Excluded→ 保存。级别修改立即生效。可采用的上下文策略包括Minimalist主 source 用 Full、其余排除聚焦、便宜、精确、背景混合少量 Full 多个 Summary等——策略本质是在成本与精度之间做权衡。前端对应实现可参考 frontend/src/components/notebooks/ChatColumn.tsx/notebooks/components/ChatColumn.tsx?utm_sourcegitcode_repo_files) 与 frontend/src/components/common/ContextToggle.tsx含单元测试 ChatColumn.test.tsx/notebooks/components/ChatColumn.test.tsx?utm_sourcegitcode_repo_files)会话与执行接口位于 api/routers/chat.pycreate_session、execute_chat、build_context。提问与追问技巧提问前先设好上下文让 AI 看到正确的资料否则容易得到泛泛的回答。追问保持同一会话上下文默认延续为不同主题开新会话避免互相干扰。记住每条回答都带有对 source 的引用详见核心功能七回答后可点击引用核验。核心功能四生成播客Creating PodcastsPodcast 功能把研究资料转换成可供被动收听的音频对话让材料在通勤、散步时也能被消化。完整流程见 creating-podcasts.md。在笔记本内部切换到 Podcasts 页签后你会看到Episode Profile集配置选择或自定义一个剧集人设/大纲模板Speakers主持人选择 Host/Guest 的音色与说话风格可针对单集覆盖Include 选区勾选要纳入对话的 source 与 noteTTS 提供方选择文本转语音服务[Generate Podcast]触发生成 → 等待 → 下载/试听。后端由 api/routers/podcasts.py 承载生成、任务状态轮询get_podcast_job_status、剧集列表、音频流式播放stream_podcast_episode_audio、重试与删除等接口播客相关的领域模型与提示词分别位于 open_notebook/podcasts 与 prompts/podcast。Speaker Profile 与 Episode Profile 的独立 CRUD 接口见 api/routers/speaker_profiles.py 与 api/routers/episode_profiles.py。关于 TTS/语音与音频质量问题的排查请直接参阅 creating-podcasts.md 的 Common audio quality fixes 一节。核心功能五高效检索Search Ask检索是进入研究内容的门户Open Notebook 提供两种本质不同的检索方式选择哪一种决定了结果质量。完整指南见 search.md。文本检索Text Search关键词匹配原理按关键词匹配分块chunk再按词频、位置与上下文相关度排序。适合我记得确切用词/短语、找精确引用、搜专名Vaswani et al.、数字GPT-4与术语LSTM。局限找不到近义词——搜 attention 不会命中 focus。速度极快几乎瞬时。向量检索Vector Search语义/概念匹配原理把查询与每个 chunk 都转成 embedding 向量按语义相似度排序。适合概念探索、不知道确切措辞的场景。前提需要先配置好 embedding 模型。从源码看api/routers/search.py 在收到type vector的请求时会先检查model_manager.get_embedding_model()未配置会直接返回提示Vector search requires an embedding model. Please configure one in the Models section.。速度略慢1–2 秒。两种检索共享底层实现后端最终调用 open_notebook/domain/notebook.py 中的text_search内部走 SurrealDB 的fn::text_search若遇 highlight 位置溢出的边界问题会自动回退到vector_search见 open_notebook/domain/notebook.py与vector_searchopen_notebook/domain/notebook.py默认minimum_score0.2作为相似度下界。二者都支持同时检索 sources 与 notessourceTrue, noteTrue并返回命中所在的 source、章节与相关度分数。前端测试见 frontend/src/components/search。Ask一次性综合问答当你不想要多轮对话、只想要一个跨资料库的综合回答时使用 Ask系统自动检索相关内容并合成带引用的完整答案比 Chat 更检索式。Ask 同样强依赖 embedding 模型——api/routers/search.py 中ask_knowledge_base/ask_knowledge_base_simple在执行前都会做同样的模型检查并给出引导性错误信息。