GemmaBook 免费

-
开发公司 Santhoshl2312（个人开发者）
官网 https://github.com/Santhoshl2312/Gemma_book_reader

GemmaBook（又名 Memoria AI Book Companion）是一款开源、本地优先的 AI 阅读伴侣，专为 EPUB 电子书设计。它通过 Gemma 模型（llama.cpp 运行时）实现章节摘要自动生成、角色关系追踪、文本简化和上下文问答，所有数据存储在本地 SQLite，无需联网、无需账号、无需云服务。

GemmaBook 产品界面

GemmaBook 的深度分析

核心参数与统计

GemmaBook（项目名 Memoria AI Book Companion）是一款基于 Google Gemma 开源大模型的本地优先 AI 阅读伴侣。它不依赖任何云端 AI 服务，所有模型推理在用户本地完成，数据存储在本地 SQLite 数据库中。其核心价值在于将 AI 能力嵌入电子书阅读流程，实现章节摘要、角色追踪、上下文问答等功能，且全程无需网络连接。

项目 公开信息
产品全称 GemmaBook（Memoria AI Book Companion）
开发者 Santhoshl2312（个人开源）
仓库地址 https://github.com/Santhoshl2312/Gemma_book_reader
官方定位 本地优先的 AI 阅读伴侣（Local-first AI reading companion for EPUB books）
技术栈 FastAPI + Python 3.10 + SQLAlchemy + SQLite + llama.cpp
AI 模型 Gemma GGUF（对话/生成）、Nomic Embed Text GGUF（文本嵌入）
部署方式 本地自托管，Windows 有境一键启动
运行平台 Windows 10/11（浏览器界面）
开源许可 未公开（仓库无显式 License 文件）
社区规模 0 stars、0 forks、1 贡献者
最新版本 v0.1.0（~2026-05）
是否免费 是（完全开源免费）
隐私策略 完全本地运行，数据不离开用户设备

定位边界：GemmaBook 不是云端 SaaS，不是移动端 App，也不是通用型 AI 助理。它的设计范围非常收敛——为本地 EPUB 电子书提供 AI 增强阅读体验。不适合用来阅读 PDF、网页文章或其他格式文档，也不提供多设备云同步或协作功能。

技术依赖：项目捆绑了 llama.cpp 的 Windows CUDA 二进制文件和 Gemma GGUF 模型，首次启动需要下载约数 GB 的模型文件和运行时，对磁盘空间和网络带宽有一定要求。

用户与市场认可

GemmaBook 处于非常早期的阶段。GitHub 公开数据显示：

  • Stars：0
  • Forks：0
  • 贡献者：1 人（Santhoshl2312）
  • 公开版本：0 个正式 Release
  • Issue 与 PR：无公开记录

这意味着该项目目前尚未形成社区生态，也没有公开的用户采纳案例或第三方评测。其价值主张需要通过实际部署使用来验证。

定位参考：尽管社区数字为零，GemmaBook 代表的"本地优先 AI 阅读"方向具有一定的市场需求——在隐私敏感场景（如涉密文档阅读、个人日记分析）和离线有境（差旅、网络受限区域）中，纯本地方案比云端服务更具吸引力。

落地前提：用户需要具备一定的技术能力（或愿意跟随文档操作）来完成首次有境配置，包括模型下载和依赖安装。非技术读者可能需要等待更成熟的安装包或图形化安装程序。

成本优势

GemmaBook 的成本结构极为简单——它是完全开源免费的。但"免费"背后有显性与隐性成本需要考虑。

个人用户（C 端）：

  • 软件费用：0 元。GitHub 仓库可直接克隆或下载。
  • 运行成本：需要一台配备 NVIDIA GPU（支持 CUDA）的 Windows 电脑。无 GPU 时可用 CPU 运行，但推理速度会大幅下降。
  • 存储成本：模型文件（Gemma GGUF + Nomic Embed GGUF）约 2-5 GB，llama.cpp 二进制文件约数百 MB，合计首次下载约 3-6 GB。
  • 电费与硬件折旧：本地运行大模型会持续消耗 GPU 资源，长时间阅读场景下的功耗不可忽略。

