本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 (全文上万字符长时间手打+十数张图，先前已经多次回复说明情况却都被认为是ai生成举报，上百楼内容丢失，哪怕为了其他佬友的认真讨论与交流的内容都请勿随意举报！如有意见请友好私信交涉) 注：这里有一个三分钟使用极简教程，正式使用前推荐看看：【全开源免费！抢先体验属于个人的Easy Research！Obsidian开发者手把手教你三分钟速通NotEMD！-哔哩哔哩】 https://b23.tv/lqR0RlA 2026.05.25： 在版主提醒下，L站禁止给群组引流，有需要进一步交流需要请给项目点star或私信本人。 安装 Obsidian 社区插件里直接搜索 Notemd 或者去 GitHub 仓库查看源码和 release 项目地址： GitHub: notemd github项目 Obsidian Community Plugin: 搜索 Notemd 下面是正文 这两年关于 AI 读论文的讨论很多。但这个阅读的痛点始终存在：读完以后，内容有没有留下来？ 在对话框里提问很方便，模型也能很快给出总结、翻译和解释。但过几天再回看，常见结果只有一个模糊印象。论文的核心概念、方法关系、实验设置、局限性，以及它和已有知识的连接，往往没有真正进入自己的知识库。 所以我现在更在意一件事：把论文阅读过程中有价值的内容，持续写回 Obsidian。 Notemd 就是在这个场景里我用得比较顺手的工具。它把论文笔记、概念卡片、研究摘要、翻译、图表和工作流放在同一个工作台里，让一次阅读不只停留在一次对话，而是变成后面还能继续调用的资料。 一句话介绍： Notemd 是一个开源的 Obsidian 社区插件，用来把论文阅读过程中的概念链接、概念笔记、原文证据摘录、背景补充、翻译、图表和工作流沉淀回知识库，并支持多语言 UI、README 和内容转换。 实际阅读状态示例： 多语言支持： 我想解决的问题：读完一篇之后，还能继续积累 我现在看“AI 读论文”，关注点已经在长期积累能不能形成。 你当然可以把 PDF 丢给模型，让它做总结、翻译、解释公式、分析贡献。这些都很有用。但论文不是孤立存在的。每次读到的新术语、方法、数据集、实验范式，理论上都应该慢慢长进自己的知识网络里。 我更想要的结果是这些： 一篇论文读完以后，关键概念被自动补成 [[wiki-link]] 新出现的概念可以继续生成概念笔记 我关心的问题能直接定位到原文证据，而不只是拿到一段转述 背景资料和补充搜索能附着在当前笔记旁边 复杂方法链路可以压成 Mermaid 或图表，方便回看 这些结果都留在 vault 里，而不是散在不同聊天记录中 Notemd 的价值也正是： 它把论文阅读变成一条可以复用、可以回看、可以持续补充的知识流。 和聊天式 AI 相比， Notemd 更适合把结果沉淀进知识库。 维度 聊天式 AI(如Smart Composer插件的功能) Notemd 核心落点 当前会话 当前笔记和 vault 文件 结果形态 一段回答 链接、概念笔记、译文、图表、日志、工作流产物 适合场景 快速问答、临时解释 长期阅读、积累、复用 主要风险 聊完就忘，不利于回忆与搜寻 需要自己维护知识库结构 这两种方式并不冲突。我自己也会继续用对话式 AI （例如Obsidian中的Smart Composer等插件）针对论文做即时追问。但如果目标是让今天读过的东西，三周后还能准确记忆与获取，那么文件化、结构化和可回写会更重要。 结构化总结： 我现在比较顺手的一套论文工作流 Notemd 当前处理的是 Markdown / txt 内容，不是直接载入 PDF(但打开开发者选项后个别不需要修改原文的任务是支持载入其他格式)。这会让整个流程更干净，并且MD是AI的原生语言。 1. 先把 PDF 变成 Markdown 我一般会先用 MinerU 之类的工具做 PDF → Markdown，再把结果放进 Obsidian。 (当前MinerU在目前的免费软件里使用起来解析质量高且速度较快) 这样做有几个直接好处： 原文结构更清晰 注： v1.9.1已支持章节结构提取功能 后续链接、翻译、提取、图表都围绕同一份 Markdown 笔记发生 你的“论文阅读结果”本身就是知识库资产 注意，后面的大部分自动化，都要求原文已经进入你的知识库，是Notemd可处理的文件。 