核心功能六批量变换TransformationsTransformations 用于对多个 source批量执行同一套洞察模板把从 N 篇文档里提取相同结构信息这件事自动化。模板可分为内置与自定义两类见核心功能二中的模板清单应用目标可以是单个或多个 source输出会自动成为新笔记。示例把 Extract: main argument, methodology, key findings 套用到 5 个 source得到 5 篇结构一致的笔记。内置模板的提示词来自 prompts/transformation/execute.jinja执行逻辑与配置接口见 api/routers/transformations.pycreate_transformation、execute_transformation、默认提示词管理get_default_prompt/update_default_prompt。领域模型定义在 open_notebook/domain/transformation.py。更多模板细节见 transformations.md。核心功能七引用验证Citations每条 AI 生成回答都带指向你 source 的引用用于核验 AI 是否真的读到了它声称的内容、查看原文语境、抓住幻觉以及让笔记可追溯。工作方式AI Response: The study found a 95% accuracy rate [1] using the proposed method. [1] 可点击 → 打开 source 文档 → 高亮相关段落 → 自行核验引用自动生成AI 分析问题 → 召回相关 chunks → 生成带内联引用的回答...[1] 和 ...[2]→ 引用链接到原文位置。若回答缺少引用可直接要求Please cite the specific page or section for that claim. 或 Can you quote the exact text?。详细核验流程见 citations.md。前端把引用渲染与点击跳到原文逻辑封装在 frontend/src/lib/utils/source-references.tsx。核心功能八API 密钥配置API Configuration无需再手改环境变量文件——直接在 Settings 界面配置 AI Provider 的 API keys见 api-configuration.md能力包括添加 API keys不用编辑文件测试 Provider 连接从环境变量迁移到 UI 托管凭据管理 Azure 与 OpenAI-compatible Provider理解密钥的存储与加密机制。凭据 CRUD、测试与模型发现接口在 api/routers/credentials.py含test_credential、discover_models_for_credential、migrate_from_provider_config、migrate_from_env等加密/解密逻辑见 open_notebook/utils/encryption.py旧版 provider_config 迁移工具见 api/credentials_service.py。Models 相关接口含默认模型分配与自动分配见 api/routers/models.py设置页见 frontend/src/app/(dashboard)/settings/settings)。任务速查这个任务该用哪个功能Task: I want to explore a topic with follow-ups → Use: Chat (add sources, select context, have conversation) Task: I want one comprehensive answer → Use: Search / Ask (system finds relevant content) Task: I want to extract the same info from many sources → Use: Transformations (define template, apply to all) Task: I want summaries of all my sources → Use: Transformations (with built-in summary template) Task: I want to share my research in audio form → Use: Podcasts (create speakers, generate episode) Task: I want to find that quote I remember → Use: Search / Text Search (keyword matching) Task: Im exploring a concept without knowing exact words → Use: Search / Vector Search (semantic similarity) Task: I need to add or change my AI provider API keys → Use: Settings / API Keys (configure providers without editing files)对照更细的原则性判断还可以再强调两条Chat 用于探索Ask 用于一次性综合问答关键词精确命中用 Text Search概念探索用 Vector Search。