SurfSense完全指南：5分钟自建你的开源私人AI研究助手-开发者社区

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 + Celery（surfsense_backend/），前端 Next.js + Tailwind（surfsense_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--variant=cuda参数切换 GPU 镜像（见 docker/scripts/install.sh），CPU 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