Mudei do NotebookLM para esta ferramenta de código aberto e ela faz o que o Google não faz

Se você está lendo isso, provavelmente adora o que o NotebookLM pode fazer, mas talvez não se sinta confortável em entregar todos os seus dados ou em fazer parte do ecossistema do Google como um todo. Embora eu pessoalmente tenha aceitado o fato de que grande parte da minha vida digital existirá nos servidores do Google, conheço muitas pessoas que não o fizeram e provavelmente nunca o farão. É uma posição justa e que tenho em mente quando procuro alternativas às ferramentas que já utilizo.

Então, quando continuei vendo a mesma alternativa auto-hospedada do NotebookLM em tópicos de comparação, achei que valia a pena dar uma olhada – a ferramenta é Open Notebook. A auto-hospedagem é algo em que recorro, e tem mais a ver com os tipos de ferramentas que uso do que com a necessidade de controle local total, e nem é algo que eu realmente domine totalmente. Mas este tinha uma reputação acessível e havia algumas coisas na lista de recursos que chamaram minha atenção além das conquistas de privacidade.

Abra brevemente o notebook

Uma alternativa madura ao NotebookLM

Open Notebook é uma ferramenta de código aberto criada especificamente como uma alternativa ao NotebookLM por um desenvolvedor usando lfnovo no GitHub e roda no Docker no seu computador. Se você já usou o NotebookLM antes, o modelo mental é o mesmo – você cria um caderno, coloca suas fontes (PDFs, URLs, links do YouTube, texto bruto, áudio, vídeo) e a partir daí você conversa com o conteúdo e faz anotações. Honestamente, é exatamente a mesma coisa, apenas implementado de forma diferente.

Ele usa RAG (Retrieval Augmented Generation) para fundamentar suas respostas nas fontes enviadas. Então, quando você dá algo, significa que ele está extraindo os bits relevantes dos seus documentos e os alimentando no modelo, em vez de construir coisas a partir dos dados de treinamento. No entanto, há um problema que vale a pena conhecer. Um notebook aberto possui dois modos de interação – conversar e perguntar. O Chat oferece uma conversa contínua, enquanto o Ask é para pesquisas rápidas e focadas em uma única pergunta. Assim, com base em cada pergunta, você pode decidir se o modelo recebe o documento inteiro ou apenas o necessário. E cada fonte tem três níveis de visibilidade entre os quais você pode alternar, de um modelo totalmente privado a um modelo totalmente acessível. Assim, mesmo em um único notebook, você controla exatamente o que a IA vê.

O público óbvio é qualquer pessoa que não queira que o Google leia suas pesquisas. Mas o caso mais interessante são as pessoas que querem seu próprio modelo no banco do motorista, em vez de qualquer variante do Gemini que o Google esteja apontando para o NotebookLM a qualquer momento.

Comissionamento

Era basicamente simples até que tentei ser inteligente

A única coisa que você realmente instala é o Docker Desktop. Todo o resto está em contêineres – o próprio Open Notebook, SurrealDB, que é o banco de dados, e Ollama, que é o executor do modelo local. Você obtém o arquivo docker-compose.yml do guia de início rápido local oficial GitHubsolte-o em uma pasta vazia e execute docker compose up -d no terminal dessa pasta. É uma equipe que faz o trabalho pesado. Ele puxa todos os três contêineres e os conecta. A primeira vez requer alguns downloads (Ollama é o maior, com cerca de 4 GB), por isso não acontece instantaneamente, mas apenas uma vez.

Quando terminar, acesse http://localhost:8502 no seu navegador e a IU do Open Notebook será carregada. O problema é que o aplicativo não vem com nenhum padrão. É apenas uma interface, então você precisa do modelo de chat e do modelo incorporado para fazer qualquer coisa. E aqui saí do roteiro e tentei fazer algo fora do meu escopo…

Eu tinha o Gemma 4 E4B GGUF exato no disco da configuração do llama.cpp e decidi pular o novo download importando-o para o Ollama via Modelfile. Entendi bem, mas o primeiro chat travou imediatamente. Presumi que poderia ser um problema no Ollama com Gemma 4 ou um problema de memória relacionado ao desempenho da CPU. De qualquer forma, mudei para um modelo que funciona bem nesta configuração: o Gemma 3 4B.

