Obsidian AI-kunnskapstilsynsguide
Notemd transformerer LLM-driven leseaktivitet til permanent kunnskap: wiki-linker kobler sammen konsepter, konseptnotater skaper en tilgjengelig graf, forskning tar inn nettet i din vault, oversettelse bryter språkbarrierer, diagrammer gjør strukturen synlig, og arbeidsfluer koble alt sammen med én klikk. Dette guideet dekker hele prosessen – fra rå notater til en koblet, visuell, multilingual kunnskapsbas.
Hvorfor AI-kunnskapstilsyn?
Tradisjonell notatering gir flat filer. Selv med manuelle wiki-linker forblir de fleste notater uforståelige. Notemd bruker LLM for å automatisere koblingslaget:
- LLM-systemene les din innhold og identifiserer hva som er viktig – termer, metoder, personer, teorier
- Linker blir automatisk innsett ved hver konseptoppførsel, ikke begravd i "se også"
- Konseptnotater genereres som sjældne, tilgjengelige filer
- Forskning beregner ut notater med kontekst fra nettet
- Diagrammer gjør strukturen synlig – mind-mapper, fløe-diagrammer, data-diagrammer fra samme innhold
Resultatet: en kunnskapsgraf som vokser med hver notat du bearbeider, ikke bare når du husker å legge til linker.
Helen prosessen
Hver trinn er uavhengig. Bruk én eller alle. Den mest effektive sekvensen: Legg til linker → Konseptnotater → Diagrammer.
1. Wiki-linker: Å gjøre koblingene uttrykkelige
Wiki-linker er ryggbeinet i en kunnskapsgraf. Notemd bruker en LLM for å:
- Læs innholdet i din notat (del på deler for lange dokumenter)
- Identifiser degenskaperne — prioriterer spesifikke, tekniske termer fremfor generelle substantiver
- Sett inn
[[wiki-links]]ved hver oppførelse - Undertrykk synonymer så at "ML" og "Machine Learning" ikke skaper separate noder
Når å bruke
- Alle notater >100 ord — kortere notater gir få konsepter
- Forskningsartikler, tekniske dokumenter, møtetekster — rike på domenespesifikke termer
- Efter innholdet er stabilt — behandle ikke endelig utkast flere ganger
Viktig innstilling
| Innstilling | Anbefalt | Hvorfor |
|---|---|---|
addLinksProvider | DeepSeek eller GPT-4o-mini | God nøyaktighet til lav kostnad |
| Synonymundertrykkelse | Aktivert | Forhindrer dupliserte noder |
| Konsekvensvindu | Paragraf | Balansen mellom nøyaktighet og kostnad |
2. Konseptnotater: Gjenopprettelige kunnskapsnoder
Wiki-linker kobler sammen idéer i teksten, men konseptnotater gjør det mulig å finne hver idé uavhengig. Hver konsept får sin egen .md-fil:
# Machine Learning
## Linked From
- [[My Research Notes]]
- [[Neural Networks Explained]]
Utdragningsprosessen
Prompten for LLM er mye strukturert:
- Normalisere til enkelform
- Førstegangig prefereres flerordige begreper fremfor enkelte ord (“Dielectric Relaxation” og ikke “Relaxation”)
- Slett referanser/bibliografi-seksjoner
- Utdata som
CONCEPT:linjer for deterministisk parsing
Konseptene fjernes duplikater mellom delene gjennom Set<string>. LLM-feil i enkelte deler stopper ikke prosessen.
Baklinker
Når det er aktiveret, følger hver konseptnoter hvilke kildenotater som nevner den. Obsidian's innbyggde backlink-paneel viser også omvendte forbindelser.
