Open Notebook：AI研究ノート セルフホスト型

#アイデア：AIを活用した研究ノート

ノートブックには、PDF、ウェブページ、YouTube 動画、音声ファイル、Office 文書などのソースをまとめます。ツールはこれらをインデックス化し、自然言語で質問できるようにします。特に、要約、複数のソースを横断したまとめ、ノート、複数の話者によるポッドキャストといった派生コンテンツを生成でき、それらは元のソースとの紐づけを保ちます。このプロジェクトは自らを、プライバシーを保護し、複数のモデルに対応する、100％ローカルで全機能を利用できる Notebook LM の代替として紹介しています。

単なる文書アシスタントとの違いは、このノートという考え方にあります。文書群に単発の質問をするのではなく、あるテーマについて資料をまとめ、その中で継続的に作業します。複数の研究プロジェクトを並行して進めるために複数のノートを使い、それぞれが独自の情報源と履歴を持ちます。

#ローカル版で変わること

ソースが読み込まれません

機密文書、顧客の資料、公開解禁前の資料などの処理は、ローカルプロバイダー（Ollama、LM Studio、またはApple Silicon上のoMLX）を選べば、手元のマシン内で完結します。

モデルの選定

同じ作者によるEsperantoライブラリを通じて、OpenAI、Anthropic、Google、Mistral、Groq、xAI、DeepSeek、Ollama、LM Studio、OpenRouterなど、18のプロバイダーに標準対応しています。プロバイダーごとに判断するのは、ご自身です。

恣意的な制限なし

ノートブックやソースの数は、料金プランの段階ではなく、ディスク容量によって決まります。実際にかかる費用は、接続することを選んだAPIの利用分だけです。

その代わりに、実行

これは Docker で動作するサービス（バックエンドは Python/FastAPI、インターフェースは Next.js/React、データベースは SurrealDB）で、インストール、バックアップ、更新が必要です。セルフホストには通常、こうした管理の手間が伴います。

#NotebookLMにはないOpen Notebookの機能

公式リポジトリには、Google NotebookLMとの直接比較表が公開されています。いくつかの点で、違いは単に「ローカルで使える」ことだけではありません。生成されるポッドキャストの声の数、APIアクセス、カスタマイズ可能なコンテンツ変換は、Googleのツールが提供する機能を超えています。

この最後の点は、正直に伝える必要があります。プロジェクト自身がGitHubに公開した比較資料で、現時点では引用機能がNotebookLMより簡素だと認めています。したがって、あらゆる面で優れた代替品というわけではなく、トレードオフがあります。機密性、モデルの選択、APIによる自動化、ポッドキャスト生成のいずれかを、画面に表示される引用の細かな品質より重視する場合には、有利な選択肢になります。

エピソードプロフィールに基づくポッドキャスト

討論、講義、インタビュー、初心者向けまたは専門家向けの解説など、エピソードの構成を設定できます。NotebookLMでは「deep dive」という一つの形式しかありません。

推論モデルのサポート

DeepSeek-R1やQwen3などの「thinking」モデルに完全対応しており、複数段階の思考を必要とする情報の要約・整理に役立ちます。

コンテンツの変換

単なる自動要約にとどまらず、要約、インサイトの抽出、言い換えに使えるカスタマイズ可能なアクション。

パスワード保護

各モデルと共有する内容を細かく制御できることに加え、一般公開する環境へのデプロイにも役立ちます。

#Ollamaを使う場合も使わない場合も、ローカルにインストールする

ドキュメントに記載されたデプロイ手順は3段階です。公式のdocker-compose.ymlを取得し、インターフェースで使用したいAPIキーを入力して（設定ファイルを手動で編集する必要はありません）、サービスを起動します。前提条件として挙げられているのはDocker Desktopだけです。

1. 01
   サービスファイルを取得する

   curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml, ou copier le contenu manuellement depuis le dépôt.
2. 02
   ローカル100％のバージョンを選択する必要がある場合に選択してください

   リポジトリには、examples/docker-compose-ollama.yml という別ファイルが用意されています。このファイルは、インターネットに何も送信しないように、Ollamaをデフォルトのプロバイダーとして追加します。
3. 03
   起動および設定

   docker compose up -d, puis ouvrir l'interface locale et renseigner les clés d'API des fournisseurs distants éventuels ; aucune clé n'est nécessaire pour un usage 100 % Ollama.