Os documentos do Open Notebook literalmente usam gemma3 como exemplo de modelo nativo, é bem suportado pelo Ollama com cache adequado e funciona muito bem em hardware modesto. Uma equipe consegue (docker exec open_notebook-ollama-1 ollama pull gemma3:7b) e é isso. Um modelo de incorporação também é necessário separadamente, que fornece pesquisa de origem e RAG. texto incorporado nonomic é a escolha padrão e é um pequeno download de cerca de 270 MB.

A última etapa é em Configurações -> Modelos onde atribuí gemma3:4b para chat e transformação e nomic-embed-text para incorporação. A primeira mensagem para a CPU leva de 30 a 60 segundos enquanto o modelo é carregado na memória, mas depois permanece carregado e as respostas voltam rapidamente.

Coisas que o Google não permite que você faça

Quando o caderno aberto realmente abre coisas

NotebookLM é apenas para Gemini. O que quer que o Google escolha é o que você obtém, e não há como substituir a escolha ou enviar fontes para um servidor que não seja do Google. Open Notebook oferece suporte a mais de 16 provedores de IA cobrindo OpenAI, Anthropic, Mistral, DeepSeek, xAI, ElevenLabs para voz, OpenRouter como um metaprovedor que redireciona para dezenas de outros e quase qualquer endpoint compatível com OpenAI para o qual você deseja redirecionar. E sim, o Gemini também está lá se você ainda quiser, apenas com sua chave API.

E não é apenas um modelo que governa tudo. Cada recurso tem sua própria função (chat, incorporação, conversão, ferramentas e assim por diante) para que você possa combinar APIs de nuvem pagas com modelos locais e escolher a combinação certa para o trabalho. Os documentos oficiais até sugerem o uso de um pequeno modelo nativo como gemma3 para compilar e documentar consultas, ao mesmo tempo em que o combina com algo mais pesado como OpenAI ou Claude para o chat real.

A outra coisa que o NotebookLM bloqueia são os próprios prompts. Qualquer lógica que o Google use para resumos e orientações está fechada, então você não pode ver o que os prompts dizem e certamente não pode alterá-los. O Open Notebook chama essas transformações e os prompts são totalmente editáveis ​​– você pode transformar os padrões ou criar novos para qualquer fluxo de trabalho que esteja tentando criar.

O ângulo da privacidade é um título óbvio, mas a personalização do fluxo de trabalho é uma história mais profunda sobre o Open Notebook, que considero pouco vendido.

Quando tudo funciona

Vida diária real usando o Open Notebook

O layout consiste em três painéis com fontes à esquerda, notas no meio e bate-papo à direita. Portanto, se você vem do NotebookLM, o formato será familiar.

O Sources aceita uma gama mais ampla de entradas do que o NotebookLM. Você pode inserir arquivos PDF, colar URLs, vincular a vídeos do YouTube (ele captura a transcrição como o NotebookLM) ou colar texto bruto diretamente, mas também há suporte para arquivos de áudio e vídeo. Cada fonte deve ser processada antes que você possa conversar com ela, e direi que essa foi provavelmente a parte mais frustrante, pois pode levar vários minutos enquanto o Open Notebook extrai o texto e o executa no nomic-embed-text para torná-lo pesquisável. É aqui que sua CPU te morde.

O painel de notas funciona de duas maneiras. Você mesmo pode escrever notas manuais ou transformar qualquer mensagem LLM em uma nota usando o botão Salvar em uma resposta de bate-papo. As notas também incluem citações da fonte que as criou, o que é muito legal.

E, claro, o chat é onde você realmente faz o trabalho. Você faz uma pergunta e recebe uma resposta fundamentada com referências numeradas diretamente relacionadas à parte da fonte da qual a reivindicação é feita. Há um indicador de contexto na parte inferior que mostra ao vivo o formato dos tokens e caracteres enviados ao modelo, portanto, se a resposta ficar complicada, você pode aumentar ou diminuir fontes individuais entre os níveis de visibilidade para melhorar as coisas.

Existem também podcasts, que devo admitir que ainda não experimentei. A ideia é conceitualmente a mesma das análises de áudio do NotebookLM, mas você obtém mais controle sobre a configuração.

Ferramenta certa, usuário errado

Acho que o Open Notebook é uma alternativa realmente sólida. Os benefícios de privacidade existem e a personalização do fluxo de trabalho é versátil em comparação com NotebookLM. Mas não sou realmente o público certo para isso. Uma configuração de uma hora me ensinou onde minha paciência de hospedagem acaba, e o NotebookLM faz o mesmo trabalho em segundos, sem limitações de hardware. Portanto, para quem realmente deseja esse nível de controle, o Open Notebook realmente merece o seu lugar.