Deduplisering
Notemd's 4-stegs dedup-maskin oppdager:
- Nøyaktige matcher — sammenligning av filnavn uavhengig av store/basse bokstaver
- Mangeform — "Models.md" mot "Model.md"
- Symbolnormalisering — "A-B.md" mot "A B.md"
- Enordighetskontroll — "ML.md" markeres når "Machine Learning.md" eksisterer
Kjedeinnstillinger
| Innstilling | Anbefalt | Hvorfor |
|---|---|---|
conceptNoteFolder | concepts/ eller 🧠 concepts/ | Holder vault-organisert |
extractConceptsAddBacklink | On | Muliggjør omvendt søk |
extractConceptsMinimalTemplate | Off | Fullstendig mall med Linked From |
| Modell per oppgave | DeepSeek | Konseptutvinning trenger ikke dyre modeller |
| Synonymsuppresjon | On | Samme innstilling påvirker både kobling og utvinning |
3. Forskning: Å introdusere webben
Notemd integrerer webbsøkking i din notateringsprosess:
- Søgeoppskrift — ditt notetitel eller val blir en søgeoppskrift
- Webbsøkking — Tavily (anbefalt, kræver API-nyckel) eller DuckDuckGo (gratis, ingen nyckel)
- LLM-sammanfattelse — søgeresultaterne sammenspises til en relevant sammanfattelse
- Legg til i noten — sammanfattelsen legges til ved markørposisjonen eller som en ny sekcjon
Når man skal bruke
- Før man bearbeider et nytt tema — få først webbkontekst
- Når en konseptnotebesøker forbedring — forske før man legger til lenker
- For litteraturoversikter — forske i batch på en mapp med noter
Viktig innstilling
| Innstilling | Anbefalt | Hvorfor |
|---|---|---|
researchProvider | GPT-4o eller Claude | Forskning krever høyere kvalitet på sammanfattelser |
| Søkeservice | Tavily | Bedre relevans, konfigurerbar dybde |
maxResearchContentTokens | 4000 | Balanse mellom dybde og kost |
4. Oversettelse: Å bruke bort språkbarrierer
Notemd oversetter notater med den konfigurerte LLM-en din — ikke en spesialiserert oversettelses API-en. Det betyr dette:
- Kontekstbevist oversettelse — LLM forstår hele dokumentet, ikke sentens for sentens
- Hantering av tekniske termer — "gradient descent" bleier "梯度下降" og ikke "坡度向下"
- Stasjonær oversettelse — oversett hele mappen med notater i én operasjon
- Modell per oppgave — bruk Gemini Flash for oversettelse (snabb, billig, multilingual)
Språkstøtte
Notemd selv støtter 21 UI-språk. Oversettelsesmålsspråket kan konfigureres per oppgave. Vanlige par: EN↔ZH, EN↔JA, EN↔KO, EN↔DE, EN↔FR, EN↔ES.
5. Diagrammer: Å gjøre strukturen synlig
Notemd's diagrampipeline er basert på spesifikasjoner: LLM genererer en strukturert DiagramSpec JSON, og derefter oversetter adaptere det til målformatet. Dette gir mer tillitelig resultat enn å be LLM om rå Mermaid-syntax.
Intent Detection
Notemd inferer den beste diagramtypen fra innholdet:
- Tabeller med tall → datachart (Vega-Lite)
- Klient/server-ordforbørg → sekvensdiagramm (Mermaid)
- Entitet/hovednyckel → ER-diagramm (Mermaid)
- Trinn/processfluss → flussdiagramm (Mermaid)
- Konseptkort-sleutelord → JSON Canvas (Obsidian native)
- Standard → mindmappe (Mermaid)
Rendering Chain
Primært mål → fallback → fallback → HTML. Hvis Mermaid-syntaxen feiler, prøver det igjen en gang med feilkontekst til LLM, og faller deretter tilbake til et minimalt diagram.
Kjedeinnstillinger
| Innstilling | Anbefalt | Hvorfor |
|---|---|---|
enableExperimentalDiagramPipeline | På | Bedre kvalitet gjennom specifikasjonsførst |
experimentalDiagramCompatibilityMode | best-fit | Native mål per intent |
summarizeToMermaidProvider | GPT-4o eller Claude | Diagramm-specifikasjoner krever romlig resonans |
autoMermaidFixAfterGenerate | På | Fanger LLM-syntaxfeil automatisk |
| Størkelse av lokal kunnskap | Aktivert for domen-spesifikt bruk | Forbedrer nøyaktigheten med vault-kontekst |
6. Arbeidsfluer: En-klikk automatisering
Arbeidsfluer kobler flere oppgaver sammen i en enkelt sidebarknapp. DSL-formatet er:
task1 | task2 | task3
Eksempel: addLinks | extractConcepts | generateDiagram — bearbeider en not fra råtekst til en fullt koblet, visuell kunnskapsnode med én klikk.