2. 先做概念链接，再做概念沉淀 导入 Markdown 以后，我一般先运行这两个指令： 处理文件（添加链接）| Process file (add links) 从标题批量生成| Batch Generate from Title 前者会把论文里的关键概念补成 [[wiki-links]] ，后者则可以借助高质量AI(比如 降智前 的Gemini-3.1-pro)把每个概念扩充为深入的领域知识与术语间关系的总结，支持调用搜索 api（比如 Tavily）做定向搜索后生成。 很多论文难读，原因很简单：默认你已经知道太多术语。backbone、训练范式、benchmark或是统计指标，而实际上需要你临时去查，特别是当你不了解这个领域时更是无从查起。 因此我通过Notemd将这些概念用ai提取后直接沉淀到固定的或者是自定义领域的概念文件夹里。这样第二篇、第三篇相关论文读下去时，已有概念会越来越完整，不需要每次从头补背景。 如果你愿意的话可以打开概念日志，每次新增了哪些概念都有记录。并且， 我已经将这套流程固化为一键处理按钮，不需要拆解单独执行(但需要注意tokens消耗)，最大化便利佬友们使用。 3. 用“提取特定原始内容”做证据导向的精读 “提取特定原始内容”顾名思义，是获取原文中的依据，适合继续做精读笔记、组会汇报，或者后面写 related work 时快速回查。 你可以先在设置里定义一组问题，例如： 这篇论文的核心贡献是什么？ 作者如何定义问题？ 实验设置是什么？ 主要 baseline 有哪些？ 作者明确承认了哪些 limitation？ 然后让插件从当前论文里逐字提取对应原文片段。 如果你希望明确知道“这句输出到底对应原文哪一句”，记得使用这个功能 4. 不懂的背景用 Research & summarize 试试 如果需要临时查阅当前论文或笔记的特定只是，我不会立刻跳出 Obsidian 去开很多网页，可以在当前笔记旁边做 Research & summarize 。它会调用你配置好的搜索服务和 LLM，把主题相关的补充信息整理出来，附加回当前笔记。 背景知识不散在浏览器标签页里 你查过什么，和当前 paper 绑定在一起 后面回看时，论文旁边就是当时补的上下文 我主要用它补背景和补术语网络，不替代正式文献检索。在课题早期扫盲阶段能明显降低阅读门槛。 5. 英文精读压力大时，直接翻译，但翻译结果也应该保存到本地 当前很多 AI 翻译论文的方案，问题通常是单次翻译没有有效落盘， Translate current file 这个链路的价值，在于它会把译文作为 Obsidian 里的另一份产物保存下来，成功后还会直接在侧边栏打开。 多语言知识库用户可以实现：原文、译文、概念卡片、研究摘要都能在同一个 vault 里互相引用，不需要来回搬运。并且由于 UI Locale 和 Task Output Language 是分开的，界面语言可以跟着 Obsidian 走中文，任务输出也可以保持英文，反过来配置也可以。科研场景里，这种拆分很方便。 这是效果图，内容摘选自 Feynman 的物理学讲义： 6. 最后把理解压缩成图 论文阅读与领域学习的过程中很常见的问题是：脑子里一堆概念，但没整理出结构。 有这两个功能可以辅助解决： Summarise as Mermaid diagram Generate diagram (experimental) 前者更适合方法流程、模块关系、因果链路这类结构化内容。后者在当前版本里已经覆盖 Mermaid、JSON Canvas 和 Vega-Lite 等图表路径，其中 dataChart 还能用 Vega-Lite 生成更规整的数据图。 图是一种"理解压缩层"。让 AI 把论文画成流程图、关系图或数据图，它必须先把结构显式整理出来。检查图的时候，也更容易一眼看出哪里有问题。 注意：图不是事实本身。AI 生成的图，尤其是科研图，只适合当草图、摘要层和检查层，不适合不经核对直接当最终结论。 如图， v1.8.4 最新版支持众多种类图的生成： 下面再给一些图类型的举例： Mermaid正常图： 时序图： 7. 最后用工作流把这些动作串起来 如果上面这些动作每次都手动点一遍，久了还是会烦。所以 Notemd 里我很喜欢的另一个点是：你可以把常用动作编成自己的 One-Click Workflow 。 默认就有一个 One-Click Extract 功能把几个动作串起来跑。