首次 15 分钟快速上手清单Step 1创建 Notebook1 分钟名称要有描述性Q1 Market Research、AI Safety Papers……描述写 1–2 句你正在研究什么这是你的研究容器Step 2添加第一个 Source3 分钟任选一种PDF、网页链接或纯文本按 Adding Sources 操作等待处理完成通常 30–60 秒Step 3围绕它对话3 分钟进入 Chat选择该 source把上下文设为 Full Content问一个简单问题What are the main points?观察 AI 带引用的回答Step 4把洞察存为笔记2 分钟回答满意点击 Save as Note起个有用的名字如 Main points from source X现在你拥有了被捕获的洞察Step 5继续拓展6 分钟再添加一个 source同时就两个资料对话问对比性问题用追问澄清细节完成你已经跑通了核心工作流notebook → sources → chat → notes。常见误区对照表误区问题修正把什么都塞进一个 notebook项目之间没有隔离为不同主题建立独立 notebook指望 AI 天然知道你的背景得到泛泛的回答在 Chat 上下文里描述你的研究重点不核对引用无法验证结论点击引用核验 source 分块一次性问题也用 Chat比 Ask 慢一次性综合问答用 Ask探索用 Chat添加超大 PDF 且不分片处理慢、检索差尽量拆成多个小 source所有对话都用同一套上下文昂贵且不聚焦为每次对话单独调整上下文级别忽视向量检索只能命中精确关键词用向量检索做概念式探索下一步与求助渠道按顺序逐篇跟练sources → notes → chat → podcasts → search用真实内容创建你的第一个 notebook用你自己的研究逐个实践每个功能需要理解为什么时回到 2-CORE-CONCEPTS。遇到问题时按类别查找帮助功能不工作→ 回到对应功能手册的 Troubleshooting 小节出现报错→ 查阅 6-TROUBLESHOOTING想理解原理→ 查阅 2-CORE-CONCEPTS首次安装部署→ 回到 1-INSTALLATION开发者视角→ 见 7-DEVELOPMENT架构、ADR 决策记录与开发规范。准备开始了吗先读 Adding Sources 开启你的研究吧【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
Open Notebook 用户上手路线图：从 Sources 到 Chat、Podcasts 的八大核心功能实战指南
Open Notebook 用户上手路线图从 Sources 到 Chat、Podcasts 的八大核心功能实战指南【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 Notebook LM 类研究工具让用户把 PDF、网页、音视频等资料收纳进 Notebook笔记本再通过 Chat、Search、Ask、Transformations、Podcasts 等功能把它们变成可验证、可复用的知识。这份用户指南对应仓库 docs/3-USER-GUIDE/index.md的作用是带已经理解概念的人快速掌握怎么用界面长什么样、八大功能各解决什么问题、同一个任务该选哪个功能以及首次上手 15 分钟的核心工作流notebook → sources → chat → notes。读完后你将获得一套可直接执行的实操路径并能在仓库源码层面理解这些功能背后的实现逻辑。读者须知与指南结构在动手前先明确这份指南的组织方式前置条件请先阅读 2-CORE-CONCEPTS 核心概念建立 notebook笔记本、sources资料源、notes笔记、chat对话、transformations变换、podcasts播客这几个心智模型这些概念之间的关系可参考 notebooks-sources-notes.md 与 chat-vs-transformations.md。功能手册索引本指南是用户手册的导航总站正文由八大功能手册组成每一篇都回答了怎么做Adding Sources 添加资料Working with Notes 使用笔记Chat Effectively 高效对话Creating Podcasts 生成播客Search Effectively 高效检索Transformations 批量变换Citations 引用验证API Configuration 密钥配置界面先行建议先读 Interface Overview 界面总览 熟悉布局再逐个上手功能。说明本文末尾还会给出任务→功能速查决策表、首次 15 分钟清单与常见误区表可以当作日常使用的查表入口。