Anbefalte arbeidsfluer
| Arbeidsfluss | Kedje | Bruksfall |
|---|---|---|
| Full prosess | addLinks | extractConcepts | generateDiagram | Nye noter |
| Forskning først | research | addLinks | Ukjente emner |
| Polyglot | translate | addLinks | Multilingual notes |
| Diagram kun | generateDiagram | Snabb visualisering |
7. LLM leverandører: 36 valgmuligheter fra cloud til lokal
Notemd støtter 36 leverandører over 4 transporttyper. Hovedgrupper:
- Internasjonalt cloud: OpenAI, Anthropic, Google, Mistral, xAI
- Kinesisk cloud: DeepSeek, Qwen, Doubao, Moonshot, GLM, Baidu, SiliconFlow
- Gatewayer: OpenRouter, GitHub Models, Hugging Face, Vercel
- Lokal: Ollama, LMStudio, OVMS — ingen API-klasse, ingen data leaves your machine
Strategi for modellbruk per oppgave
Den mest kosteffektive innstillingen bruker billige modeller for enkle oppgaver og kraftige modeller for komplekse oppgaver:
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)
Checkliste for å starte
- Installér Notemd — Community Plugins (anbefalt) eller manuelt
- Konfigurér en leverandør — DeepSeek (enkeltest), OpenAI, eller Ollama (gratis)
- Behandle din første note — høyreklikk → "Process file (add links)"
- Ställ inn konseptmapp — Innstillinger → Notemd → Utdata → Konseptmapp
- Utvinne konsepter — kjør "Utvinne konsepter" på samme notat
- Generer en diagram — kjør "Generer diagram" for å visualisere koblingene
- Skap en arbeidsfluss — koble oppstående trinn til en en-klikk-knapp
Anbefalte konfigurasjoner
Student (Budget)
Provider: DeepSeek (free tier available)
Concept extraction: DeepSeek
Research: DuckDuckGo (free) + DeepSeek
Diagrams: Off (or legacy Mermaid)
Workflows: addLinks | extractConcepts
Forskere (Kvalitet)
Provider: GPT-4o (primary)
Concept extraction: DeepSeek (cost savings)
Research: GPT-4o + Tavily
Diagrams: best-fit mode, GPT-4o
Workflows: research | addLinks | extractConcepts | generateDiagram
Privatskap i førstehand (Endast lokal)
Provider: Ollama (llama3 or qwen2.5:7b)
All tasks: Ollama
Research: DuckDuckGo (free, no API key)
Diagrams: legacy Mermaid mode
Tospråklig (ZH + EN)
Primary: DeepSeek (Chinese queries)
Translation: Google Gemini Flash
Research: Tavily + DeepSeek (Chinese search context)
Language output: per-task (extractConceptsLanguage: zh-CN)
Vanlige mønster
Mønster: Behandle en forskningsartikel
- Importér PDF-innhold (eller kliste inn)
- Forskning — få webbkontekst om emnet
- Legg til lenker — identifisere og legge til lenker til nøkkelkonsepter
- Utvinne konsepter — skape sjældne notater
- Generer Diagram — visualisere artikkelens struktur
Mønster: Daglig notatforbedring
- Skriv daglig note
- Legg til lenker — kobler dagens ideer til eksisterende konsepter
- Konseptnotater oppdateres automatisk med baklenker
Mønster: Literaturoversikt
- Skap et mapp med artikler/notater
- Legg til lenker i batch — behandle hele mappe
- Fjern dupliserte konsepter — rens opp nær-dupliserte notater
- Generer diagram — mind-mapp av hele litteraturen
Notemd er open source (MIT) og fungerer med Obsidian 0.15.0+ på alle platformer. Installere nå eller se på GitHub.