本地优先的开源 Google NotebookLM 替代方案 为希望拥有私有 LLM、无需 Docker 和完全掌控的学习者和开发者而构建。
将您的文档转换为智能的、对话式的知识库
我非常喜欢 Google NotebookLM 背后的理念: 上传文档、构建上下文,并使用 LLM 进行推理。
但我希望它能提供一些目前没有的功能:
- 使用我自己的私有或自托管的 LLM API
- 保持所有数据本地化,无需依赖云端
- 无需 Docker 或复杂部署即可试用工具
在探索 GitHub 时,我发现了许多令人印象深刻的"开放笔记本"项目。 它们功能强大且设计精良——但几乎所有项目都依赖 Docker。 对于初学者和非后端用户来说,仅这一点就可能成为致命的障碍。
所以我构建了 KnowNote: 一个简单的基于 Electron 的桌面应用,将 NotebookLM 风格的工作流程 带入本地优先、无需 Docker 的环境。
这是我的第一个开源项目。 它仍处于早期阶段,但核心理念已经实现——我很高兴能分享它并向社区学习。
- 📚 从文档和笔记构建本地知识库
- 💬 使用 LLM 对内容进行聊天、总结和推理
- 🔌 基于提供商的 LLM 设计(OpenAI、DeepSeek、Ollama 等)
- 🔍 基于 RAG 的检索,具有精确的来源追溯能力
- 🖥️ 使用 Electron 构建的桌面应用——无需 Docker,无需服务器设置
如果您符合以下情况,KnowNote 适合您:
- 您喜欢 NotebookLM 但想要更多控制权
- 您更喜欢使用私有或自托管的 LLM API
- 您不想仅为尝试一个想法就启动 Docker
- 您想要一个用于学习和研究的简单桌面应用
- PDF、Word (.docx)、PowerPoint (.pptx) 和网页
- 自动结构解析和内容提取
- 使用 SQLite 的快速本地存储
- 检索增强生成(RAG)
- 多种 LLM 提供商
- 带有精确来源引用的答案
- 所有数据本地存储
- 离线友好(LLM API 可选)
- 完全控制您的知识资产
- 使用 sqlite-vec 的语义搜索
- 快速准确的检索
- 基于 Electron 的桌面应用
- 支持 Windows 和 macOS
KnowNote 是一个早期阶段的项目。 某些部分仍然粗糙,但基础已经到位。
我分享它主要是为了:
- 从实际使用中学习
- 改进学习和研究工作流程
- 探索更好的知识可视化和检索方式
非常欢迎反馈和建议。
- 支持多个提供商的 AI LLM 对话
- 结构化笔记生成
- 一键生成思维导图
- 基于 RAG 的文档检索
- 多格式文档导入(PDF / Word / PPT / 网页)
- 音频上传和转录
- 从文档生成测验
- 从笔记一键生成 PPT
更多想法正在筹备中——欢迎在 Issues 中提出功能建议。
从 GitHub Releases 获取最新版本:
- Windows:
KnowNote-Setup-{version}.exe - macOS:
KnowNote-{version}.dmg/KnowNote-{version}-arm64.dmg
git clone https://github.com/MrSibe/KnowNote.git
cd KnowNote
pnpm install
pnpm devElectron · React · TypeScript · Vite · TailwindCSS SQLite · sqlite-vec · Drizzle ORM pdfjs-dist · mammoth · officeparser · Tiptap
KnowNote/
├── src/
│ ├── main/ # Electron 主进程
│ │ ├── db/ # 数据库配置和架构
│ │ ├── services/ # 核心逻辑(文档解析、RAG 等)
│ │ └── providers/ # LLM 提供商抽象
│ ├── renderer/ # React 渲染进程
│ ├── preload/ # Electron 预加载脚本
│ └── shared/ # 共享类型和工具
├── resources/ # 应用资源(图标等)
├── build/ # 构建配置
└── out/ # 构建输出
欢迎提出 Issues、进行讨论和提交 Pull Request。
如果您对以下方面有想法:
- 学习工作流程
- 知识可视化
- 模型/提供商抽象
我很乐意听取。
本项目采用 GPL-3.0 许可证。
- Google NotebookLM —— 灵感来源
- Electron —— 跨平台桌面框架
- React —— UI 框架
- SQLite & sqlite-vec —— 本地存储和向量检索
如果这个项目与您产生共鸣,欢迎试用、点赞或留下反馈。 感谢您的关注 🙏
由 @MrSibe 用 ❤️ 构建