界面总览三栏布局与导航Open Notebook 前端采用 Next.js 实现目录见 frontend/src/app/(dashboard))核心工作区是一个清晰的三栏布局┌─────────────────────────────────────────────────────────────┐ │ [Logo] Notebooks Search Podcasts Models Settings │ ├──────────────┬──────────────┬───────────────────────────────┤ │ SOURCES │ NOTES │ CHAT │ │ Your docs │ Your │ Talk to AI about │ │ PDFs, URLs │ insights │ your sources │ │ Videos │ summaries │ │ │ [Add] │ [Write] │ [Type here...] │ └──────────────┴──────────────┴───────────────────────────────┘顶部导航栏把整个应用划分为五个主区页面作用Notebooks主工作区管理你的研究项目笔记本Search跨笔记本检索与 Ask 问答Podcasts音频生成管理播客相关配置ModelsAI 配置设置 Provider 与模型Settings应用偏好与内容处理配置左栏 Sources资料面板你的研究原材料都存放在这里。每张 source 卡片包含图标文件类型PDF、URL、视频等标题文档名称上下文指示器Context indicator表示 AI 能看到什么 Full Content全文 Summary Only仅摘要⛔ Not in Context不在上下文菜单⋮编辑、变换transform、删除[ Add Source]按钮可添加文件上传PDF、DOCX 等、Web URL、YouTube 视频、纯文本。中栏 Notes笔记面板存放你的洞察与 AI 生成内容。笔记卡片包含图标手写 或 AI 、标题、来源说明如何被创建、创建日期。[ Write Note]支持创建手写笔记并书写 Markdown。右栏 Chat对话面板与 AI 讨论资料的对话空间元素包括会话选择器、消息历史、Save as Note把好回答存为笔记、上下文指示器、输入框。快捷键方面Enter发送消息、ShiftEnter换行、Escape关闭弹窗、Ctrl/CmdF调用浏览器查找。上下文令牌计数器Chat 面板下方会显示类似Context: 3 sources (12,450 tokens)的计数既是已包含几个 source的指示也是大致的成本/用量信号token 越多单次请求消费越多。移动端视图窄屏下三栏纵向堆叠SOURCES / NOTES 折叠为可点击展开的面板CHAT 始终可见功能完整保留。核心功能一向 Notebook 添加资料Adding Sources资料来源是研究的原材料。完整步骤请见 adding-sources.md这里给出三类最快路径与完整类型清单。三种快速添加方式方式1 上传文件PDF/Word 等 1. 笔记本内点击 Add Source 2. 选择 Upload File从本机选取文件 3. 点击 Upload等待 30–60 秒处理完成 方式2 添加 Web 链接 1. Add Source → Web Link 2. 粘贴 URL如 https://example.com/article 3. Add等待抓取通常比文件更快 方式3 直接粘贴文本 1. Add Source → Text 2. 粘贴/输入内容 → Save 3. 立即可用无需等待支持的类型与边界文档PDF支持最好含扫描件 OCR、Word.docx/.doc、PowerPoint.pptx、Excel.xlsx/.xls、EPUB、Markdown/纯文本.md/.txt、HTML。图片.png/.jpg/.jpeg/.tiff/.bmp需通过 OCR 读取文字前提是启用了Docling引擎见下文内容处理引擎。文件大小上限约100MB因部署环境而异处理耗时约 10 秒2 分钟。OCR扫描版 PDF 与图片文字通过 Docling 引擎识别。Docling 是可选引擎首次启动时设置OPEN_NOTEBOOK_ENABLE_DOCLINGtrue即会安装开启后 OCR 默认打开可在Settings → Content Processing中关闭或强制换用更精确的抽取引擎。音频与视频音频支持 MP3/WAV/M4A/OGG/FLAC约每秒音频 30 秒3 分钟处理耗时换算约为1 小时播客 ≈ 12 分钟处理视频支持 MP4/AVI/MOV/MKV/WebM另有 YouTube URL 直接支持与 Podcast RSS feed。音视频的自动转写需要先在设置里启用 speech-to-text。Web 内容博客/新闻/Medium 等文章、YouTube完整视频、播放列表以及/live/与/shorts/URL、Reddit 公开帖通过 Reddit 公开 JSON、在线 PDF、新闻页——直接粘贴 URL 即可。不支持的场景付费墙内容如 WSJ/FT、带密码的 PDF、超出 100MB 的超大文件以及不在支持列表里的格式会被立即以明确的 unsupported file type 拒绝不会进入长时间等待。添加资料后系统自动做什么每添加一个 source系统自动执行四步流水线1. EXTRACT TEXT 文件/URL → 可读文本扫描 PDF 走 OCR视频开启后走转写 2. BREAK INTO CHUNKS 长文本 → 分片让检索命中具体段落而非整篇文档 3. CREATE EMBEDDINGS 每个分片 → 向量表示支撑语义/概念检索 4. INDEX STORE 全部写入数据库可检索可召回从源码看分片环节在 open_notebook/utils/chunking.py 实现默认块大小为400 tokens可通过环境变量OPEN_NOTEBOOK_CHUNK_SIZE调整代码强制下限 100超过 8192 会告警提示部分 embedding 模型可能不兼容块间重叠默认取块大小的15%由OPEN_NOTEBOOK_CHUNK_OVERLAP控制。