除此之外，你也可以按自己的论文习惯重组，比如： 论文入库::process-current-add-links>extract-concepts-current>research-and-summarize>summarize-as-mermaid 在设置中有非常高度自定义工作流的支持： 对我来说，工作流的意义除了少点几次按钮，还有真正把阅读习惯固定下来。你跑得越多，知识库结构就越稳定，后面的复用价值也会越高。 这个项目更偏实际工作流程落地，有下面这些突出优点 完整开源 。github开源，具体设置有文字+多图说明。 模型选择自由 。支持 OpenAI、Anthropic、Google、DeepSeek、Qwen、Ollama，以及通用 OpenAI Compatible 网关。 注： v1.9.1 已支持“获取模型列表”功能。 不同的任务均支持对特定的模型进行配置 。对于链接、研究、翻译以及生成等任务，均能够独立地去进行 provider 以及 model 的选用。 对于每一个具体需要去执行的任务，都支持开展 prompt 的修改工作 。这就为插件在功能拓展方面提供了相当充裕的空间。 结果都会以文件的形式来予以保存 。在开展学习的过程当中，插件会把相对应的链接、概念笔记、译文、图表以及日志都进行留存。 在本地用户友好性方面表现得十分出色 。针对那些已经习惯于去使用 Obsidian 的用户来说，这一工具可以直接在既有的工作台环境当中去嵌入 AI 相关的能力，这样一来，就完全不需要再去对一整套既有的笔记体系开展任何的替换工作。 它能帮你构建"外部大脑"，但真正记住与掌握，开始实践的只能是你自己。 哪些人应该尝试这个插件： 已经在用 Obsidian 管理读书或论文笔记的人 面对较大规模的文献阅读量，且期望将零散理解逐步构建为系统化知识网络的人 不满足于“总结一下”，而是想把概念、证据、图表和上下文都留下来的人 期望将翻译、搜索、概念提取以及图表生成整合至同一工作台之中的人群 对模型选择上期望自由切换云端和本地部署模型的人 如果你只是偶尔看一两篇 paper，能协助你完成翻译与核心概念的提取工作，上手门槛很低，并且有保姆式视频教学。 如果你有长期积累需求，它的价值会更为显著，因为这些结果最终均会沉淀于个人知识库之中。 如果大家感兴趣，后面我还可以再单独整理一篇更偏实操的帖子专门针对大家的后续问题，比如： 我怎么配置提取问题模板 如何把 prompt 开展有针对性的调整工作，来让它得以深度契合到不同的学科领域以及具体的任务场景当中 …… 如果觉得喜欢有所收获，对你有帮助，就支持一下吧! LINUX DO Credit 3 个帖子 - 3 位参与者 阅读完整话题
给 obsidian 添加了一个语音插件 效果如下: 支持 Edge TTS 支持阿里云 CosyVoice 支持智谱 GLM-TTS 项目地址: vearne/obsidian-tts
给 obsidian 添加了一个语音插件 效果如下: 支持 Edge TTS 支持阿里云 CosyVoice 支持智谱 GLM-TTS 项目地址: vearne/obsidian-tts
大佬们有同时使用codex和obsidian的吗，你们都是怎么进行联动的呀。 1 个帖子 - 1 位参与者 阅读完整话题
如题，我想了解下。 有没有可以在手机浏览器的插件，可以快速保存 x 的文章为 md 格式。方便存储到我自己的 Obsidian 中？ 8 个帖子 - 7 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 AI Model Workbench 是一款 Obsidian/three 三维模型查看工具，主打知识管理工作流。你可以在本地 WebGL 视口中加载主流 3D 资源、对关键部件添加标注，并将模型转化为可关联的笔记，实现系统化知识管理。 作为立体知识存储。 