公式ドキュメントでは、利用者の状況に応じて 2 つの異なる手順が用意されています。リモートのプロバイダーを使って 5 分で利用を開始できる「Quick Start with OpenAI」と、インストール直後から完全にプライベートな環境で使うための、Ollama と LM Studio 専用ガイド「Run It Fully Local」です。また、全機能を備えた REST API は、ローカルのポート 5055 で独自のインタラクティブなドキュメントを公開しています。Web インターフェースですべての操作を行う代わりに、ノートブックを既存のスクリプトや自動化に接続する際に役立ちます。

#実際に活用する3つの方法

このプロジェクトは、複数の独立したノートブック（「Multi-Notebook Organization」）を中心に作業を整理します。それぞれに独自のソース、ノート、ディスカッション履歴があります。NotebookLMからの移行をドキュメント化しているユーザーの間で、最もよく見られる3つの用途があります。

文献レビュー

テーマごとのノート、読書を通じて数十のPDFが追加され、コンテンツのカスタマイズにより各論文の方法論、結果、および限界を系統的に抽出します。

情報収集と会議メモ

定期的に追加される文字起こし、3月にXについて何が決定されたかを思い出すための文脈付きディスカッション、そして他のタスクの合間に聴ける要約ポッドキャスト。

製品ドキュメントまたはカスタマーサポート

専用ノートに内部ドキュメントを保存し、自然言語でチームが問い合わせる仕組みを構築しています。国内のベンダーに依頼することで、内部ドキュメントやセキュリティに配慮したプロセスが海外の第三者サービスに移行しないようにしています。

これらの使い方がモデルとの単なるチャットと異なるのは、どの回答も、現在使用しているノートブック内のソースに基づいている点です。ノートブックを切り替えると利用可能なコンテキストも変わり、モデルに何かを再度読み込ませたり、説明し直したりする必要はありません。また、ノートブック全体ではなく一部のソースだけを共有するなど、モデルと共有する内容を細かく制御できます。これにより、大規模なノートブックでも送信するコンテキストを抑え、その結果、遅延やコストも抑えられます。

#実際にどのように使うか

1. 01
   すべてを1つにまとめず、トピックごとにノートを分ける

   一つのノートブックに互いに関係のない分野を混在させると、回答の質が低下します。質問に最も近いとされる文章が、別の分野から選ばれるようになるためです。
2. 02
   ソースを段階的に追加

   そして、ツールが各ソースから実際に何を抽出したかを確認する。テキストレイヤーのないスキャンPDFは、背後でどの検索エンジンを使っていても、内容が空のままインデックス化されます。
3. 03
   適切な埋め込みモデルを設定する

   検索で何が見つかるかを左右するのは、この埋め込みモデルです。文章を生成するモデルよりも、はるかに大きな影響があります。フランス語のドキュメントを扱うには、多言語対応のモデルである必要があります。プロジェクトのプロバイダー対応表には、Ollama、Google、Mistralの埋め込みモデルが掲載されています。
4. 04
   引用の限界を意識しながら、引用を求める

   出典のない回答は検証できません。プロジェクト自身も、出典を示す機能はまだ基本的なものだと説明しています。結果をそのまま利用する前に、引用された出典を確認することは欠かせません。

#プロジェクト自身が認めているものも含めた制約

品質はモデルによって決まります

小規模なローカルモデルの要約は平板になりがちです。ツールは作業を整理しますが、情報をまとめる能力そのものを補うわけではありません。そのため、複雑なタスクでは、推論モデルに対応していることが役立ちます。

引用機能はまだ簡素です

プロジェクトの公式比較によると、NotebookLM のものと比べて未熟であり、改善は発表されていますが日付は未指定です。

音声・動画ソースには文字起こしが必要です

選択した提供元に応じて対応しています（API経由のWhisper、Deepgram、または前段で使うFaster-Whisperのようなローカルエンジン）。ただし、計算処理が一段階増えます。

まだ新しく、活発に開発されているプロジェクト

リポジトリは2024年末に始まり、急速に進化しています。紹介されている機能がインストールするバージョンで使えるかどうかは、記事ではなくCHANGELOGやGitHubのリリース情報で確認してください。

すべてのベンダーがすべての機能を提供しているわけではありません

プロジェクトが公開しているマトリクスは、プロバイダーごとに4つの機能（LLM、埋め込み、文字起こし、音声合成）を区別しており、これらすべてに対応しているプロバイダーは少数です。例えば、Anthropic と Groq は Open Notebook では埋め込み機能を持っていないため、多くの場合、執筆用とインデックス作成または文字起こし用の2つのプロバイダーを組み合わせる必要があります。

#Open Notebookまたは従来のRAG

• AnythingLLM：ローカルで本番運用できるRAG
• 埋め込みモデルが検索で見つかる内容を決めます
• インデックス化前にPDFを適切に準備する
• 音声ソースをノートに追加する前に文字起こしする
• 出典：Open Notebookの公式GitHubリポジトリ
• 出典：公式docker-compose.ymlファイル
• 出典：Esperantoライブラリ（複数のプロバイダーに対応する共通レイヤー）

#FAQ