Notex：一个开源 NotebookLM 替代方案的实现

后端：Go 1.25 + Gin + SQLite
前端：原生 HTML/CSS/JavaScript
AI：LangChainGo + OpenAI/Ollama + Gemini

notex/
├── main.go           # 入口
├── backend/
│   ├── agent.go      # AI 调用逻辑
│   ├── server.go     # HTTP 服务
│   ├── vector.go     # 文档索引
│   ├── store.go      # 数据持久化
│   └── nanobanana.go # Gemini 图片生成
└── frontend/         # 单页应用（嵌入二进制）

// 检测 CJK 字符比例
cjkCount := 0
for _, r := range runes {
    if r >= 0x4E00 && r <= 0x9FFF { // CJK Unified Ideographs
        cjkCount++
    }
}
cjkRatio := float64(cjkCount) / float64(len(runes)) if cjkRatio > 0.3 {
    // 中文按字符切分
    for i := 0; i < len(runes); i += (chunkSize - chunkOverlap) {
        // ...
    }
} else {
    // 英文按单词切分
    words := strings.Fields(text)
    // ...
}

// 多层评分策略
score := 0.0 // 1. 子串匹配（权重高）
if strings.Contains(content, queryLower) {
    score += 10.0
} // 2. 字符匹配率
matchCount := 0
for _, r := range queryRunes {
    if strings.ContainsRune(content, r) {
        matchCount++
    }
}
if matchCount > 0 {
    charMatchRatio := float64(matchCount) / float64(len(queryRunes))
    score += charMatchRatio * 5.0
} // 3. 单词匹配（针对英文）
queryWords := strings.Fields(queryLower)
for _, word := range queryWords {
    if len(word) > 2 && strings.Contains(content, word) {
        score += 2.0
    }
}

func createLLM(cfg Config) (llms.Model, error) {
    if cfg.IsOllama() {
        return ollamallm.New(
            ollamallm.WithModel(cfg.OllamaModel),
            ollamallm.WithServerURL(cfg.OllamaBaseURL),
        )
    }     opts := []openai.Option{
        openai.WithToken(cfg.OpenAIAPIKey),
        openai.WithModel(cfg.OpenAIModel),
    }
    if cfg.OpenAIBaseURL != "" {
        opts = append(opts, openai.WithBaseURL(cfg.OpenAIBaseURL))
    }     return openai.New(opts...)
}

case "mindmap":
    return `你是一位资深的信息架构师和知识管理专家。
    请将【文本内容】提炼并转换为 Mermaid.js 的 mindmap 格式。     # 样式规范：
    1. 中心主题：root((内容))
    2. 主要分支：(内容)
    3. 细节节点：[内容]     # 严格规范：
    - 严禁使用 graph, LR, --> 等字符
    - 节点内容 10 字以内
    - 只输出代码块，不解释     来源：{sources}
    `

func (a *Agent) ParsePPTSlides(content string) []Slide {
    // 1. 提取风格指南
    styleStart := strings.Index(content, "<STYLE_INSTRUCTIONS>")
    styleEnd := strings.Index(content, "</STYLE_INSTRUCTIONS>")     // 2. 按幻灯片分割（支持多种标记）
    re := regexp.MustCompile(`(?m)^(?:\s*#{1,6}\s*)?(?:Slide|幻灯片)\s*\d+`)
    indices := re.FindAllStringIndex(content, -1)     // 3. 验证每张幻灯片是否包含必需字段
    if strings.Contains(lower, "叙事目标") || strings.Contains(lower, "关键内容") {
        slides = append(slides, Slide{Style: style, Content: slideContent})
    }
}

for i, slide := range slides {
    prompt := fmt.Sprintf("Style: %s

Slide Content: %s", slides[0].Style, slide.Content)
    imagePath, err := s.agent.GenerateImage(ctx, "gemini-3-pro-image-preview", prompt)
    slideURLs = append(slideURLs, "/uploads/"+filepath.Base(imagePath))
}

case "infograph":
    return `# Role
    你是一位世界顶级的数据可视化设计师和信息图专家。     # Task
    阅读所附文本，设计一张信息图。不要进行总结，
    而是描述这张图应该长什么样。你的输出将被直接用作图像生成的 prompt。     # Design Guidelines
    1. 核心信息提炼：找出最重要的 3-5 个数据点
    2. 视觉隐喻：用形象的比喻（如网络安全用"盾牌和锁"）
    3. 布局结构：明确定义图的结构
    4. 文本限制：极简，只保留标题和关键数据
    5. 风格：插画或手绘感     # Output Format
    Start with "Infographic illustration created in a soft, hand-drawn digital art style..."
    [描述整体布局和背景风格]
    [详细描述主要视觉元素]
    ...
    `

case "mindmap":
    return `将文本转换为 Mermaid.js mindmap 格式。     # 样式规范：
    root((中心主题))    # 圆圈
      (主要分支)        # 圆角矩形
        [细节节点]      # 矩形     # 严格规范：
    - 仅限 mindmap 语法
    - 节点内容 10 字以内
    - 严禁包含引号
    `

import mermaid from 'https://s4.zstatic.net/ajax/libs/mermaid/11.4.0/mermaid.min.js';
mermaid.initialize({ startOnLoad: true });

用户上传文档
    ↓
markitdown 转换为 Markdown（如果需要）
    ↓
文本分块并索引
    ↓
存储到 SQLite
    ↓
用户选择转换类型（PPT/信息图/思维导图）
    ↓
根据类型构建 prompt
    ↓
调用 LLM 生成内容
    ↓
如果需要图片，调用 Gemini 生成
    ↓
保存为 Note
    ↓
前端渲染展示

git clone https://github.com/smallnest/notex.git
cd notex
go mod tidy # 使用 OpenAI
export OPENAI_API_KEY=your_key
go run . -server # 或使用 Ollama（本地模型）
export OLLAMA_BASE_URL=http://localhost:11434
export OLLAMA_MODEL=qwen2.5:7b
go run . -server

docker-compose up

case "new_type":
    return `你的 prompt 模板...`