open-notebook

Open Notebook

概要

Open Notebook は、Google の NotebookLM に代わるオープンソースのセルフホスト可能なソリューションです。研究者が資料を整理し、AI を活用した知見を生成し、ポッドキャストを作成し、ドキュメントを使って文脈を踏まえた会話を行えるようにします。これらすべてを、データの完全なプライバシーを維持しながら実現します。

Google の Notebook LM は Enterprise 版以外に公開 API がありませんが、Open Notebook は包括的な REST API を提供し、16 以上の AI プロバイダーに対応し、完全に自分のインフラストラクチャ上で動作します。

NotebookLM と比べた主な利点：

• プログラムからのアクセスと自動化に対応する完全な REST API
• 16 以上の AI プロバイダーから選択可能（Google のモデルに限定されません）
• カスタマイズ可能な 1～4 人の話者によるマルチスピーカーポッドキャストの生成（話者は 2 人までという制限に対して）
• セルフホストによる完全なデータ主権
• オープンソースで、完全に拡張可能（MIT ライセンス）

リポジトリ： https://github.com/lfnovo/open-notebook

クイックスタート

前提条件

• Docker Desktop がインストールされていること
• 少なくとも 1 つの AI プロバイダーの API キー（または無料のローカル推論を利用する場合は、ローカルの Ollama）

インストール

Docker Compose を使って Open Notebook をデプロイします。

# Download the docker-compose file
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

# Set the required encryption key
export OPEN_NOTEBOOK_ENCRYPTION_KEY="your-secret-key-here"

# Launch the services
docker-compose up -d

アプリケーションにアクセスします。

• フロントエンド UI： http://localhost:8502
• REST API： http://localhost:5055
• API ドキュメント： http://localhost:5055/docs

AI プロバイダーを設定する

起動後、少なくとも 1 つの AI プロバイダーを設定します。

1. UI で Settings > API Keys に移動します
2. 使用するプロバイダー（OpenAI、Anthropic など）の認証情報を追加します
3. 接続をテストし、利用可能なモデルを確認します
4. プラットフォーム全体で使用するモデルを登録します

または、REST API で設定します。

import requests

BASE_URL = "http://localhost:5055/api"

# Add a credential for an AI provider
response = requests.post(f"{BASE_URL}/credentials", json={
    "provider": "openai",
    "name": "My OpenAI Key",
    "api_key": "sk-..."
})
credential = response.json()

# Discover available models
response = requests.post(
    f"{BASE_URL}/credentials/{credential['id']}/discover"
)
discovered = response.json()

# Register discovered models
requests.post(
    f"{BASE_URL}/credentials/{credential['id']}/register-models",
    json={"model_ids": [m["id"] for m in discovered["models"]]}
)

主な機能

ノートブック

研究資料を個別のノートブックに整理します。各ノートブックには、ソース、ノート、チャットセッションを含められます。

import requests

BASE_URL = "http://localhost:5055/api"

# Create a notebook
response = requests.post(f"{BASE_URL}/notebooks", json={
    "name": "Cancer Genomics Research",
    "description": "Literature review on tumor mutational burden"
})
notebook = response.json()
notebook_id = notebook["id"]

ソース

PDF、動画、音声ファイル、Web ページ、Office ドキュメントなど、さまざまな種類のコンテンツを取り込みます。ソースは全文検索とベクトル検索に対応するよう処理されます。

# Add a web URL source
response = requests.post(f"{BASE_URL}/sources", data={
    "url": "https://arxiv.org/abs/2301.00001",
    "notebook_id": notebook_id,
    "process_async": "true"
})
source = response.json()

# Upload a PDF file
with open("paper.pdf", "rb") as f:
    response = requests.post(
        f"{BASE_URL}/sources",
        data={"notebook_id": notebook_id},
        files={"file": ("paper.pdf", f, "application/pdf")}
    )

