Obsidian AI tudományos kezelési útmutató

💡TL;DR

Notemd az LLM-al működő olvasást örökkévaló tudományos információkba változtat: wiki-hivatkozások összekapcsolják a koncepteket, a konceptleírások egy elérhető grafikonot létrehoznak, a kutatás bevonja a web tartalmát a bázisba, a fordítás megszűrje a nyelvi korlátokat, a diagramok megjelenítenek a struktúrat, és a munkafolyamatok összekötik mindent egy kattintással. Ez a útmutató leírja az összes lépést – a szöveges leírásoktól kezdve egy összekapcsolott, visuális, többnyelvű tudományos bázisig.

Miért használni az AI-t a tudományos kezelésben?

A hagyományos feljegyzészárás csak egyszerű fájlokat hoz létre. Even with manual wiki-links, most notes stay disconnected. Notemd uses LLMs to automate the connection layer:

• LLMs olvasják a tartalmadat és kiderítsék, mikor fontos – termékek, módszerek, személyek, teorikák
• A hivatkozások automatikusan kerülnek be minden koncept jelentkezésén, nem maradnak „lásd még” részében
• A konceptleírások készülnek kifejezetten elérhető fájlokká
• A kutatás bővíti a feljegyzéseket webből származó kontextussal
• A diagramok megjelenítenek a struktúrat – gondolatkönyvek, folyamatszémlák, adatdiagramok a sama tartalomból

A eredmény: egy tudományos grafikon, amely növekszik azon belül, amikor elkészíted egy új feljegyzést, nem csak akkor, ha emlékszel hivatkozások hozzáadására.

A teljes folyamat

Minden lépés független. Használhatsz egyet vagy mindent. A leghatékonyabb sorrend: Hivatkozások hozzáadása → Konceptleírások → Diagramok.

---

1. Wiki-hivatkozások: A kapcsolatok nyilvánosítása

A wiki-hivatkozások a tudományos grafikon alapja. Notemd uses an LLM to:

1. Olvasd meg a jegyzeted tartalmát (hosszú dokumentumok esetén részekként oszd ki)
2. Az alapvető konceptek meghatározása – specifikus, technikai kifejezések prioritásba állnak a generikus névmek felett
3. Írd be az [[wiki-links]]-t minden esetben
4. Az egyenlők leírásának elrejtése, így a "ML" és a "Machine Learning" külön szövegcsomagokat nem létrehoznak

Használati helyzetek

• Minden 100 szótól több szót tartó jegyzet – rövidebb jegyzeteknél kevés koncept van
• Tudományos tanulmányok, technikai dokumentációk, tárgyalási jegyzetek – több domén-specifikus kifejezést tartalmaznak
• Amikor a tartalom stabil lett – ne folyamatosan feldolgozd a tervezéseket

Kluczös beállítások

Beállítás	Tajározott választás	Miért
addLinksProvider	DeepSeek vagy GPT-4o-mini	Alacsony költség mellett jó pontosság
Egyenlők leírásának elrejtése	Igen	Külön szövegcsomagok létrehozását megakadályozza
Kontextus ablaka	Paragraf	Pontosság és költség arányára

→ Wiki-Linkek részletes elemzése

---

2. Konceptleírások: Elérhető tudományos ütközések

Wiki-linkek összekapcsolják a gondolatokat az oldalon belül, de a konceptleírások lehetővé teszik, hogy minden gondolat különként elérhető legyen. Minden konceptnek van saját .md fája:

# Machine Learning

## Linked From
- [[My Research Notes]]
- [[Neural Networks Explained]]

Kivonási folyamat

A LLM parancs nagyon struktúrázott:

• Normalizáljuk a szöveget egyedüli formába
• Kérdjük elő a több szóból álló koncepteket az egy szóból állók helyett ("Dielectric Relaxation", nem "Relaxation")
• Hagyjuk el a referenciák/íráslisták részeit
• Adjuk ki az eredményt CONCEPT: sorokként, hogy biztosítva legyen a deterministikus feldolgozás

A konceptek egyes részek között Set<string> segítségével egyértelműsítődnek. Egyik részben lévő LLM hibák nem leállítják a folyamatot.

Visszalinkek

Ha aktiválva van, minden konceptleírás követeli, mely forrásleírások említik azt. A Obsidian natív visszalink panelje is mutatja a kéretlen kapcsolatakat.