进度条走完后 source 即可立即使用embedding 在后台异步创建。内容处理引擎选择抽取方式抓取质量取决于所用处理引擎content-processing-engines.md全部在Settings → Content Processing配置。注意配置只影响保存之后新增的 source想用新引擎重新抽取需重新添加该 source。文档处理引擎上传文件的文本化引擎行为取舍auto默认按文件类型自动选最佳引擎启用 Docling 时复杂文档走 Docling其余走简单抽取均衡几乎适合所有人docling布局感知抽取理解分栏、表格、标题与阅读顺序开启 OCR 时对扫描页做 OCR。可选需先启用最准确但更慢更重simple快速轻量抽取完全跳过 Docling最快但丢失表格结构与版式且无 OCRURL 处理引擎Web 链接抓取转文本引擎行为需要auto默认按顺序逐个尝试直到某个引擎成功无firecrawl托管抓取服务擅长 JavaScript、反爬与代理FIRECRAWL_API_KEY或自建实例jinaJina AI Reader把文章转成干净文本JINA_API_KEYcrawl4ai本地 Chromium 渲染 JavaScript 页面无需 API key。可选需先启用OPEN_NOTEBOOK_ENABLE_CRAWL4AItrue首次启动安装或配置CRAWL4AI_API_URL指向远程simpleBeautifulSoup 解析的基础 HTTP 抓取无auto模式的回退链如下未配置如没有 Firecrawl key或未启用的引擎会被跳过Firecrawl/Jina 优先因为它们对付难抓的站点最好Crawl4AI 在启用时负责捕捉 API 服务抓不到的 JavaScript 重页面simple是最后兜底速度快、零依赖但任何由 JavaScript 渲染的内容都会抓空。Firecrawl → Jina → Crawl4AI → simple (bs4)这就是链接抓回来是空的时通常要去 Settings 换引擎或启用 Crawl4AI的原因。管理、状态与排错元数据组织可为每个 source 补充更友好的标题、标签如 primary research、background与描述方便在大量资料中定位也利于给 Chat 做上下文选择。处理状态 Processing抽取嵌入中请勿先用于 Chat Ready可检索、可对话、可变换 Error格式不支持、文件过大/损坏、网络超时⚪ Not in Context已添加但被排除在 Chat 外仍可检索。常见错误Unsupported file type→ 转成支持格式文档用 PDF、音频用 MP3或启用 Docling 处理图片Processing timeout→ 超过 100MB 的大文件先拆分Transcription failed→ 音频质量太差建议重录或手动粘贴转写文本Web link wont extract→ 换个 URL 引擎或把正文复制粘贴为 Text。从后端实现看sources 接口api/routers/sources.py通过parse_source_form_data接收type、notebook_id、url、content、title、transformationsJSON 字符串的变换 ID 列表、embed、delete_source、async_processing、file等表单字段并同时提供同步与异步两条创建路径_create_source_sync_path/_create_source_async_path支持一次添加后自动跑变换。核心功能二使用笔记Working with Notes笔记是研究产出物——从资料分析中沉淀出的洞察。它可以是手写的、AI 生成的来自 Chat 回答、Ask 结果或 Transformations也可以是AI 洞察 你亲自修改的混合体。与不可变的 source 不同notes 是可编辑、可反复打磨的。完整指南见 working-with-notes.md。创建笔记的三种方式方式1 手写笔记 笔记区 → Create New Note → 写标题/内容(Markdown) → Save 方式2 从 Chat 保存 获得满意的 AI 回答 → 点击 Save as Note → 命名 → 补充语境 → Save 方式3 批量变换 进入 Transformations → 选模板 → Apply to sources → 等待 → 自动生成笔记内置变换模板包括Summary提取要点/关键论点/结论输出 200–300 字摘要、Key Concepts提炼核心概念与术语并解释、Methodology抽取研究路径、方法、数据、Takeaways抽取可执行的洞察与建议。自定义模板也很简单——把抽取要求写成一段指令即可例如For this academic paper, extract: Central research question / Hypothesis / Methodology / Key findings / Limitations / Future work recommendations保存后一次套用到多个 source得到结构一致的笔记。