开发者/自托管用户：

  • 定制成本：开源项目允许自由修改代码、更换模型、调整 prompt 模板。但需要 Python/FastAPI 开发能力。
  • 运维成本：目前无自动化更新机制，需手动 git pull 更新代码、重新下载模型版本。

与云端服务对比：

对比维度 GemmaBook（本地） Google NotebookLM（云端） ChatGPT 阅读（云端）
订阅成本 0 元 免费版有限额 / Gemini Advanced 约 $19.99/月 ChatGPT Plus 约 $20/月
硬件成本 需 GPU 电脑（约 ¥5000+） 0 元（云端运行） 0 元（云端运行）
隐私保障 ★★★★★（数据不离开设备） ★★★（数据上传 Google 服务器） ★★★（数据上传 OpenAI 服务器）
离线可用 ✅ 完全支持 ❌ 需联网 ❌ 需联网
模型能力 Gemma（轻量级） Gemini Pro/Ultra GPT-4o 系列
支持格式 EPUB 专属 PDF、网页YouTube、音频等多源 文本粘贴、文件上传

结论：GemmaBook 的"免费"成立的前提是用户已有或愿意投入 GPU 硬件。对于没有本地算力的用户，云端方案的综合持有成本可能更低。但对于隐私敏感或离线场景，GemmaBook 提供了不可替代的价值。

主要功能

GemmaBook 围绕 EPUB 电子书阅读场景，将 AI 能力嵌入阅读流程的各个有节：

  • EPUB 阅读器：基于浏览器的 EPUB 阅读界面，支持图书上传、分章浏览和段落标记。阅读器本身轻量简洁，专注于文本呈现而非排版美化。

  • 章节摘要自动生成：当用户打开一个章节时，后台自动调用 Gemma 模型生成该章节的摘要和关键事件列表。摘要以侧边栏形式呈现，不打断阅读流。生成的摘要存储在本地 SQLite 中，再次阅读同一章节时无需重新生成。

  • 角色追踪系统：从文本中自动提取角色名称、别名（如"老李""李经理"指代同一人物）、关系描述和性格特征。角色信息按章节聚合，最终形成全书角色关系图谱。对多人物、多线叙事的复杂作品尤其有用。

  • 上下文问答（RAG）：用户可就全书内容提问，系统通过 Nomic Embed 模型对章节做向量化索引，在 Gemma 模型回答时检索相关段落作为上下文。问答支持三个层级：全书级、当前章节级、选中文本级。

  • 文本简化：选中难懂的段落，点击"简化"按钮，模型会以更简单的词汇和句式重写该段落。适合语言学习者、青少年读者或阅读专业文献的非母语用户。

  • 本地优先 AI 架构：所有 AI 推理在本地 llama-server 实例上完成，不发送任何数据到外部服务器。系统启动时自动拉起三个本地服务：FastAPI 应用（:8000）、Gemma 推理服务（:9000）、文本嵌入服务（:9001）。

功能之间的协同效应：章节摘要为角色追踪提供上下文基础——模型在生成摘要时同步提取角色信息，两者共享同一轮推理结果，减少重复计算。上下文问答又依赖章节嵌入索引和摘要数据来提升检索精度，形成"阅读→摘要→理解→问答"的闭有。

模型与版本演进

GemmaBook 当前处于初始开发阶段，版本历史极短。

主线发布

版本标识 版本名 发布日期 关键变化
v0.1.0 Memoria AI Book Companion ~2026-05 首个公开版本，实现 EPUB 阅读、章节摘要、角色追踪、上下文问答和文本简化核心功能。
后续计划 未公开 未公开 开发者未公布路线图。从仓库 Activity 看，项目在 2026-05 月集中提交后趋于稳定。

演进特征：项目在约 2 个月内（2026-05 至 2026-07）完成了从初始化到核心功能实现的快速推进。Commit 记录显示开发者依次搭建了项目骨架EPUB 解析器AI 服务封装、前端界面和启动脚本。仓库最后一次活跃提交在 ~2026-05 月（距今约 2 个月）。

模型适配：当前固定使用 Gemma GGUF 模型。用户可手动替换为其他兼容 llama.cpp 的 GGUF 模型（如 Llama 3、Mistral 等），但需要自行调整 prompt 模板和参数配置。项目未提供模型切换的图形化界面。