Duplikátok eltávolítása

A Notemd 4 lépésű egyértelműsítő motorja felismeri:

1. Teljesen egyezőek — betűtípus-mentes fájlnevek összevetése
2. Nagyszerűsített formák — "Models.md" és "Model.md"
3. Symbol normalizálás — "A-B.md" és "A B.md"
4. Egy szó tartalmazása — ha létezik "Machine Learning.md", az "ML.md" jelölik az összetételt

Kluczok beállítása

Beállítás	Tajározott	Miért
conceptNoteFolder	concepts/ vagy 🧠 concepts/	Megőrzi a tárgyrazdót rendben
extractConceptsAddBacklink	Igen	Hozzáférhetőségi visszalapulás aktiválása
extractConceptsMinimalTemplate	Nem	Teljes szabvány, amelyben van a "Linked From"-t
Munkaalkalmazásos modell	DeepSeek	A konceptek kivágtatása nem igényel drágak modellt
Színonimák leképezése	Igen	Ugyanaz a beállítás hatású a kötésre és a kivágtatásra is

→ Concept Notes mélyebb megismerése

---

3. Kutatás: A Web használata

Notemd összevonja a web keresést a jegyzetkezelési munkafolyamába:

1. Kérés kialakítása — a jegyzet címé vagy választása keresési kérésnek válik
2. Web keresés — Tavily (tanácsolt, API kulcs szükséges) vagy DuckDuckGo (ingyenes, nincs kulcs)
3. LLM összefoglalás — a keresési eredmények összevonódnak releváns összefoglalásokká
4. Jegyzethez hozzáadás — az összefoglalás a kursor helyén vagy új részeként kerül hozzá

Kikorlátlan használata

• Előtt egy új témának kezeléséhez — először kapja meg a web kontextust
• Amikor egy koncept jelzésnek bővítése szükséges — kutatás után hozza létre hivatkozásokat
• Irodalmi áttekintésekhez — egyszerre kutatja egy jegyzetek mappáját

Fontos beállítások

Beállítás	Tanácsolt	Miért
researchProvider	GPT-4o vagy Claude	A kutatásnak magasabb minőségű összefoglalások szükségesek
Keresési szolgáltatás	Tavily	Bemutatási relevancia, beállítható mérték
maxResearchContentTokens	4000	Mérték és költség közötti egyenlet

→ Research deep dive

---

4. Übersetzung: Sprachbarrieren überwinden

Notemd übersetzt Notizen működésére beállított LLM használatával — nem egy külön übersetőszolgáltatás API. Ez azt jelenti:

• Kontextusvezérelt übersetzések — a LLM megérti a teljes dokumentumot, nem csak szövegvetően
• Technikai kifejezések kezelése — „gradient descent” marad „梯度下降”ként, nem „坡度向下”ként
• Halmogatási támogatás — egyetlen műveletben összegezett notízkönyvtár überszólható
• Munkaalapú modell — a übersetéshez Gemini Flash használható (gyors, olcsó, több nyelvben)

Nyelvtámogatás

A Notemd maga 21 UI nyelvet támogat. A célnyelv azonban munkaalkalmazásból függően beállítható. Gyakori párok: EN↔ZH, EN↔JA, EN↔KO, EN↔DE, EN↔FR, EN↔ES.

→ Translation deep dive

---

5. Diagramok: Struktúrák nyílt vizuális megjelenítése

Notemd diagramm-kezelési folyamata specifikációk alapján működik: a LLM készít ki egy struktúrált DiagramSpec JSON-t, majd az adapterek átvitták ezt a célformátumba. Ez biztonságosabb eredményt ad, mint ha a LLMt kérnénk a szöveges Mermaid szintaxisát.

Intenciós felismerés

A Notemd a tartalmiból az optimalabb diagrammtípust azonosítja:

• Számokkal rendelkező táblák → adatdiagramm (Vega-Lite)
• Kliens/szerver szókincse → sorrenddiagramm (Mermaid)
• Entitás/primáris kulcs → ER-diagramm (Mermaid)
• Passzus/procesfolyam → folyamatszámla (Mermaid)
• Konceptmapa kifejezései → JSON Canvas (Obsidian helyi)
• Alapértelmezett → gondolatmapa (Mermaid)

Renderelési sorozat

Primáris cél → lehetséges megoldás → lehetséges megoldás → HTML. Ha Mermaid szintaxisz hibás, egyszor újra próbálja a hiba kontextust az LLM-hez küldve, majd válik vissza minimalis diagrammra.

Kluczös beállítások

Beállítás	Tajározott	Miért
enableExperimentalDiagramPipeline	Be	Jobb minőség specifikációk alapján
experimentalDiagramCompatibilityMode	best-fit	Helyi cél az érzelmetől függően
summarizeToMermaidProvider	GPT-4o vagy Claude	A diagramm specifikációknak térképességi gondolkodásra van szüksége
autoMermaidFixAfterGenerate	Be	Automatikusan felismeri a LLM szintaxisz hibáit
Helyi tudás bővítése	Domain-specifikus módban bekapcsolva	A védelmi tároló kontextusaival növeli a pontoságot

→ Diagramák részletes megközelítése

---

6. Munkafolyamok: Egyszeri kattintással automatizálás

A munkafolyamok több feladatot egyetlen oldalsávon lévő gombba összeköti. A DSL formátuma az alábbiakban található:

task1 | task2 | task3

Példa: addLinks | extractConcepts | generateDiagram — egyszeri kattintással kezelje egy jegyet a szövegből egy teljesen kapcsolódó, visuális tudású knókba.

