Przewodnik zarządzania wiedzą AI Obsidian

💡TL;DR

Notemd przekształca czytanie napędzane LLM w trwałą wiedzę: linki wiki łączą koncepcje, notatki koncepcyjne tworzą dostępny graf, badania wprowadzają treści z internetu do twojej bazy, tłumaczenie usuwa bariery językowe, diagramy ułatwiają widoczność struktury, a workflow łączą wszystko w jeden kliknięcie. Ten przewodnik obejmuje cały proces — od surowych notatek do połączonej, wizualnej, wielojęzycznej bazy wiedzy.

Dlaczego zarządzanie wiedzą AI?

Tradycyjne notowanie tworzy płaskie pliki. Nawet przy ręcznych linkach wiki, większość notatek pozostaje niepowiązana. Notemd wykorzystuje LLM do automatyzacji warstwy połączeń:

• LLMs czytają twój treść i identyfikują to, co jest ważne — terminy, metody, osoby, teorie
• Linki są wstawiane automatycznie przy każdym wystąpieniu koncepcji, a nie ukryte w sekcji „zobacz także
• Notatki koncepcyjne są generowane jako samodzielne pliki dostępne do wyszukiwania
• Badania wzbogacają notatki o kontekście z internetu
• Diagramy ułatwiają widoczność struktury — mapy myśli, schematy przepływu, wykresy danych powstałe z tej samej treści

Rezultat: graf wiedzy, który rośnie z każdą przetworzoną notatką, a nie tylko wtedy, gdy pamiętasz o dodaniu linków.

Pełny proces

Każdy krok jest niezależny. Można użyć jednego lub wszystkich. Najskuteczniejsza sekwencja: Dodaj linki → Notatki koncepcyjne → Diagramy.

---

1. Linki wiki: Ujawnianie połączeń

Linki wiki stanowią podstawę grafu wiedzy. Notemd wykorzystuje LLM do:

1. Przeczytaj treść swojej notatki (podziel ją na fragmenty w przypadku długich dokumentów)
2. Zidentyfikuj kluczowe koncepcje — priorytetowo traktując konkretne terminy techniczne nad ogólnymi rzeczownikami
3. Wstaw [[wiki-links]] przy każdym wystąpieniu
4. Zablokuj synonimy, aby „ML” i „Machine Learning” nie tworzyły oddzielnych węzłów

Kiedy stosować

• Każda notatka >100 słów — krótsze notatki dają niewiele koncepcji
• Artykuły badawcze, dokumenty techniczne, notatki ze spotkań — bogate w terminy specyficzne dla danej dziedziny
• Po ustabilizowaniu treści — nie przetwarzaj ponownie szkiców

Ustawienia kluczowe

Ustawienie	Zalecane	Dlaczego
addLinksProvider	DeepSeek lub GPT-4o-mini	Dobra dokładność przy niskich kosztach
Zablokowanie synonimów	Włączone	Zapobiega tworzeniu duplikatów węzłów
Okno kontekstowe	Akapit	Równowaga między dokładnością a kosztem

→ Wiki-Links deep dive

---

2. Notatki koncepcyjne: węzły wiedzy dostępne do wydobycia

Linki wiki łączą pomysły w tekście, natomiast notatki koncepcyjne umożliwiają niezależne wydobycie każdego pomysłu. Każda koncepcja ma swój własny plik .md:

# Machine Learning

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

Proces wydobywania

Prompt LLM jest bardzo ustrukturyzowany:

• Unormalizuj do formy liczby pojedynczej
• Wolimy wielosłowowe pojęcia zamiast pojedynczych słów („Dielectric Relaxation”, a nie „Relaxation”)
• Pomijaj sekcje odniesień/bibliografii
• Wynik w postaci linii CONCEPT: dla pewnego parsowania

Koncepcje są usuwane z duplikatów w poszczególnych fragmentach za pomocą Set<string>. Błędy LLM w pojedynczych fragmentach nie powodują przerwania operacji.

Powrotnie linkujące się elementy

Gdy jest to włączone, każda notatka koncepcyjna odnotowuje, które notatki źródłowe o niej wspominają. Wbudowany panel powrotnych linków Obsidian pokazuje również połączenia wsteczne.