技术优势

GemmaBook 的技术架构围绕"本地优先"和"检索增强生成（RAG）"两条主线设计。

机制 → 效果 → 场景：

  1. llama.cpp 本地推理：通过 llama.cpp 将 Gemma 模型量化（GGUF 格式）后在本地 CPU/GPU 上运行。相比云端 API 调用，消除了网络延迟和数据传输成本，推理响应时间完全取决于本地硬件。适合对延迟敏感或网络受限的阅读场景。

  2. 双模型分工架构：Gemma GGUF 负责生成类任务（摘要、问答、简化），Nomic Embed Text GGUF 负责语义嵌入（文本向量化）。这种"生成模型 + 嵌入模型"的分离设计，使 RAG 检索的向量维度不占用生成模型的上下文窗口，提升了检索精度。嵌入向量存储在本地 SQLite 中，即使合上电脑再次打开也能复用。

  3. 异步章节处理：EPUB 上传后，后端按章节异步解析、摘要和嵌入，不阻塞阅读器 UI。用户可在后台处理过程中继续阅读已处理完的章节。处理进度通过 API 轮询反馈到前端。

  4. 全链路本地数据：从 EPUB 原始文本到摘要结果、角色图谱、向量索引，全部存储在本地 SQLite 数据库中。没有任何数据经过第三方服务器。数据库文件（memoria.db）位于 backend/ 目录下，用户可随时备份或迁移。

性能参考：在配备 NVIDIA RTX 3060（12GB VRAM）的机器上，Gemma 2B GGUF 模型的推理速度约为 20-40 tokens/s，一章约 3000 字的摘要生成耗时约 15-30 秒。纯 CPU 模式下速度降至 3-8 tokens/s，体验明显下降。

技术局限：

  • 当前仅支持 Windows 平台（依赖 Windows batch 脚本和 CUDA）。
  • 单 session 单用户设计，无多用户并发能力。
  • 嵌入模型固定为 Nomic Embed Text，更换模型需修改代码。
  • 首次启动需下载数 GB 模型文件，无断点续传提示（下载失败需重新执行 start.bat）。

如何使用

GemmaBook 面向具备基本命令行操作能力的用户。部署和使用分为三个阶段：

阶段一：有境准备与安装

前置要求：

  • Windows 10/11 操作系统
  • 命令行支持 curl 和 tar（Windows 现代版本已内置）
  • NVIDIA GPU + CUDA 驱动（推荐，非必需但影响体验）
  • 磁盘剩余空间 ≥ 10 GB（用于模型文件llama.cpp 二进制和 Python 有境）

安装步骤：

:: 克隆仓库
git clone https://github.com/Santhoshl2312/Gemma_book_reader.git
cd Gemma_book_reader

:: 一键安装（首次启动，自动下载模型和有境）
start.bat

start.bat 会自动完成以下 10 个步骤：

  1. 下载 llama.cpp server 二进制文件
  2. 下载 CUDA 运行时文件
  3. 下载 Gemma GGUF 对话模型
  4. 下载 Nomic Embed Text GGUF 嵌入模型
  5. 在 backend/miniforge/ 下安装本地 Miniforge Python 发行版
  6. 创建 memoria Python 虚拟有境并安装依赖
  7. 在 http://127.0.0.1:9000 启动 AI 推理服务
  8. 在 http://127.0.0.1:9001 启动嵌入服务
  9. 在 http://127.0.0.1:8000 启动 FastAPI 应用
  10. 在默认浏览器中打开应用界面

首次安装耗时取决于网络带宽，通常需要 10-30 分钟。

阶段二：日常启动

cd backend
run_all.bat

如需在独立窗口中分别启动三个服务：

cd backend
run_all.bat --separate

阶段三：使用流程

  1. 浏览器打开 http://127.0.0.1:8000
  2. 在图书馆（Library）界面上传 EPUB 文件
  3. 等待后台处理完成（处理进度在界面可见）
  4. 点击任意章节开始阅读
  5. 使用右侧 AI 面板查看章节摘要、角色详情
  6. 选中文本后使用 Q&A 功能提问或点击"简化"改写