仓库： GitHub - flash555588/ai-model-workbench: Obsidian desktop plugin: Babylon.js 3D model viewer with multi-model grid, presets, knowledge notes. Supports GLB/GLTF/STL/OBJ/SPLAT. · GitHub 核心功能 三维网格直接预览 ：默认基于 Three.js 引擎，支持 GLB、GLTF、STL、OBJ、PLY 格式 可选格式转换 ：可对 CAD、FBX、3MF、DAE 格式进行转码以实现预览 混合预览调度 ：单模型预览默认 Three.js，异常自动切换 Babylon.js；多模型网格视图、三维点云（SPLAT）场景统一使用 Babylon.js 保障最优性能 内嵌 / 独立预览 ：支持在 Obsidian 实时预览、代码块、独立文件页面中查看模型 多模型网格视图 ：同一视口加载多个模型，内置布局方案，方便对比查看 三维标注 ：添加带文字、颜色的标记点，支持深度遮挡识别 知识笔记 ：基于模型自动生成标准化 Markdown 文档，部件信息可在多个模型间复用 快照功能 ：将预览画面复制、保存或导出为 PNG 图片 国际化 ：适配英文、简体中文，自动识别系统语言 桌面端适配 ：完整兼容 Obsidian 桌面客户端 许可证 MIT 开源协议 个人项目、学习、商用自托管 — 免费使用 如果您喜欢可以加个 star 2 个帖子 - 2 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 BG 研究 karpathy 大神的知识库，第一次接触到了 obsidian 之前都是使用的 typora 来记 md 笔记，用 zotero 看 pdf 文档和批注，现在靠 obsidian 一个软件全部替代了 而且搭配自部署插件 obsidian-fast-note-sync ，能让我 linux ， windows ，手机端都同步好 由于我用惯了 zotero 的 pdf translate 插件 于是基于obsidian插件开发指南，做了个差不多功能的插件： 项目地址： https://github.com/Zhruoshui/obsidian-selection-translator 功能说明： 划词翻译 通过命令面板、快捷键、左侧功能区按钮或 Markdown 编辑器右键菜单翻译选中的 Markdown 或可选择 PDF 文本（** 为了不跟 pdf 插件产生冲突，pdf 可以点击插件按钮打开悬浮窗来进行 **）。 悬浮窗保持打开时，继续选择其他 Markdown 或 PDF 文本会自动翻译新的选择。 可以在悬浮窗中编辑源文本后重新翻译。 只选择一个英文单词时会自动使用配置的词典服务商查询，并在可用时播放英音 / 美音发音。(** 推荐使用默认的有道词典，其他两个还需要做适配 **) 悬浮窗工作流 在可拖动、可调整大小的悬浮窗中显示流式翻译状态、错误和结果。 顶部使用紧凑图标按钮复制完整译文、重新翻译或关闭悬浮窗。 译文结果支持自由选择，可以只复制其中任意片段。 顶部布局兼顾桌面端和较窄的移动端屏幕。 服务商支持 用户自行选择文本翻译服务商。OpenAI 兼容服务商、Bing 翻译（Microsoft Translator）、Google 翻译、DeepL、百度翻译和有道翻译都是可选项。 根据当前选择的服务商配置所需凭据。 OpenAI 兼容服务商支持提示词、温度和流式输出。传统翻译 API 会在服务商请求完成后返回译文。 只选择一个英文单词时会自动使用配置的词典服务商。有道词典、必应词典和剑桥词典均可选择，且不需要 API 密钥。 翻译前可以测试服务商配置是否可用。 插件界面跟随 Obsidian 应用语言，目前支持 English 和简体中文。 安装 通过 BRAT 安装 本插件通过 GitHub release 作为 beta 插件分发。可以使用 Obsidian 的 BRAT 插件安装： 在 Obsidian 社区插件中安装并启用 BRAT 。 打开 Settings → BRAT → Beta Plugin List 。 选择 Add Beta plugin 。 输入这个仓库地址： https://github.com/Zhruoshui/obsidian-selection-translator 后续思考 偶然看到 wps 中的翻译功能，可以借鉴优化 基于上下文更加精准的翻译 基于划词所选的片段，能够基于内容追问，想当于关键词 AI 搜索学习 界面字体大小等的调整，更方便手机上使用 如果您喜欢可以加个 star 1 个帖子 - 1 位参与者 阅读完整话题
我用的是Obsian，但是感觉不怎么舒服，学习的时候做笔记感觉做的很乱，有大佬出出办法吗 8 个帖子 - 8 位参与者 阅读完整话题
