Obsidian Gids voor AI-kennisbeheer
Notemd zet LLM-gebaseerd lezen om in blijvende kennis: wiki-links verbinden concepten, conceptnotities creëren een terugvindbare grafiek, onderzoek brengt het web naar uw opslag, vertaling breekt taalbarrières, diagrammen maken de structuur zichtbaar, en workflows verbinden alles in één klik. Deze gids behandelt de volledige pipeline — van ruwe notities tot een verbonden, visueel, meertalige kennisbasis.
Waarom AI-kennisbeheer?
Traditionele notitieboekhouding levert platte bestanden op. Zelfs met handmatige wiki-links blijven de meeste notities los van elkaar. Notemd maakt gebruik van LLM om de verbindingslaag te automatiseren:
- LLMs lezen uw inhoud en identificeren wat belangrijk is — termen, methoden, personen, theorieën
- Links worden automatisch ingevoegd bij elke voorkomst van een concept, niet verstopt in "zie ook"
- Conceptnotities worden gegenereerd als zelfstandige, terugvindbare bestanden
- Onderzoek verrijkt notities met context uit het web
- Diagrammen maken de structuur zichtbaar — mindmaps, stroomdiagrammen, gegevensgrafieken van dezelfde inhoud
Het resultaat: een kennisgrafiek die groeit met elke notitie die u verwerkt, niet alleen wanneer u eraan denkt links toe te voegen.
De volledige pipeline
Elk stap is onafhankelijk. Gebruik er één of allemaal. De meest effectieve volgorde: Links toevoegen → Conceptnotities → Diagrammen.
1. Wiki-links: Verbindingen expliciet maken
Wiki-links vormen de ruggengraat van een kennisgrafiek. Notemd maakt gebruik van een LLM om:
- Lees de inhoud van je notitie (splits in delen voor lange documenten)
- Identificeer de kernconcepten — geef voorkeur aan specifieke, technische termen boven algemene zelfstandige naamwoorden
- Voeg
[[wiki-links]]toe bij elke voorkomst - Supprime synoniemen zodat "ML" en "Machine Learning" geen aparte nodes creëren
Wanneer te gebruiken
- Elke notitie >100 woorden — kortere notities leveren weinig concepten op
- Onderzoekspapieren, technische documentatie, vergaderingsnotities — rijk aan domeinspecifieke termen
- Nadat de inhoud stabiel is — verwerk concepten niet herhaaldelijk van conceptversies
Belangrijke instellingen
| Instelling | Aanbevolen | Waarom |
|---|---|---|
addLinksProvider | DeepSeek of GPT-4o-mini | Goede nauwkeurigheid tegen lage kosten |
| Synonymensuppressie | Aan | Voorkomt dubbele nodes |
| Contextvenster | Paragraaf | Evenwicht tussen nauwkeurigheid en kosten |
2. Conceptnotities: Opgewekte kennisknopen
Wiki-links verbinden ideeën inline, maar conceptnotities maken elke gedachte onafhankelijk ophaalbaar. Elk concept krijgt zijn eigen .md bestand:
# Machine Learning
## Linked From
- [[My Research Notes]]
- [[Neural Networks Explained]]
Het extrageproces
De LLM prompt is zeer gestructureerd:
- Normaliseer naar enkelvoudige vorm
- Geef de voorkeur aan meervoudige concepten boven enkelvoudige woorden (“Dielectric Relaxation” in plaats van “Relaxation”)
- Sla referentie- of bibliografieën over
- Geef het resultaat weer als
CONCEPT:regels voor deterministische parsing
Concepten worden via Set<string> gededupliceerd over verschillende delen. LLM fouten in afzonderlijke delen stoppen de operatie niet.
Backlinks
Wanneer geactiveerd houdt elke conceptnotitie bij welke bronnotities er naar verwijzen. Het ingebouwde backlinkpaneel van Obsidian toont ook omgekeerde verbindingen.