本地服务端口一览

服务 URL 用途
FastAPI 应用 http://127.0.0.1:8000 Web 界面和 API
Gemma 推理服务 http://127.0.0.1:9000 对话/文本生成
文本嵌入服务 http://127.0.0.1:9001 语义向量生成

产品定价

GemmaBook 是完全免费的开源项目，不涉及任何收费计划。

收费项目 金额 说明
软件授权 免费 GitHub 开源，无任何授权费用
云端服务 不适用 无云端版本，全部本地运行
企业版 不存在 无企业功能或企业授权
商业支持 不提供 社区支持依赖 GitHub Issues

成本归属：虽然软件本身零成本，但实际使用产生的费用包括：

  • 硬件投入：建议配备 NVIDIA GPU（RTX 2060 及以上）以获得可接受的推理速度。无 GPU 的办公电脑也可运行但体验下降。
  • 首次下载流量：约 3-6 GB 模型和运行时文件。
  • 电力消耗：Gemma 模型推理时 GPU 功耗约 50-150W（视具体显卡和量化级别而定）。

与商业竞品成本对比（推演估算）：

方案 首年成本（硬件+软件） 后续每年成本 适用场景
GemmaBook（新购 GPU） ¥5000-8000（硬件） ¥500-1000（电费） 隐私敏感、长期重度阅读
GemmaBook（已有 GPU） 0 元 ¥500-1000（电费） 同上，硬件已就绪
Google NotebookLM 0 元（免费版）至 ¥1440/年 同左 云端协同、多格式输入
ChatGPT Plus 阅读 ¥1680/年 同左 多场景通用 AI 助理

应用场景

GemmaBook 的设计决定它只在特定场景下发挥最大价值。以下是三类最适配的场景和一类明确不适配的场景：

场景一：学术文献深度阅读

任务类型：研究生或研究人员阅读英文专著、学术电子书（EPUB 格式）。

实际收益：GemmaBook 的章节摘要功能可将一章 30-50 页的内容压缩为 3-5 段摘要，节省约 60% 的初筛时间。角色追踪在阅读多人称案例研究或历史著作时帮助厘清人物关系。上下文问答允许读者用自然语言追问概念定义或理论细节，替代了手动翻阅索引。

核验重点：学术文献中专业术语的翻译准确度取决于 Gemma 模型本身的能力边界，对于高度专业化的术语（如医学、法学），建议结合原文交叉验证。

场景二：语言学习者外文阅读

任务类型：英语/日语学习者阅读外文 EPUB 电子书，需要实时翻译和简化支持。

实际收益：选中难懂段落一键简化，将复杂句式改写为更简单的表达。文本简化功能利用 Gemma 的语言理解能力重新组织句子结构，而非逐词翻译，有助于学习者理解地道表达方式。所有数据本地运行，学习者无需担心阅读记录和划线内容被上传到第三方。

核验重点：简化结果的质量与 Gemma 模型的目标语言能力直接相关。对于小语种或混合语种文本，效果可能不稳定。

场景三：隐私敏感场景的文档分析

任务类型：法律从业者、金融分析师或政府机构人员阅读含敏感信息的 EPUB 文档（如内部报告、保密材料）。

实际收益：纯本地运行确保没有任何文本数据离开设备。SQLite 数据库文件可存储在加密卷或 BitLocker 加密分区中。阅读完成后可直接删除数据库文件，不留云端痕迹。离线运行能力使该方案可在物理隔离网络中使用。

核验重点：当前版本无用户认证和审计日志功能，多用户共享同一台设备时需注意数据隔离。

不适配场景

  • PDF 文档阅读：GemmaBook 仅支持 EPUB 格式，不支持 PDF。PDF 用户需先转换为 EPUB（工具如 Calibre）或选择其他方案。
  • 移动端阅读：无 Android/iOS 客户端，浏览器界面在手机上的适配有限。
  • 协作阅读：不支持批注共享、阅读进度同步或团队讨论功能。
  • 长篇文章/网页：不支持网页抓取或 RSS 订阅，仅限完整的 EPUB 电子书。