组织与复用命名策略可混合使用日期2026-01-03 - Paper A - AI Safety - Takeaways、主题、类型SUMMARY/QUESTION/INSIGHT与来源前缀。标签如primary-research、background、methodology、insights、questions、follow-up、published用于过滤与组织工作流。笔记生命周期CREATE手写/从 Chat/从 Ask/批量变换→ EDIT REFINE补语境、修 AI 错误、加引用→ ORGANIZE命名、打标签、互相链接→ USE在 Chat 中引用、对笔记再变换做综合、导出/发布→ MAINTAIN定期复盘、归档。备注与 source 不同notes 可以被当作更小更聚焦的上下文素材参与 Chat也可以反过来作为变换的输入还能被 Podcast 生成纳入内容选择。在代码层notes 的增删改查由 api/routers/notes.py 提供create_note、update_note、delete_note支持按notebook_id过滤把对话/洞察存为笔记的另存动作还覆盖了 insights 侧的能力见 api/routers/insights.py 中的save_insight_as_note。核心功能三高效对话Chat EffectivelyChat 是用于探索式提问与多轮追问的主力工具。新手流程进入笔记本 → 打开 Chat → 选择要纳入上下文的 source → 提问 → 读回答 → 追问上下文保持不变→ 直到满意。深入技巧见 chat-effectively.md。上下文管理是 Chat 的关键上下文决定AI 被允许看到什么是最重要的控制项分为三个级别级别AI 看到成本适用Full Content完整 source 文本100% token精细分析、需要精确引用例Analyze this methodology paper closelySummary OnlyAI 生成的约 200 词摘要约为全文的 10%–20%背景资料、参考语境例Use this as context but focus on the main sourceNot in Context什么都看不到完全排除0 token机密、无关或归档内容例Keep this in notebook but dont use now设置方式步骤Chat 内点击 Select Context Sources → 对每个 source 勾选包含/排除并选择级别Full/Summary/Excluded→ 保存。级别修改立即生效。可采用的上下文策略包括Minimalist主 source 用 Full、其余排除聚焦、便宜、精确、背景混合少量 Full 多个 Summary等——策略本质是在成本与精度之间做权衡。前端对应实现可参考 frontend/src/components/notebooks/ChatColumn.tsx/notebooks/components/ChatColumn.tsx?utm_sourcegitcode_repo_files) 与 frontend/src/components/common/ContextToggle.tsx含单元测试 ChatColumn.test.tsx/notebooks/components/ChatColumn.test.tsx?utm_sourcegitcode_repo_files)会话与执行接口位于 api/routers/chat.pycreate_session、execute_chat、build_context。提问与追问技巧提问前先设好上下文让 AI 看到正确的资料否则容易得到泛泛的回答。追问保持同一会话上下文默认延续为不同主题开新会话避免互相干扰。记住每条回答都带有对 source 的引用详见核心功能七回答后可点击引用核验。核心功能四生成播客Creating PodcastsPodcast 功能把研究资料转换成可供被动收听的音频对话让材料在通勤、散步时也能被消化。完整流程见 creating-podcasts.md。在笔记本内部切换到 Podcasts 页签后你会看到Episode Profile集配置选择或自定义一个剧集人设/大纲模板Speakers主持人选择 Host/Guest 的音色与说话风格可针对单集覆盖Include 选区勾选要纳入对话的 source 与 noteTTS 提供方选择文本转语音服务[Generate Podcast]触发生成 → 等待 → 下载/试听。后端由 api/routers/podcasts.py 承载生成、任务状态轮询get_podcast_job_status、剧集列表、音频流式播放stream_podcast_episode_audio、重试与删除等接口播客相关的领域模型与提示词分别位于 open_notebook/podcasts 与 prompts/podcast。Speaker Profile 与 Episode Profile 的独立 CRUD 接口见 api/routers/speaker_profiles.py 与 api/routers/episode_profiles.py。