ノート

ノートブックに関連付けられたノート（人間または AI が生成したもの）を作成、管理します。

# Create a human note
response = requests.post(f"{BASE_URL}/notes", json={
    "title": "Key Findings",
    "content": "TMB correlates with immunotherapy response in NSCLC...",
    "note_type": "human",
    "notebook_id": notebook_id
})

文脈を踏まえたチャット

ソースを引用する AI を使って、研究資料についてチャットできます。

# Create a chat session
session = requests.post(f"{BASE_URL}/chat/sessions", json={
    "notebook_id": notebook_id,
    "title": "TMB Discussion"
}).json()

# Send a message with context from sources
response = requests.post(f"{BASE_URL}/chat/execute", json={
    "session_id": session["id"],
    "message": "What are the key biomarkers for immunotherapy response?",
    "context": {"include_sources": True, "include_notes": True}
})

検索

全文検索またはベクトル検索（セマンティック検索）を使って、すべての資料を検索できます。

# Vector search across the knowledge base
results = requests.post(f"{BASE_URL}/search", json={
    "query": "tumor mutational burden immunotherapy",
    "search_type": "vector",
    "limit": 10
}).json()

# Ask a question with AI-powered answer
answer = requests.post(f"{BASE_URL}/search/ask/simple", json={
    "query": "How does TMB predict checkpoint inhibitor response?"
}).json()

ポッドキャスト生成

研究資料から、カスタマイズ可能な 1～4 人の話者によるプロフェッショナルなマルチスピーカーポッドキャストを生成します。

# Generate a podcast episode
job = requests.post(f"{BASE_URL}/podcasts/generate", json={
    "notebook_id": notebook_id,
    "episode_profile_id": episode_profile_id,
    "speaker_profile_ids": [speaker1_id, speaker2_id]
}).json()

# Check generation status
status = requests.get(f"{BASE_URL}/podcasts/jobs/{job['job_id']}").json()

# Download audio when ready
audio = requests.get(
    f"{BASE_URL}/podcasts/episodes/{status['episode_id']}/audio"
)

コンテンツ変換

カスタムの AI 搭載変換をコンテンツに適用し、要約、抽出、分析を行います。

# Create a custom transformation
transform = requests.post(f"{BASE_URL}/transformations", json={
    "name": "extract_methods",
    "title": "Extract Methods",
    "description": "Extract methodology details from papers",
    "prompt": "Extract and summarize the methodology section...",
    "apply_default": False
}).json()

# Execute transformation on text
result = requests.post(f"{BASE_URL}/transformations/execute", json={
    "transformation_id": transform["id"],
    "input_text": "...",
    "model_id": "model_id_here"
}).json()

対応 AI プロバイダー

Open Notebook は Esperanto ライブラリを通じて 16 以上の AI プロバイダーに対応しています。

プロバイダー	LLM	埋め込み	音声テキスト変換	テキスト音声変換
OpenAI	はい	はい	はい	はい
Anthropic	はい	いいえ	いいえ	いいえ
Google GenAI	はい	はい	いいえ	はい
Vertex AI	はい	はい	いいえ	はい
Ollama	はい	はい	いいえ	いいえ
Groq	はい	いいえ	はい	いいえ
Mistral	はい	はい	いいえ	いいえ
Azure OpenAI	はい	はい	いいえ	いいえ
DeepSeek	はい	いいえ	いいえ	いいえ
xAI	はい	いいえ	いいえ	いいえ
OpenRouter	はい	いいえ	いいえ	いいえ
ElevenLabs	いいえ	いいえ	はい	はい
Perplexity	はい	いいえ	いいえ	いいえ
Voyage	いいえ	はい	いいえ	いいえ

環境変数

Docker デプロイに使用する主な設定変数：

変数	説明	デフォルト
OPEN_NOTEBOOK_ENCRYPTION_KEY	必須。 保存された認証情報を暗号化するための秘密鍵	なし
SURREAL_URL	SurrealDB 接続 URL	ws://surrealdb:8000/rpc
SURREAL_NAMESPACE	データベースの名前空間	open_notebook
SURREAL_DATABASE	データベース名	open_notebook
OPEN_NOTEBOOK_PASSWORD	UI を保護する任意のパスワード	なし