Deduplicatie
De 4-stappen dedupliceringsmotor van Notemd vangt het volgende op:
- Exacte overeenkomsten — vergelijking van bestandsnamen zonder rekening te houden met hoofdletters
- Meervoudsvormen — "Models.md" versus "Model.md"
- Normalisatie van symbolen — "A-B.md" versus "A B.md"
- Enkelvoudswoordcontrole — "ML.md" wordt gemarkeerd wanneer "Machine Learning.md" bestaat
Sleutelinstellingen
| Instelling | Aanbevolen | Waarom |
|---|---|---|
conceptNoteFolder | concepts/ of 🧠 concepts/ | Houdt de kluis georganiseerd |
extractConceptsAddBacklink | Aan | Stelt omgekeerde zoekopdracht mogelijk |
extractConceptsMinimalTemplate | Uit | Volledig sjabloon met Linked From |
| Model per taak | DeepSeek | Conceptuitwinning heeft geen dure modellen nodig |
| Synoniemsuppressie | Aan | Dezelfde instelling beïnvloedt zowel linken als uitwinning |
→ Concept Notities dieper onderzocht
3. Onderzoek: Het web integreren
Notemd integreert webzoeken in je notitieproces.
- Vraagopstelling — de titel of selectie van je notitie wordt een zoekopdracht.
- Webzoeken — Tavily (aanbevolen, API sleutel vereist) of DuckDuckGo (gratis, geen sleutel nodig).
- LLM samenvatting — de zoekresultaten worden samengevat tot een relevante samenvatting.
- Toevoegen aan notitie — de samenvatting wordt toegevoegd op de cursorpositie of als een nieuwe sectie.
Wanneer te gebruiken
- Voorafgaand aan het verwerken van een nieuw onderwerp — eerst webcontext verkrijgen.
- Wanneer een conceptnotitie verrijkt moet worden — eerst onderzoek doen en dan links toevoegen.
- Voor literatuurstudies — in batches onderzoek doen naar een map met notities.
Belangrijkste instellingen
| Instelling | Aanbevolen | Waarom |
|---|---|---|
researchProvider | GPT-4o of Claude. | Onderzoek vereist een hogere kwaliteit van samenvattingen. |
| Zoekservice | Tavily | Beter relevante resultaten, instelbare diepte |
maxResearchContentTokens | 4000 | Evenwicht tussen diepte en kosten |
→ Onderzoek naar diepe analyse
4. Vertaling: Taalbarrières doorbreken
Notemd vertaalt notities met behulp van uw ingestelde LLM — geen gespecialiseerde vertaalapparaat API. Dit betekent:
- Contextbewuste vertalingen — de LLM begrijpt het hele document, niet zin voor zin
- Omgaan met technische termen — "gradient descent" blijft "梯度下降" in plaats van "坡度向下"
- Batch‑ondersteuning — vertaal een hele map met notities in één keer
- Model per taak — gebruik Gemini Flash voor vertaling (snel, goedkoop, meertalig)
Taalsupport
Notemd ondersteunt zelf 21 UI talen. De doeltaal kan per taak worden ingesteld. Veel voorkomende paren: EN↔ZH, EN↔JA, EN↔KO, EN↔DE, EN↔FR, EN↔ES.
5. Diagrammen: Structuur zichtbaar maken
Het diagrampipeline van Notemd is spec‑first: de LLM genereert een gestructureerd DiagramSpec JSON, waarna adapters dit omzetten naar het doelformaat. Dit levert betrouwbaardere resultaten op dan wanneer men de LLM vraagt om ruwe Mermaid‑syntax.
Intent Detectie
Notemd bepaalt automatisch het beste diagramtype op basis van de inhoud:
- Tabellen met cijfers → gegevensdiagram (Vega-Lite)
- Woordenschat client/server → sequentiediagram (Mermaid)
- Entiteit/primaire sleutel → ER-diagram (Mermaid)
- Stap/processtroom → stroomdiagram (Mermaid)
- Trefwoorden conceptkaart → JSON Canvas (Obsidian native)
- Standard → denkkaart (Mermaid)
Rendering Chain
Primair doelwit → fallback → fallback → HTML. Als de Mermaid-syntaxis faalt, probeert het nog een keer met foutcontext naar de LLM, en valt daarna terug op een minimaal diagram.