Deduplikacja

4-etapowy silnik usuwania duplikatów Notemd wykrywa:

1. Dokładne zgodności — porównanie nazw plików bez względu na wielkość liter
2. Formy liczby mnogiej — "Models.md" vs "Model.md"
3. Normalizacja symboli — "A-B.md" vs "A B.md"
4. Zawieranie jednego słowa — "ML.md" jest oznaczane, gdy istnieje "Machine Learning.md"

Ustawienia kluczowe

Ustawienie	Zalecane	Dlaczego
conceptNoteFolder	concepts/ lub 🧠 concepts/	Utrzymuje skarbiec uporządkowany
extractConceptsAddBacklink	Włączone	Umożliwia odwrotne wyszukiwanie
extractConceptsMinimalTemplate	Wyłączone	Pełny szablon z Linked From
Model na zadanie	DeepSeek	Ekstrakcja pojęć nie wymaga drogich modeli
Tłumienie synonimów	Włączone	Ta sama ustawienie wpływa zarówno na łączenie, jak i ekstrakcję

→ Szczegółowe omówienie Notatek koncepcyjnych

---

3. Badania: Włączenie sieci

Notemd integruje wyszukiwanie w sieci z Twoim procesem roboczym notatek:

1. Konstruowanie zapytania — tytuł lub wybrany fragment notatki staje się zapytaniem wyszukiwania
2. Wyszukiwanie w sieci — Tavily (zalecane, wymagana klucz API) lub DuckDuckGo (darmowe, bez klucza)
3. Sumaryzacja LLM — wyniki wyszukiwania są skracane do istotnego streszczenia
4. Dodanie do notatki — streszczenie jest dodawane w pozycji kursora lub jako nowy rozdział

Kiedy używać

• Przed przetwarzaniem nowego tematu — najpierw uzyskaj kontekst z sieci
• Gdy nota koncepcyjna wymaga uzupełnienia — najpierw przeprowadź badania, a następnie dodaj linki
• Do przeglądów literatury — przeprowadź masowe badania folderu notatek

Główne ustawienia

Ustawienie	Zalecane	Dlaczego
researchProvider	GPT-4o lub Claude	Badania wymagają wyższej jakości sumaryzacji
Usługa wyszukiwania	Tavily	Lepsza trafność, możliwość konfiguracji głębokości
maxResearchContentTokens	4000	Równowaga pomiędzy głębokością a kosztem

→ Szczegółowe badanie tematu

---

4. Tłumaczenie: Przełamywanie barier językowych

Notemd tłumaczy notatki przy użyciu skonfigurowanego LLM — nie jest to dedykowany narzędzie do tłumaczenia API. Oznacza to:

• Tłumaczenia zrozumiałe w kontekście — LLM rozumie cały dokument, a nie tylko poszczególne zdania
• Obsługa terminów technicznych — „gradient descent” pozostaje jako „梯度下降”, a nie „坡度向下
• Obsługa grup — możliwość tłumaczenia całej folderu z notatkami za jednym razem
• Model dostosowany do zadania — wykorzystanie Gemini Flash do tłumaczeń (szybko, tanio, wielojęzycznie)

Obsługa języków

Sam Notemd obsługuje 21 języków UI. Język docelowy tłumaczenia można skonfigurować dla każdego zadania. Najczęstsze pary: EN↔ZH, EN↔JA, EN↔KO, EN↔DE, EN↔FR, EN↔ES.

→ Szczegółowe omówienie tłumaczenia

---

5. Diagramy: Ujawnianie struktury

Pipeline diagramów Notemd opiera się na specyfikacji: LLM tworzy ustrukturyzowany DiagramSpec JSON, a następnie adaptery przekształcają go do formatu docelowego. Dzięki temu uzyskuje się bardziej wiarygodny wynik niż proszenie LLM o surową składnię Mermaid.

Rozpoznawanie intencji

Notemd wywnioskowuje najlepszy typ diagramu na podstawie treści:

• Tabele z liczbami → wykres danych (Vega-Lite)
• Słownictwo klienta/servera → diagram sekwencyjny (Mermaid)
• Entyteta/klucz główny → diagram ER (Mermaid)
• Krok/przepływ procesu → schemat przepływu (Mermaid)
• Słowa kluczowe mapy koncepcyjnej → JSON Canvas (Obsidian native)
• Domyślnie → mapa umysłowa (Mermaid)

Łańcuch renderowania

Cel główny → alternatywa → alternatywa → HTML. Jeśli składnia Mermaid zawiedzie, próbuje ponownie raz z kontekstem błędu dla LLM, a następnie przechodzi na minimalny diagram.

