SurfSense完全指南5分钟自建你的开源私人AI研究助手【免费下载链接】SurfSenseOpen-source NotebookLM alternative. Research the open web with live data(Reddit, YT, IG, TikTok, Indeed, Google Search, Maps etc) through one platform, API or MCP server. Join our Discord: https://discord.gg/ejRNvftDp9项目地址: https://gitcode.com/GitHub_Trending/su/SurfSense还在为这个产品现在口碑到底怎么样翻遍 Reddit、YouTube 和 Google 地图手动复制粘贴、逐条整理吗SurfSense 是一个开源的 NotebookLM 替代品一个把私有知识库和全网实时数据连在一起的 AI 研究平台。它的最大卖点是一句话本地文档问答、带引用的搜索、报告与播客生成加上 Reddit、YouTube、Instagram、TikTok、Google 搜索等 10 个实时数据连接器全部可以 Docker 一键自托管数据留在你自己的机器上。 快速上手Docker 部署 SurfSense前置条件只有一个Docker Desktop 已安装并在运行。最短启动路径如下git clone https://gitcode.com/GitHub_Trending/su/SurfSense cd SurfSense cp .env.example .env # 首次使用按提示填入必要变量 docker compose -f docker/docker-compose.yml up -d启动完成后的访问入口端口见 docker/scripts/install.ps1 的输出定义前端界面http://localhost:3929后端 API 与接口文档http://localhost:8929文档页http://localhost:8929/docs数据库PostgreSQL pgvector、Redis 缓存由 Compose 自动拉起无需单独部署 能力盘点SurfSense 支持的数据源与格式实时数据接入连接器每个连接器都是一个返回结构化 JSON 的 REST 端点同时通过内置 MCP 服务器暴露给 Claude、Cursor 等 Agent 当工具调用社交平台Reddit 帖子与评论、YouTube 视频/字幕/评论、Instagram 公开资料、TikTok 视频与话题本地生活与搜索Google Maps 商户评价、Google Search 实时搜索结果电商与招聘Amazon 与 Walmart 商品价格/评分/评论Indeed 公开职位办公协同Google Drive、OneDrive、Dropbox 同步Slack、Notion、Jira、Linear 等连接器源码格式与平台支持支持 50 文件格式PDF、Word、Excel、PowerPoint 等文档JPG/PNG 等图像MP3/MP4 等音视频以及各类代码文件支持通过 REST API、MCP 服务器、Web 界面、浏览器插件surfsense_browser_extension/和桌面端surfsense_desktop/接入核心功能混合检索问答语义 全文双路召回答案带来源引用AI 报告生成导出 PDF、DOCX、HTML、LaTeX、EPUB 等格式双主持播客任意文档或文件夹生成支持多家 TTS自动化按计划或事件触发 Agent 任务结果写回 Notion、Slack、Linear团队协作实时共享聊天、评论 、Owner/Admin/Editor/Viewer 四级权限 进阶亮点混合检索与多模型接入混合检索。文档上传后经过分块ETL 管道见 etl_pipeline/生成向量嵌入查询时语义向量搜索与全文搜索并行执行再用 Reciprocal Rank Fusion (RRF) 融合排序命中既有概念相近的段落也不漏关键词精确的句子——这是答案带引用的基础。多模型、无锁定。通过 OpenAI 规范 LiteLLM 接入 100 个 LLM 和 6000 嵌入模型也支持 vLLM、Ollama 本地模型。国内用户可直接配置 DeepSeek、通义千问、Kimi、智谱 GLM、MiniMax官方给了逐字段配置表见 国产 LLM 配置指南。技术栈一句话带过后端 FastAPI PostgreSQL/pgvector Celerysurfsense_backend/前端 Next.js Tailwindsurfsense_web/。 适用场景谁会用得上 SurfSense独立研究者 / 学生把论文、讲义 PDF 导入知识库问答时逐条带引用省去手动做文献笔记市场 / 竞品分析师用 Reddit、YouTube、Google Maps 连接器定期抓取口碑与评价配合计划任务自动生成监测简报内容创作者 / 团队把素材库丢进去生成播客和演示文稿团队在共享工作区里实时评论协作 上手建议先做什么、后做什么先配模型再喂数据启动后第一件事在 Settings → LLM Configurations 里填好至少一个 LLM 的 API Key含对应的嵌入模型否则上传文档后无法生成索引和问答分批导入文档先用几十个核心文档跑通上传→索引→问答链路确认引用正常再批量导入文件解析依赖 Unstructured/Docling大文件解析会占用较多资源按需选 GPU 变体本地跑嵌入或大文档解析压力高时部署脚本支持--variantcuda参数切换 GPU 镜像见 docker/scripts/install.shCPU 环境则默认即可自托管计费关闭自托管安装默认不开计费连接器与 Agent 调用的上限只取决于你的硬件和模型 Key✅ 下一步行动按上面的命令克隆仓库并启动 Docker Compose打开http://localhost:3929注册第一个工作区按 国产 LLM 配置指南 或 后端目录说明 接入你的模型 Key阅读 CONTRIBUTING.md 了解贡献流程提交 Issue 或参与开发【免费下载链接】SurfSenseOpen-source NotebookLM alternative. Research the open web with live data(Reddit, YT, IG, TikTok, Indeed, Google Search, Maps etc) through one platform, API or MCP server. Join our Discord: https://discord.gg/ejRNvftDp9项目地址: https://gitcode.com/GitHub_Trending/su/SurfSense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考