Belangrijkste instellingen
| Instelling | Aanbevolen | Waarom |
|---|---|---|
enableExperimentalDiagramPipeline | Aan | Betere kwaliteit via spec-first |
experimentalDiagramCompatibilityMode | best-fit | Native doelwit per intentie |
summarizeToMermaidProvider | GPT-4o of Claude | Diagramspecificaties vereisen ruimtelijk redeneren |
autoMermaidFixAfterGenerate | Aan | Vangt LLM-syntaxisfouten automatisch op |
| Lokale kennisverrijking | Aan voor domeinspecifiek gebruik | Verbetert de nauwkeurigheid met vault-context |
6. Workflows: Eén-klik automatisering
Workflows combineren meerdere taken in één knop in de zijbalk. Het DSL-formaat is:
task1 | task2 | task3
Voorbeeld: addLinks | extractConcepts | generateDiagram — verwerk een notitie van ruwe tekst naar een volledig verbonden, visueel kennisnode in één klik.
Aanbevolen Workflows
| Workflow | Chain | Gebruiksgeval |
|---|---|---|
| Volledig proces | addLinks | extractConcepts | generateDiagram | Nieuwe notities |
| Eerst onderzoek doen | research | addLinks | Onbekende onderwerpen |
| Polyglot | translate | addLinks | Meertalige notities |
| Alleen diagram | generateDiagram | Snelle visualisatie |
7. LLM Providers: 36 opties van cloud tot lokaal
Notemd ondersteunt 36 providers over 4 transporttypen. Belangrijke groepen:
- Internationale cloud: OpenAI, Anthropic, Google, Mistral, xAI
- Chinese cloud: DeepSeek, Qwen, Doubao, Moonshot, GLM, Baidu, SiliconFlow
- Gateways: OpenRouter, GitHub Models, Hugging Face, Vercel
- Lokaal: Ollama, LMStudio, OVMS — geen API sleutel, geen gegevens verlaten uw apparaat
Strategie per taakmodel
De meest kostenefficiënte opstelling gebruikt goedkope modellen voor eenvoudige taken en krachtige modellen voor complexe taken:
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)
Controlelijst voor het beginnen
- Installeer Notemd — Community Plugins (aanbevolen) of handmatig
- Configureer een provider — DeepSeek (eenvoudigst), OpenAI, of Ollama (gratis)
- Verwerk uw eerste notitie — rechtermuisknop → "Bestand verwerken (links toevoegen)"
- Conceptmapmappen instellen — Instellingen → Notemd → Output → Conceptmapmappen
- Concepten extraheren — voer "Concepten extraheren" uit op dezelfde notitie
- Een diagram genereren — voer "Een diagram genereren" uit om de verbindingen visueel weer te geven
- Een workflow maken — combineer het bovenstaande tot een één-klikknop
Aanbevolen configuraties
Student (Budget)
Provider: DeepSeek (free tier available)
Concept extraction: DeepSeek
Research: DuckDuckGo (free) + DeepSeek
Diagrams: Off (or legacy Mermaid)
Workflows: addLinks | extractConcepts
Onderzoeker (Kwaliteit)
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 (Alleen lokaal)
Provider: Ollama (llama3 or qwen2.5:7b)
All tasks: Ollama
Research: DuckDuckGo (free, no API key)
Diagrams: legacy Mermaid mode
Tweetalig (ZH + EN)
Primary: DeepSeek (Chinese queries)
Translation: Google Gemini Flash
Research: Tavily + DeepSeek (Chinese search context)
Language output: per-task (extractConceptsLanguage: zh-CN)
Gewone patronen
Patroon: Een onderzoeksartikel verwerken
- PDF-inhoud importeren (of kopiëren en plakken)
- Onderzoek doen — verkrijg webcontext over het onderwerp
- Links toevoegen — identificeer en link belangrijke concepten
- Concepten extraheren — maak zelfstandige notities
- Diagram genereren — visualiseer de structuur van het artikel
Patroon: Verrijking van dagelijkse notities
- Dagelijkse notitie schrijven
- Links toevoegen — verbindt de ideeën van vandaag met bestaande concepten
- Conceptnotities worden automatisch bijgewerkt met backlinks
Patroon: Literatuurstudie
- Map maken met artikelen/notities
- Batch Links toevoegen — hele map verwerken
- Concepten dedupliceren — bijna identieke notities opruimen
- Diagram genereren — mindmap van de hele literatuur
Notemd is open source (MIT) en werkt met Obsidian 0.15.0+ op alle platforms. Nu installeren of op GitHub bekijken.