昨天我给大家介绍了一款 AI 笔记助手 —— NotebookLM，使用它可以方便地对我们的资料进行处理，支持智能问答和引用，一键生成学习指南、脑图、FAQ 等内容格式，以及将文本转换成播客，极大提升了学习的灵活性和便捷性。
今天再给大家介绍一个 Github 上最近比较热门的开源项目 —— SurfSense，它号称是 NotebookLM 的开源平替：
SurfSense 不仅实现了 NotebookLM 的各项功能，而且高度可定制，同时也更加的开放。比如它支持数十种不同类型的文件格式；支持连接各种外部数据源 Tavily、LinkUp、Slack、Linear、Notion、YouTube、GitHub 等；支持对接 150+ 不同的大模型，6000+ 不同的嵌入模型以及几乎所有主流的重排序模型。
下面我就带大家一起，在本地把 SurfSense 跑起来看看。
安装前准备
根据官方的 Prerequisites 文档，在安装之前，我们需要做一些准备工作：
安装 PGVector
SurfSense 平台使用 PostgreSQL 数据库，同时需要安装 pgvector 扩展支持向量类型，用于文档的向量检索，可以直接通过 Docker 安装：
$ docker run -d -p 5432:5432 -e POSTGRES_PASSWORD=postgres pgvector/pgvector:pg17
注意必须设置一个初始密码，否则启动报错。
开启 Google People API
SurfSense 默认使用 Google OAuth 认证来实现登录，需要开通 Google People API 服务。
首先进入 Google API Library
搜索 People API：
点击进去后，点击 "Enable" 开启 Google People API 服务：
然后进入 "Credentials" 页面，创建一个凭据（注意凭据类型选 "OAuth client ID"）：
在填写表单时，客户端名称随便填，主要是下面两个参数要填对：
- Authorised JavaScript origins
http://localhost:8000
- Authorised redirect URIs
http://localhost:8000/auth/google/callback
如下图所示：
创建成功后，得到 Client ID 和 Client secret 两个配置：
获取 Unstructured.io API KEY
SurfSense 使用 Unstructured.io 的 API 进行文档解析，不过当前 Unstructured.io 注册后会进入一个 Contact Sales 页面，无法进入 Platform 页面，也拿不到 API KEY，这一步暂时跳过。
获取 LangSmith API KEY（可选）
这一步是可选的，但是监控 LLM 调用是推荐做法。
LangSmith 是 LangChain 开发的免费开源的 LLM 可观测平台，我们可以自己独立部署，也可以直接免费使用在线服务：
获取 Firecrawl API KEY（可选）
SurfSense 通过 Firecrawl 来爬取 URL 内容，我们可以免费注册，注册后有免费的额度：
配置大模型
最后，SurfSense 通过 LiteLLM 调用大模型，所以我们必须有可调用的大模型服务，按 LiteLLM 的规范配置好对应的环境变量，比如 OPENAI_API_KEY 或 GEMINI_API_KEY 等，参考 LiteLLM 的文档：
SurfSense 安装
一切准备就绪，接下来就可以安装 SurfSense 了。
尽管官方提供了两种安装方式：Docker 安装 和 手工安装，但是由于项目比较新，变动比较频繁，推荐使用手工安装，过程更可控。
首先，克隆代码：
$ git clone https://github.com/MODSetter/SurfSense.git
SurfSense 包含前后端两个部分，需要分别安装。
安装后端
进入后端目录，复制 .env.example 文件配置环境变量，基本上就是上一节我们得到的 API KEY 等信息：
$ cd surfsense_backend
$ cp .env.example .env
然后通过 uv sync 安装依赖：
$ uv sync
uv 是一个极速的 Python 包和项目管理工具，uv sync 是它的一个命令，用于更新项目的环境，确保项目环境中的依赖与 uv.lock 文件一致。另外，它会检查虚拟环境（.venv）是否存在，如果不存在，将自动创建它。
依赖安装完毕后，通过 uv run 启动服务：
$ uv run main.py
如果一切设置正确，可以看到服务正在 http://localhost:8000 上运行的日志。
安装前端
接下来运行前端，首先进入前端目录，复制 .env.example 文件配置环境变量：
$ cd surfsense_web
$ cp .env.example .env
前端的环境变量比较简单，就只有一个 NEXT_PUBLIC_FASTAPI_BACKEND_URL=http://localhost:8000，保持默认值即可。
然后通过 pnpm install 安装依赖：
$ pnpm install
pnpm 和 npm 的命令行接口基本一致，但是 pnpm 是一个更现代和高效的包管理工具，在性能和存储效率上更具竞争力。
最后运行前端服务：
$ pnpm run dev
启动成功后，默认监听 3000 端口，在浏览器输入 http://localhost:3000 即可访问 SurfSense 首页：
点击 "Sign in with Google" 进入登录页面：
继续点击 "Continue with Google" 进入 Google 认证页面：
认证通过后，进入 SurfSense Dashboard 页面：
接下来就可以愉快的体验 SurfSense 的各个功能了。
