Notex：一个开源 NotebookLM 替代方案的实现

Google 的 NotebookLM 上线后，不少人体验了它的文档问答和内容生成功能。它很好用，但有个问题：数据需要上传到 Google 的服务器。对于一些敏感的内部文档，这不太合适。

于是就想做一个开源版本：数据存在本地，想用什么模型就自己配置。一个元旦假期，基本功能就跑起来了。

项目叫 Notex，代码在 GitHub 上，今天聊聊它的实现。

本项目受open-notebook项目的启发。但是open-notebook缺少信息图、思维导图、幻灯片等高级功能。本项目弥补了这些功能
信息图采用最新的nano banana pro实现
幻灯片采用宝玉的《预订本年度最有价值提示词 —— 生成既有质感，又能随意修改文字的完美 PPT》的方式，生成真正意义上的PPT

功能概览

这块是核心，负责和 LLM 打交道。

使用 LangChainGo 作为抽象层，支持 OpenAI 和 Ollama：

func createLLM(cfg Config) (llms.Model, error) {
    if cfg.IsOllama() {
        return ollamallm.New(
            ollamallm.WithModel(cfg.OllamaModel),
            ollamallm.WithServerURL(cfg.OllamaBaseURL),
        )
    }

    opts := []openai.Option{
        openai.WithToken(cfg.OpenAIAPIKey),
        openai.WithModel(cfg.OpenAIModel),
    }
    if cfg.OpenAIBaseURL != "" {
        opts = append(opts, openai.WithBaseURL(cfg.OpenAIBaseURL))
    }

    return openai.New(opts...)
}

Prompt Engineering 是关键。不同的转换类型需要不同的 prompt 模板：

case "mindmap":
    return `你是一位资深的信息架构师和知识管理专家。
    请将【文本内容】提炼并转换为 Mermaid.js 的 mindmap 格式。

    # 样式规范：
    1. 中心主题：root((内容))
    2. 主要分支：(内容)
    3. 细节节点：[内容]

    # 严格规范：
    - 严禁使用 graph, LR, --> 等字符
    - 节点内容 10 字以内
    - 只输出代码块，不解释

    来源：{sources}
    `

注意这里的 prompt 设计：明确的输出格式要求，加上反面示例（"严禁"），能有效减少 LLM 输出格式不稳定的问题。

3. PPT 生成

这是比较复杂的 feature。需要两个步骤：

第一步：生成大纲

用 Gemini Flash 生成 PPT 大纲，每页包含：

叙事目标（这张幻灯片要讲什么）
关键内容（标题、要点）
视觉元素（需要什么图）
布局（怎么排版）

第二步：解析和生成图片

func (a *Agent) ParsePPTSlides(content string) []Slide {
    // 1. 提取风格指南
    styleStart := strings.Index(content, "<STYLE_INSTRUCTIONS>")
    styleEnd := strings.Index(content, "</STYLE_INSTRUCTIONS>")

    // 2. 按幻灯片分割（支持多种标记）
    re := regexp.MustCompile(`(?m)^(?:\s*#{1,6}\s*)?(?:Slide|幻灯片)\s*\d+`)
    indices := re.FindAllStringIndex(content, -1)

    // 3. 验证每张幻灯片是否包含必需字段
    if strings.Contains(lower, "叙事目标") || strings.Contains(lower, "关键内容") {
        slides = append(slides, Slide{Style: style, Content: slideContent})
    }
}

然后为每张幻灯片调用 Gemini Pro Image 生成图片：

for i, slide := range slides {
    prompt := fmt.Sprintf("Style: %s\n\nSlide Content: %s", slides[0].Style, slide.Content)
    imagePath, err := s.agent.GenerateImage(ctx, "gemini-3-pro-image-preview", prompt)
    slideURLs = append(slideURLs, "/uploads/"+filepath.Base(imagePath))
}

4. 信息图生成

信息图的核心是让 LLM 把文本内容"翻译"成视觉描述，然后把描述作为 prompt 喂给图像模型。

case "infograph":
    return `# Role
    你是一位世界顶级的数据可视化设计师和信息图专家。

    # Task
    阅读所附文本，设计一张信息图。不要进行总结，
    而是描述这张图应该长什么样。你的输出将被直接用作图像生成的 prompt。

    # Design Guidelines
    1. 核心信息提炼：找出最重要的 3-5 个数据点
    2. 视觉隐喻：用形象的比喻（如网络安全用"盾牌和锁"）
    3. 布局结构：明确定义图的结构
    4. 文本限制：极简，只保留标题和关键数据
    5. 风格：插画或手绘感

    # Output Format
    Start with "Infographic illustration created in a soft, hand-drawn digital art style..."
    [描述整体布局和背景风格]
    [详细描述主要视觉元素]
    ...
    `

这个 prompt 设计的要点是：明确告诉 LLM 它的输出会被用作另一个 prompt，这样 LLM 就会更注意输出的结构化和可用性。

5. 思维导图

思维导图的实现最简单，核心是生成 Mermaid.js 的语法：

case "mindmap":
    return `将文本转换为 Mermaid.js mindmap 格式。

    # 样式规范：
    root((中心主题))    # 圆圈
      (主要分支)        # 圆角矩形
        [细节节点]      # 矩形

    # 严格规范：
    - 仅限 mindmap 语法
    - 节点内容 10 字以内
    - 严禁包含引号
    `

前端用 Mermaid.js 自动渲染：

1 2	import mermaid from 'https://s4.zstatic.net/ajax/libs/mermaid/11.4.0/mermaid.min.js'; mermaid.initialize({ startOnLoad: true });

数据流

本地运行

git clone https://github.com/smallnest/notex.git
cd notex
go mod tidy

# 使用 OpenAI
export OPENAI_API_KEY=your_key
go run . -server

# 或使用 Ollama（本地模型）
export OLLAMA_BASE_URL=http://localhost:11434
export OLLAMA_MODEL=qwen2.5:7b
go run . -server

Docker 部署

1	docker-compose up

环境变量

变量	说明	默认值
OPENAI_API_KEY	OpenAI API 密钥	-
OPENAI_BASE_URL	自定义 API 地址	-
OPENAI_MODEL	模型名称	gpt-4o-mini
OLLAMA_BASE_URL	Ollama 地址	-
OLLAMA_MODEL	Ollama 模型	-
GOOGLE_API_KEY	Gemini API（PPT/信息图）	-
SERVER_PORT	服务端口	8080