Tajározott munkafolyamok

Munkafolyamat	Hálózat	Használati esetek
Teljes folyamat	addLinks | extractConcepts | generateDiagram	Új jegyek
Először kutatás	research | addLinks	Nem ismert témák
Köznyelvi	translate | addLinks	Köznyelvű jegyek
Kép csak	generateDiagram	Rápid vizuális megjelenítés

→ Munkafolyamok részletes elemzése

---

7. LLM Társítók: 36 választék a felhőtől a helyi rendszerig

Notemd támogatja 36 társítót 4 transzporttípusban. Fő csoportok:

• Internacionális felhő: OpenAI, Anthropic, Google, Mistral, xAI
• Kínai felhő: DeepSeek, Qwen, Doubao, Moonshot, GLM, Baidu, SiliconFlow
• Gateways: OpenRouter, GitHub Models, Hugging Face, Vercel
• Helyi rendszer: Ollama, LMStudio, OVMS — nincs API kulcs, a adatok nem kerülnek el a gépedtől

Munkaalkalmazás alapú stratégiája

A legolcsóbb beállításban használják olcsó modellt egyszerű munkáknak és erős modellt komplexeknek:

extractConcepts  → DeepSeek (fast, cheap, accurate enough)
addLinks          → DeepSeek or GPT-4o-mini
research          → GPT-4o or Claude (needs quality)
generateDiagram   → GPT-4o or Claude (needs spatial reasoning)
translate         → Gemini Flash (fast, multilingual)

→ LLM Társítók áttekintése

---

Elkezdéshez szükséges lépések

1. Írd le a Notemd — Community Plugins (ajánlott) vagy manuálisan
2. Konfigurálj egy társítót — DeepSeek (legegyszerűbb), OpenAI, vagy Ollama (ingyenes)
3. Kezeld a első jegyet — kattints a jobb gombbal → "Kezeld a fájlt (hozz lépéseket)"
4. Konceptmappának beállítása — Beállítások → Notemd → Kielégítés → Konceptmappa
5. Koncepciók kivonása — futtassuk el a „Koncepciók kivonása” parancsot a sama emlékezettel
6. Diagramm készítése — futtassuk el a „Diagramm készítése” parancsot a kapcsolatok vizualizálásához
7. Munkafolyam létrehozása — összekötjük a fentieket egy egyszer kattintással működő gombba

Tanácsolt konfigurációk

Student (Budget)

Provider: DeepSeek (free tier available)
Concept extraction: DeepSeek
Research: DuckDuckGo (free) + DeepSeek
Diagrams: Off (or legacy Mermaid)
Workflows: addLinks | extractConcepts

Researcher (Quality)

Provider: GPT-4o (primary)
Concept extraction: DeepSeek (cost savings)
Research: GPT-4o + Tavily
Diagrams: best-fit mode, GPT-4o
Workflows: research | addLinks | extractConcepts | generateDiagram

Privacy-First (Local Only)

Provider: Ollama (llama3 or qwen2.5:7b)
All tasks: Ollama
Research: DuckDuckGo (free, no API key)
Diagrams: legacy Mermaid mode

Bilingual (ZH + EN)

Primary: DeepSeek (Chinese queries)
Translation: Google Gemini Flash
Research: Tavily + DeepSeek (Chinese search context)
Language output: per-task (extractConceptsLanguage: zh-CN)

---

Common Patterns

Muster: Research Paper kezelése

1. Import PDF tartalmat (vagy beillesztsük)
2. Feltételek kutatása — számláljuk ki a témáról a webből az információkat
3. Hivatkozások hozzáadása — az összefüggő koncepciók megtalálata és hivatalása
4. Koncepciók kivonása — készítjük létre független emlékezeteket
5. Diagramm készítése — vizualizáljuk a tanulmány struktúráját

Muster: Naponta történő emlékezetek bővítése

1. Napi feljegyzést írás
2. Hivatkozások hozzáadása — összekapcsolja ma napjú gondolatait a már létező konceptekkel
3. A konceptfeljegyzések automatikusan frissülnek hivatkozásokkal

Módszer: Irodalmi áttekintés

1. Fájlok/feljegyzésekkel egy mappát létrehozás
2. Hivatkozások batch-módosítása — feldolgozza az összes mappát
3. Közel egyező feljegyzések egyesítése — tisztíti el a közel egyező feljegyzéseket
4. Diagramm készítése — az összes irodalmi anyag mindmapja

---

Notemd nyílt forráskódú (MIT) és működik Obsidian 0.15.0+ verzióval minden platformon. Most telepítsenek vagy GitHub-on nézzék meg.