关于 TTS/语音与音频质量问题的排查请直接参阅 creating-podcasts.md 的 Common audio quality fixes 一节。核心功能五高效检索Search Ask检索是进入研究内容的门户Open Notebook 提供两种本质不同的检索方式选择哪一种决定了结果质量。完整指南见 search.md。文本检索Text Search关键词匹配原理按关键词匹配分块chunk再按词频、位置与上下文相关度排序。适合我记得确切用词/短语、找精确引用、搜专名Vaswani et al.、数字GPT-4与术语LSTM。局限找不到近义词——搜 attention 不会命中 focus。速度极快几乎瞬时。向量检索Vector Search语义/概念匹配原理把查询与每个 chunk 都转成 embedding 向量按语义相似度排序。适合概念探索、不知道确切措辞的场景。前提需要先配置好 embedding 模型。从源码看api/routers/search.py 在收到type vector的请求时会先检查model_manager.get_embedding_model()未配置会直接返回提示Vector search requires an embedding model. Please configure one in the Models section.。速度略慢1–2 秒。两种检索共享底层实现后端最终调用 open_notebook/domain/notebook.py 中的text_search内部走 SurrealDB 的fn::text_search若遇 highlight 位置溢出的边界问题会自动回退到vector_search见 open_notebook/domain/notebook.py与vector_searchopen_notebook/domain/notebook.py默认minimum_score0.2作为相似度下界。二者都支持同时检索 sources 与 notessourceTrue, noteTrue并返回命中所在的 source、章节与相关度分数。前端测试见 frontend/src/components/search。Ask一次性综合问答当你不想要多轮对话、只想要一个跨资料库的综合回答时使用 Ask系统自动检索相关内容并合成带引用的完整答案比 Chat 更检索式。Ask 同样强依赖 embedding 模型——api/routers/search.py 中ask_knowledge_base/ask_knowledge_base_simple在执行前都会做同样的模型检查并给出引导性错误信息。核心功能六批量变换TransformationsTransformations 用于对多个 source批量执行同一套洞察模板把从 N 篇文档里提取相同结构信息这件事自动化。模板可分为内置与自定义两类见核心功能二中的模板清单应用目标可以是单个或多个 source输出会自动成为新笔记。示例把 Extract: main argument, methodology, key findings 套用到 5 个 source得到 5 篇结构一致的笔记。内置模板的提示词来自 prompts/transformation/execute.jinja执行逻辑与配置接口见 api/routers/transformations.pycreate_transformation、execute_transformation、默认提示词管理get_default_prompt/update_default_prompt。领域模型定义在 open_notebook/domain/transformation.py。更多模板细节见 transformations.md。核心功能七引用验证Citations每条 AI 生成回答都带指向你 source 的引用用于核验 AI 是否真的读到了它声称的内容、查看原文语境、抓住幻觉以及让笔记可追溯。工作方式AI Response: The study found a 95% accuracy rate [1] using the proposed method. [1] 可点击 → 打开 source 文档 → 高亮相关段落 → 自行核验引用自动生成AI 分析问题 → 召回相关 chunks → 生成带内联引用的回答...[1] 和 ...[2]→ 引用链接到原文位置。若回答缺少引用可直接要求Please cite the specific page or section for that claim. 或 Can you quote the exact text?。详细核验流程见 citations.md。前端把引用渲染与点击跳到原文逻辑封装在 frontend/src/lib/utils/source-references.tsx。核心功能八API 密钥配置API Configuration无需再手改环境变量文件——直接在 Settings 界面配置 AI Provider 的 API keys见 api-configuration.md能力包括添加 API keys不用编辑文件测试 Provider 连接从环境变量迁移到 UI 托管凭据管理 Azure 与 OpenAI-compatible Provider理解密钥的存储与加密机制。