我的思路是obsidian+markdown+git+网页 1、markdown 现在ai时代有时候为了让ai更好的理解以及让ai去操作，markdown无疑是首选，而且markdown还是本地文件，可以备份，如果是云端，agent首先操作不了，然后还要考虑服务提供商跑路。 2、obsidian obsidian有丰富的插件市场，浏览模式和插入模式可以灵活转变，个人体验感还是不错 3、git 为了在家、公司或者其他设备进行实时管理，我自己在git网站创建一个仓库，用git进行全程笔记的管理，因为本质markdown就是一个文本文件，然后用不同目录层级放不同类型的markdown笔记，形成一个本地+远端的可多端的体系 4、网页可视化 很多佬友都有自己的博客，然后会写文章记录，我的思路有点不同，我自己vibe coding了一个网页，这个网页也是我的博客，但是里面关于笔记的部分很简单，就是把我的git仓库可视化出来，然后附上我的博客网站，各位佬也可以提一下意见！然后网页我也做了很多细节，里面涉及到的相关其他笔记都可以直接跳转根据obsidian的规则吗，然后做了知识图谱，双击节点也可以直接跳转到对应的界面，3D宇宙界面。 lvcoco - Gitee 知识库管理系统 笔记工作流： 我现在很多记笔记都不是自己操作，都是使用agent，我获取了一个知识点，比如用网页版或者其他途径，我会把只是放到一个中转草稿里面，然后我有一套属于自己的笔记skill，根据我长期的风格，这个skill各位佬可以在我的网站看到，然后内容就让agent根据我的skill嵌入到笔记的合适内容，然后这套笔记库我已经管理了一年有余了，还是比较庞大了！ 佬友们有更高效的记笔记的点子或者建议请多多指教！ 5 个帖子 - 2 位参与者 阅读完整话题
Fortune Trump stunned as stocks fall on great jobs report. Barclays explains why ‘we... “With a great Jobs Report, like just announced, stocks should go up, not down," Trump posted. "That's the way it was for 200 years. Growth does not mean inflation!” 美国就业市场5月份表现出色，非农就业人数增幅几乎是分析师预期的两倍。尽管经济学家们欢欣鼓舞，但人工智能交易却大幅萎缩，导致纳斯达克指数下跌4%，创一年多来最大单日跌幅，标普500指数也下跌了1.2%。 https://www.bloomberg.com/news/articles/2026-06-07/trump-says-fed-rate-increase-would-be-wrong-again-calls-for-cut NBC News – 7 Jun 26 Trump says Fed chair should ‘do whatever he wants’ but criticizes possible... Trump railed against potential interest rate hikes, arguing rates should instead be lowered. 7 个帖子 - 7 位参与者 阅读完整话题
短短二十四小时 index的blobs 就快接近十万了 query也将近1000了 感谢大家支持。 虽然现在质量还有待提高 但是我会尽我所能做出提升。 2 个帖子 - 2 位参与者 阅读完整话题
两天用ai搞了个插件的雏形，就是一个便签纸，能透明。 还有一些BUG在修，然后弄个置顶按键应该就能用了， 想传到github上，有啥要注意的吗。 不清楚Obsidian插件市场是什么样的，之前想弄华为的主题设计，好多材料要提交，怕这种认证很麻烦。 大概就是长这个样，鼠标移到上面能改外观和关闭小窗。 2 个帖子 - 1 位参与者 阅读完整话题