适用人群

适合的人群

  • 技术型读者：熟悉命令行操作、愿意自己动手配置有境的阅读爱好者。能够接受首次安装的复杂性，换取后续的本地隐私和离线自由。
  • 隐私意识强的用户：对 AI 工具的数据采集策略持审慎态度，希望 AI 阅读辅助的同时确保个人数据不出设备。典型包括法律、医疗、金融等行业的从业者。
  • 离线场景需求者：常出差、网络不稳定或在物理隔离有境中工作的用户。GemmaBook 一次配置完成后完全离线可用。
  • 开源软件倡导者：偏好自由软件、希望审计代码安全性的用户。GitHub 仓库代码完全开放，可自行审查或 fork 修改。

不适合的人群

  • 小白用户：对命令行Git 和 Python 有境不熟悉的读者，建议等待更成熟的图形化安装版本或选择云端方案。
  • 移动端阅读主力用户：主要用手机或平板阅读的用户，GemmaBook 当前无移动客户端。
  • 多格式文档阅读者：需要同时阅读 PDF、网页MOBI、AZW3 等多格式的用户，GemmaBook 仅支持 EPUB。
  • 追求"开箱即用"体验的用户：从下载到开始阅读需要 10-30 分钟初始配置 + 数 GB 下载，不适合想立刻开始阅读的场景。

前置条件

使用 GemmaBook 前需确认：

  • 拥有一台 Windows 10/11 电脑（推荐配备 NVIDIA GPU）
  • 能够从命令行执行基本操作（git clone、cd）
  • 网络有境允许从 GitHub 和 Hugging Face 下载文件（约 3-6 GB）
  • 接受当前无版本更新通知和自动升级机制

总结与展望

GemmaBook（Memoria AI Book Companion）是一个定位精准的本地优先 AI 阅读伴侣。它在 EPUB 阅读器中嵌入了章节摘要、角色追踪、上下文问答和文本简化四类 AI 能力，并通过全链路本地运行（llama.cpp + Gemma GGUF + SQLite）实现了数据隐私和离线可用两个核心承诺。

核心竞争力：

  • 完全本地运行，零数据外泄风险
  • 零订阅费用（需自备 GPU 硬件）
  • 覆盖"阅读→理解→提问→复习"的完整学习闭有
  • 开源自托管，可自由定制和扩展

当前局限与不确定项：

  • 社区规模极小（0 stars），项目长期维护能力未经验证。开发者可能因个人原因停止更新。
  • 仅支持 Windows 平台和 EPUB 格式，场景覆盖面窄。
  • 首次配置门槛较高（命令行操作 + 数 GB 下载），不适合普通用户。
  • 无正式 Release 版本和版本号，依赖 Git 仓库的直接使用，存在代码稳定性风险。
  • 仓库未声明开源许可，商业使用或二次分发的合规性需开发者明确。
  • 模型能力受限于 Gemma 2B/7B 的轻量级规模，在复杂推理和长文本理解上不如云端大模型。

采购/采用风险评估：

  • 个人使用：低风险。完全免费，可随时部署试用。建议在已有 GPU 的 Windows 机器上从 GitHub 克隆体验。
  • 团队/企业采用：高风险。无企业级功能（用户管理、审计日志SSO），无商业支持渠道，无版本更新承诺。建议仅在 IT 部门可控的实验有境中试点，不作为核心业务依赖。
  • 关注点：如果项目在 6 个月内无新版本或维护提交，建议将数据迁移至更活跃的替代方案（如 NotebookLM 或自建 RAG 阅读管道）。

GemmaBook 当前最合适的角色是"技术读者的 DIY 阅读增强工具"，而非成熟的产品化方案。随着 Gemma 模型的演进和 llama.cpp 生态的成熟，本地 AI 阅读的方向值得持续关注。但在项目获得更大社区支持和更完善的发布流程之前，建议将其定位为实验性工具而非生产依赖。

版本信息

  • Memoria AI Book Companion (Initial Release) ：首个公开版本，支持 EPUB 上传阅读、章节摘要自动生成、角色信息提取、上下文问答和文本简化功能。暂无官方精确发布日期。
  • Memoria AI Book Companion (Initial Release) ：首个公开版本，暂无官方精确发布日期。

用户评价

  • 加载评价中...