凭据 CRUD、测试与模型发现接口在 api/routers/credentials.py含test_credential、discover_models_for_credential、migrate_from_provider_config、migrate_from_env等加密/解密逻辑见 open_notebook/utils/encryption.py旧版 provider_config 迁移工具见 api/credentials_service.py。Models 相关接口含默认模型分配与自动分配见 api/routers/models.py设置页见 frontend/src/app/(dashboard)/settings/settings)。任务速查这个任务该用哪个功能Task: I want to explore a topic with follow-ups → Use: Chat (add sources, select context, have conversation) Task: I want one comprehensive answer → Use: Search / Ask (system finds relevant content) Task: I want to extract the same info from many sources → Use: Transformations (define template, apply to all) Task: I want summaries of all my sources → Use: Transformations (with built-in summary template) Task: I want to share my research in audio form → Use: Podcasts (create speakers, generate episode) Task: I want to find that quote I remember → Use: Search / Text Search (keyword matching) Task: Im exploring a concept without knowing exact words → Use: Search / Vector Search (semantic similarity) Task: I need to add or change my AI provider API keys → Use: Settings / API Keys (configure providers without editing files)对照更细的原则性判断还可以再强调两条Chat 用于探索Ask 用于一次性综合问答关键词精确命中用 Text Search概念探索用 Vector Search。首次 15 分钟快速上手清单Step 1创建 Notebook1 分钟名称要有描述性Q1 Market Research、AI Safety Papers……描述写 1–2 句你正在研究什么这是你的研究容器Step 2添加第一个 Source3 分钟任选一种PDF、网页链接或纯文本按 Adding Sources 操作等待处理完成通常 30–60 秒Step 3围绕它对话3 分钟进入 Chat选择该 source把上下文设为 Full Content问一个简单问题What are the main points?观察 AI 带引用的回答Step 4把洞察存为笔记2 分钟回答满意点击 Save as Note起个有用的名字如 Main points from source X现在你拥有了被捕获的洞察Step 5继续拓展6 分钟再添加一个 source同时就两个资料对话问对比性问题用追问澄清细节完成你已经跑通了核心工作流notebook → sources → chat → notes。常见误区对照表误区问题修正把什么都塞进一个 notebook项目之间没有隔离为不同主题建立独立 notebook指望 AI 天然知道你的背景得到泛泛的回答在 Chat 上下文里描述你的研究重点不核对引用无法验证结论点击引用核验 source 分块一次性问题也用 Chat比 Ask 慢一次性综合问答用 Ask探索用 Chat添加超大 PDF 且不分片处理慢、检索差尽量拆成多个小 source所有对话都用同一套上下文昂贵且不聚焦为每次对话单独调整上下文级别忽视向量检索只能命中精确关键词用向量检索做概念式探索下一步与求助渠道按顺序逐篇跟练sources → notes → chat → podcasts → search用真实内容创建你的第一个 notebook用你自己的研究逐个实践每个功能需要理解为什么时回到 2-CORE-CONCEPTS。遇到问题时按类别查找帮助功能不工作→ 回到对应功能手册的 Troubleshooting 小节出现报错→ 查阅 6-TROUBLESHOOTING想理解原理→ 查阅 2-CORE-CONCEPTS首次安装部署→ 回到 1-INSTALLATION开发者视角→ 见 7-DEVELOPMENT架构、ADR 决策记录与开发规范。准备开始了吗先读 Adding Sources 开启你的研究吧【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