API リファレンス

REST API は http://localhost:5055/api で利用でき、対話型ドキュメントは /docs にあります。

主なエンドポイントグループ：

• /api/notebooks - ノートブックの CRUD とソースの関連付け
• /api/sources - ソースの取り込み、処理、取得
• /api/notes - ノートの管理
• /api/chat/sessions - チャットセッションの管理
• /api/chat/execute - チャットメッセージの実行
• /api/search - 全文検索とベクトル検索
• /api/podcasts - ポッドキャストの生成と管理
• /api/transformations - コンテンツ変換パイプライン
• /api/models - AI モデルの設定と検出
• /api/credentials - プロバイダー認証情報の管理

すべてのエンドポイントとリクエスト／レスポンス形式を含む完全な API リファレンスについては、references/api_reference.md を参照してください。

アーキテクチャ

Open Notebook は最新の技術スタックを使用しています：

• バックエンド： Python と FastAPI
• データベース： SurrealDB（ドキュメント型 + リレーショナル）
• AI 統合： Esperanto マルチプロバイダーライブラリを使用した LangChain
• フロントエンド： React を使用した Next.js
• デプロイ： 永続ボリュームを使用した Docker Compose

重要事項

• Open Notebook のデプロイには Docker が必要です
• AI 機能を利用するには、少なくとも 1 つの AI プロバイダーを設定する必要があります
• API 費用をかけずに無料でローカル推論を行うには、Ollama を使用してください
• 初回起動前に OPEN_NOTEBOOK_ENCRYPTION_KEY を設定し、再起動後も同じ値を維持する必要があります
• 完全なデータ主権を確保するため、すべてのデータは Docker ボリュームにローカル保存されます

エージェントの作業手順

1. 環境を確認します。 調査の質問、データベース、期間、採用基準を確認します。
2. 入力を明確にします。 データまたはユーザーから、形式、識別子、パラメーターを確認します。結果に影響する値は推測せず、質問してください。
3. まず小規模に実行します。 1 つのデータベースで絞り込んだクエリを使って検索し、結果に関連性があることを確認します。
4. 上記の手順と参考資料を使って、タスク全体を実行します。
5. 結果を検証します。 すべての参考文献が、解決可能な識別子を持つ実在のレコードから取得されていることを確認し、件数と検索文字列を記録します。
6. 報告します。 実行した内容（バージョン、コマンド、パラメーター）、確認した内容、未確定の事項を伝えます。

発生した場合	対応
API がレート制限を返す、またはエラーを返す	待機して再試行する、バッチサイズを小さくする、またはデータベースを切り替え、発生した問題を報告します。
これらの手順に記載された関数、フラグ、エンドポイントがインストール済みのバージョンにない	インストール済みバージョン独自のドキュメント（help()、--help、公式ドキュメント）を確認し、適宜対応してユーザーに伝えます。API を決して捏造しないでください。
必須の入力、識別子、またはパラメーターが曖昧	ユーザーに質問するか、実行前に仮定を明示します。

完全性に関するルール

• 結果、パラメーター、識別子、引用、統計情報を決して捏造しないでください。実行または検証できない場合は、その旨を明確に伝えます。
• 取得していない論文を要約しないでください。記憶に基づいて引用しないでください。
• ここにあるバージョン固有の詳細は古くなっている可能性があるため、インストール済みバージョンの公式ドキュメントで確認してください。
• 金銭が発生する、共有 GPU やクラウドのクォータを消費する、個人データや患者データに触れる、または取り消し不可能な操作を行う前に、必ず確認してください。

関連スキル

• chroma：AI アプリケーション向けのオープンソース埋め込みデータベースです。
• exa-search：科学・技術コンテンツに特化した、Exa を利用する Web ツールキットです。
• langchain：エージェント、チェーン、RAG を備えた LLM 搭載アプリケーションを構築するためのフレームワークです。