最近做了一个小工具：NotePic 。 起因是我自己用 Obsidian / Markdown 写文章时，经常被图片问题烦到。 在 Obsidian 里写的时候，本地图片都能正常显示，比如： ![[cover.png]] ![[demo/settings.png]] 但一旦准备把文章复制到公众号、知乎、掘金、个人博客，问题就来了： 公众号不认识 Obsidian 的本地附件 知乎 / 掘金访问不了本地路径 博客构建时也可能找不到相对路径 同一篇文章多平台发布时，每个平台都要重新检查图片 所以文章写完以后，经常还要进入一轮“图片收尾模式”：上传图片、压缩图片、替换链接、检查预览。 NotePic 做的事情比较简单： 扫描 Markdown / Obsidian 文章里的本地图片 上传到阿里云 OSS 自动压缩图片 避免重复上传同一张图 把原来的本地图片链接替换成云端链接 处理后会变成类似这样：   目前有两种用法： Obsidian 插件：适合写完文章后处理当前笔记里的图片 CLI 工具：适合博客、工程项目、批量处理或 CI 场景 我自己现在主要用 Obsidian 插件，流程大概是： 在 Obsidian 里正常写文章、插本地图片 发布前点一下 NotePic 图片自动上传并替换成云端链接 再复制 Markdown 到其他平台发布 官网： https://luhuidev.com/NotePic-OSS/ 如果你也经常用 Obsidian / Markdown 写文章，并且需要多平台发布，可以试试看。 也欢迎反馈具体场景里的问题，提交 issue 我会定期处理。
最近做了一个小工具：NotePic 。 起因是我自己用 Obsidian / Markdown 写文章时，经常被图片问题烦到。 在 Obsidian 里写的时候，本地图片都能正常显示，比如： ![[cover.png]] ![[demo/settings.png]] 但一旦准备把文章复制到公众号、知乎、掘金、个人博客，问题就来了： 公众号不认识 Obsidian 的本地附件 知乎 / 掘金访问不了本地路径 博客构建时也可能找不到相对路径 同一篇文章多平台发布时，每个平台都要重新检查图片 所以文章写完以后，经常还要进入一轮“图片收尾模式”：上传图片、压缩图片、替换链接、检查预览。 NotePic 做的事情比较简单： 扫描 Markdown / Obsidian 文章里的本地图片 上传到阿里云 OSS 自动压缩图片 避免重复上传同一张图 把原来的本地图片链接替换成云端链接 处理后会变成类似这样：   目前有两种用法： Obsidian 插件：适合写完文章后处理当前笔记里的图片 CLI 工具：适合博客、工程项目、批量处理或 CI 场景 我自己现在主要用 Obsidian 插件，流程大概是： 在 Obsidian 里正常写文章、插本地图片 发布前点一下 NotePic 图片自动上传并替换成云端链接 再复制 Markdown 到其他平台发布 官网： https://luhuidev.com/NotePic-OSS/ 如果你也经常用 Obsidian / Markdown 写文章，并且需要多平台发布，可以试试看。 也欢迎反馈具体场景里的问题，提交 issue 我会定期处理。
最近做了一个 Obsidian 插件：AI Tag Curator 。 一开始看起来像是“AI 给笔记打标签”，但我后来觉得这个方向太浅了。真正的问题不是某一篇笔记缺几个标签，而是 vault 用久以后，标签体系会慢慢失控： 同一个意思有多个标签 某些标签只用过一次 有些标签太宽，检索时没有区分度 层级标签写法不一致 中英文、大小写、单复数混在一起 老笔记没有跟上后来的标签习惯 所以这个插件的定位是“AI 标签管理与治理”： 构建全库标签索引 给当前笔记推荐标签，但优先复用已有标签 解释推荐理由、置信度和相近但没选的标签 生成标签健康报告 识别低频、重复、层级不一致、过宽/过细、命名漂移 支持部分可执行建议的预览、应用和回退 Obsidian 插件页： https://community.obsidian.md/plugins/ai-tag-curator GitHub： https://github.com/qmkCamel/obsidian-ai-tag-curator 想听听重度 Obsidian 用户的反馈：你们的标签体系最大的问题是什么？