Ustawienia kluczowe

Ustawienie	Zalecane	Dlaczego
enableExperimentalDiagramPipeline	Włączone	Lepsza jakość dzięki podejściu opartemu na specyfikacji
experimentalDiagramCompatibilityMode	best-fit	Cel natywny według intencji
summarizeToMermaidProvider	GPT-4o lub Claude	Specyfikacje diagramów wymagają rozumowania przestrzennego
autoMermaidFixAfterGenerate	Włączone	Automatycznie wykrywa błędy składni LLM
Wzmacnianie lokalnej wiedzy	Włączone dla specyficznych domen	Poprawia dokładność dzięki kontekstowi vault

→ Szczegółowe omówienie diagramów

---

6. Przepływy pracy: Automatyzacja jednym kliknięciem

Przepływy pracy łączą wiele zadań w jeden przycisk na pasku bocznym. Format DSL to:

task1 | task2 | task3

Przykład: addLinks | extractConcepts | generateDiagram — przetwarzanie notatki z tekstu surowego na w pełni połączony, wizualny węzeł wiedzy jednym kliknięciem.

Zalecane przepływy pracy

Przepisywanie	Łańcuch	Przypadek użycia
Pełny proces	addLinks | extractConcepts | generateDiagram	Nowe notatki
Badania najpierw	research | addLinks	Tematy nieznane
Polyglot	translate | addLinks	Notatki wielojęzyczne
Tylko diagram	generateDiagram	Szybka wizualizacja

→ Szczegółowe omówienie workflow

---

7. LLM Dostawcy: 36 opcji od chmury do lokalnego serwera

Notemd obsługuje 36 dostawców w 4 typach transmisji. Główne grupy:

• Chmura międzynarodowa: OpenAI, Anthropic, Google, Mistral, xAI
• Chmura w Chinach: DeepSeek, Qwen, Doubao, Moonshot, GLM, Baidu, SiliconFlow
• Bramy: OpenRouter, GitHub Models, Hugging Face, Vercel
• Lokalny: Ollama, LMStudio, OVMS — brak klucza API, żadne dane nie opuszczają twojego komputera

Strategia modeli na poziomie zadań

Najbardziej ekonomiczne rozwiązanie polega na używaniu tanich modeli do prostych zadań oraz potężnych modeli do złożonych:

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)

→ Przegląd LLM Dostawców

---

Lista kontrolna rozpoczęcia pracy

1. Zainstaluj Notemd — Community Plugins (zalecane) lub ręcznie
2. Skonfiguruj dostawcę — DeepSeek (najprościej), OpenAI lub Ollama (darmowe)
3. Przetwórz swoją pierwszą notatkę — kliknij prawym przyciskiem → "Przetworzyć plik (dodaj linki)"
4. Ustaw folder koncepcji — Ustawienia → Notemd → Wyjście → Folder koncepcji
5. Wyciągnij koncepcje — uruchom „Wyciągnij koncepcje” w tej samej notatce
6. Stwórz diagram — uruchom „Stwórz diagram”, aby zobrazować połączenia
7. Stwórz przepływ pracy — połącz powyższe elementy w jeden przycisk jednym kliknięciem

Zalecane konfiguracje

Student (Budżet)

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

Badacz (Jakość)

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

Priorytet prywatności (tylko lokalnie)

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

Dwujęzyczny (ZH + EN)

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

---

Częste wzorce

Wzorzec: Przetwarzanie artykułu badawczego

1. Imporcie treści PDF (lub wklej)
2. Badania — uzyskaj kontekst internetowy na temat
3. Dodaj linki — zidentyfikuj i połącz kluczowe koncepcje
4. Wyciągnij koncepcje — utwórz oddzielne notatki
5. Stwórz diagram — zobrazuj strukturę artykułu

Wzorzec: Wzbogacanie codziennej notatki

1. Pisać codzienną notatkę
2. Dodaj linki — łączy dzisiejsze pomysły z istniejącymi koncepcjami
3. Notatki koncepcyjne automatycznie aktualizują się dzięki odnośnikom zwrotnym

Wzorzec: Przegląd literatury

1. Stworzyć folder z artykułami/notatkami
2. Dodaj linki masowo — przetworzyć cały folder
3. Usuń duplikaty koncepcji — oczyścić niemal identyczne notatki
4. Wygeneruj diagram — mapa myśli całej literatury

---

Notemd jest oprogramowaniem otwartym (MIT) i działa z Obsidian 0.15.0+ na wszystkich platformach. Zainstaluj teraz lub przeglądaj na GitHubie.