【GitHub每日速递 251028】Open Notebook：隐私至上，16+AI 模型解锁科研笔记新玩法！

原文:https://mp.weixin.qq.com/s/1AGCABJHMGzXZ3tYFl4vqg

Open Notebook：隐私至上，16+AI 模型解锁科研笔记新玩法！

项目地址：https://github.com/lfnovo/open-notebook

主要语言：TypeScript

stars: 7.4k

项目简介

Open Notebook是一个开源、注重隐私的笔记工具，作为Google Notebook LM的替代方案，它提供了多模型支持、本地部署等功能，让用户能够更好地掌控自己的数据和研究过程。

核心功能

• 数据掌控：确保研究数据的隐私和安全，无需依赖云服务。
• 多模型选择：支持16种以上的AI模型提供商，如OpenAI、Anthropic、Ollama、LM Studio等。
• 多模态内容管理：可以组织PDF、视频、音频、网页等多种类型的内容。
• 专业播客生成：支持高级多主播播客生成，具备节目配置文件。
• 智能搜索：提供全文和向量搜索功能，可搜索所有内容。
• 上下文聊天：基于研究内容进行AI对话。

优势

• 隐私性强：数据完全由用户控制，无需依赖云服务。
• 成本可控：用户可选择更便宜的AI提供商，或使用Ollama本地运行模型。
• 高度可定制：开源项目，可根据需求进行修改、扩展和集成。
• 无供应商锁定：用户可以自由切换提供商，在任何地方部署，并拥有自己的数据。

技术栈

该项目使用了Python、Next.js、React、SurrealDB和LangChain等技术。

部署方式

提供了本地机器和远程服务器两种部署方式，同时推荐使用Docker Compose进行管理。

• 本地机器部署：适用于在运行Docker的同一台计算机上访问Open Notebook。
• 远程服务器部署：适用于服务器、树莓派、NAS、Proxmox等远程机器。

注意事项

• v1.0版本有重大更改，升级时需注意Docker标签的变化、端口5055的暴露，并阅读迁移指南。
• 新用户可使用v1-latest-single标签进行快速启动。

文档与支持

项目提供了详细的文档，包括入门指南、用户手册、高级主题等。同时，还有AI安装助手和Discord社区提供帮助。

路线图

• 即将推出的功能：实时前端更新、异步处理、跨笔记本资源共享、书签集成。
• 最近完成的功能：Next.js前端、全面的REST API、多模型支持、高级播客生成器、内容转换、增强引用、多聊天会话。

哈佛开源教材揭秘！掌握机器学习系统全栈开发，解锁AI新未来

harvard-edge/cs249r_book 是一个介绍机器学习系统的开源书籍项目。简单讲，它是一本教你如何构建和理解机器学习底层系统的电子书，涵盖从基础概念到实际代码实现的内容。适用人群：机器学习工程师、系统开发者及对ML系统原理感兴趣的中高级学习者。

项目地址：https://github.com/harvard-edge/cs249r_book

主要语言：Python

stars: 4.4k

项目简介

这个GitHub仓库是一本名为 Principles and Practices of Engineering Artificially Intelligent Systems 的开源教科书，旨在教授读者构建从边缘设备到云部署的实际AI系统。以下为你详细介绍：

核心信息

• 书籍背景：最初是哈佛大学CS249r课程，由Prof. Vijay Janapa Reddi开发，现在被全球多所大学和学生使用。其创作源于对学生虽能训练AI模型，但缺乏构建实际运行系统能力的担忧。
• 学习内容：读者可以学习到真实世界机器学习系统的全栈知识，包括系统设计（可扩展、可维护的ML架构）、数据工程（强大的数据收集、标注和处理管道）、模型部署（将原型转化为生产就绪的系统）、MLOps与监控（可靠且持续运行的系统）以及边缘AI（在移动、嵌入式和物联网设备上进行资源高效的部署）。

代码架构特点

• Book Binder CLI：推荐使用的快速开发命令行工具，支持单章或多章的快速构建和预览，也能构建完整的网站（HTML）、PDF和EPUB格式的书籍，还具备清理工件、显示状态、运行健康检查等管理功能。
• 项目结构清晰：包含binder（快速开发CLI）、quarto（主书籍内容，使用Quarto编写）、tools（开发自动化工具）、config（项目配置）、docs（文档）等目录，每个目录下又细分多个子目录进行不同功能的管理。

项目优势

• 开源免费：以开放源码的形式提供，读者可在线阅读或下载PDF、ePub格式的书籍，降低了学习成本。
• 多平台支持：提供在线阅读、离线下载等多种方式，方便不同场景下的学习。
• 社区活跃：有众多贡献者参与，提供了多种贡献途径，包括内容、工具、设计、本地化和基础设施等方面，且所有贡献都有自动化的质量保证。
• 自动化部署：通过GitHub Actions工作流进行发布，确保了部署的一致性和自动化，同时在部署前进行自动化验证，保证了质量。

应用场景

• 学生学习：适合计算机科学、人工智能等相关专业的学生，帮助他们掌握实际的AI系统构建技能，提升实践能力。
• 教育工作者教学：为教育工作者提供了丰富的课程材料、教学指南和教师资源，可用于课堂教学。
• 开发者实践：对于从事机器学习系统开发的开发者，可作为参考资料，学习系统设计、部署和维护的最佳实践。