最近做了一个 Obsidian 插件：AI Tag Curator 。 一开始看起来像是“AI 给笔记打标签”，但我后来觉得这个方向太浅了。真正的问题不是某一篇笔记缺几个标签，而是 vault 用久以后，标签体系会慢慢失控： 同一个意思有多个标签 某些标签只用过一次 有些标签太宽，检索时没有区分度 层级标签写法不一致 中英文、大小写、单复数混在一起 老笔记没有跟上后来的标签习惯 所以这个插件的定位是“AI 标签管理与治理”： 构建全库标签索引 给当前笔记推荐标签，但优先复用已有标签 解释推荐理由、置信度和相近但没选的标签 生成标签健康报告 识别低频、重复、层级不一致、过宽/过细、命名漂移 支持部分可执行建议的预览、应用和回退 Obsidian 插件页： https://community.obsidian.md/plugins/ai-tag-curator GitHub： https://github.com/qmkCamel/obsidian-ai-tag-curator 想听听重度 Obsidian 用户的反馈：你们的标签体系最大的问题是什么？
官网： https://polywise.io Github: https://github.com/MatrixAges/polywise 想法来自于年初时的一个想法——“人脑的记忆机制能否和 AI 结合，让 Agent 变得 Agency”，能否模拟神经网络把 Graph RAG 的知识结点和边作为神经结点和神经连接。 为 Agent 提供“自进化”的演化环境，同时我发现有许多同学使用 Obsidian+Claude 来做知识管理（需大量配置，而且体验是比较割裂的，不够 ai native ，而 Notebooklm/ima 做的比较偏“传统”，不够 ai-native ）。 于是我萌生出了一个想法，能不能做一个端侧就能够使用的带“自学习”能力的知识库应用，代替 Notebooklm （有许多涉及到工作的知识放 Notebooklm/ima 不合规也不安全，放 Obsidian 又经常需要整理目录和双向链接，即便用 ai 辅助整理也不够 ai-native ）。 在 vibe coding 调研实践了一个月（探索纯 vibe coding 能力边界的同时，验证实现路径），证实技术路径是没问题的，而适逢卡帕西的 llm-wiki 概念火了，这也印证了用户需求。 于是就有了 Polywise ，它以 Agent 为单位，代替 Notebooklm/ima 中的“笔记本”的概念，同时给 Agent 自己创建 skill 、tool ，自学习 Graph RAG 的能力，让 agent 自己演化出 agency 的智能。 Agent Group Linkcase Project
官网： https://polywise.io Github: https://github.com/MatrixAges/polywise 想法来自于年初时的一个想法——“人脑的记忆机制能否和 AI 结合，让 Agent 变得 Agency”，能否模拟神经网络把 Graph RAG 的知识结点和边作为神经结点和神经连接。 为 Agent 提供“自进化”的演化环境，同时我发现有许多同学使用 Obsidian+Claude 来做知识管理（需大量配置，而且体验是比较割裂的，不够 ai native ，而 Notebooklm/ima 做的比较偏“传统”，不够 ai-native ）。 于是我萌生出了一个想法，能不能做一个端侧就能够使用的带“自学习”能力的知识库应用，代替 Notebooklm （有许多涉及到工作的知识放 Notebooklm/ima 不合规也不安全，放 Obsidian 又经常需要整理目录和双向链接，即便用 ai 辅助整理也不够 ai-native ）。 在 vibe coding 调研实践了一个月（探索纯 vibe coding 能力边界的同时，验证实现路径），证实技术路径是没问题的，而适逢卡帕西的 llm-wiki 概念火了，这也印证了用户需求。 于是就有了 Polywise ，它以 Agent 为单位，代替 Notebooklm/ima 中的“笔记本”的概念，同时给 Agent 自己创建 skill 、tool ，自学习 Graph RAG 的能力，让 agent 自己演化出 agency 的智能。 Agent Group Linkcase Project
本人非程序员，前段时间看见karpathy 在推特发的 “用AI结合Obsidian 做知识库管理” 的推文，加上网上很多博主也在讲这方面的内容。我也打算把自己obsidian上的文件同步到github上做管理，但是不太清楚，他的私有仓库真的安全吗，如果放密码类的文件上去，行不行呢，感谢大家 24 个帖子 - 11 位参与者 阅读完整话题