Obsidian Guide till AI-kunskapshantering
Notemd omvandlar LLM-driven läsning till permanent kunskap: wiki-länkar kopplar samman koncept, konceptanteckningar skapar en hämtbar graf, forskning tar in webben i din förvaring, översättning bryter språkbarriärer, diagram gör strukturen synlig, och arbetsflöden sammanfogar allt med en klick. Denna guide täcker hela processkedjan – från råa anteckningar till en sammanlänkad, visuell, flerspråkig kunskapsbas.
Varför AI-kunskapshantering?
Traditionell anteckningsfattning ger platta filer. Även med manuella wiki-länkar förblir de flesta anteckningar oanslutna. Notemd använder LLM för att automatisera anslutningslagret:
- LLM läser din innehåll och identifierar vad som är viktigt – termer, metoder, personer, teorier
- Länkar införs automatiskt vid varje konceptuppträdande, inte gömda i “se även”
- Konceptanteckningar genereras som självständiga, hämtbara filer
- Forskning berikar anteckningarna med webbbasad kontext
- Diagram gör strukturen synlig – tankkartor, flödesscheman, datagram från samma innehåll
Resultatet: en kunskapsgraf som växer med varje anteckning du bearbetar, inte bara när du minns att lägga till länkar.
Hela processkedjan
Varje steg är oberoende. Använd ett eller alla. Den mest effektiva sekvensen: Lägg till länkar → Konceptanteckningar → Diagram.
1. Wiki-länkar: Att göra kopplingar explicita
Wiki-länkar är ryggraden i en kunskapsgraf. Notemd använder en LLM för att:
- Läs innehållet i din anteckning (delas upp i delar för långa dokument)
- Identifiera kärnkoncept – ge prioritet till specifika, tekniska termer framför generiska substantiv
- Infoga
[[wiki-links]]vid varje förekomst - Skrämma in synonym så att "ML" och "Machine Learning" inte skapar separata noder
När att använda
- Varje anteckning >100 ord – kortare anteckningar ger få koncept
- Forskningsartiklar, tekniska dokument, mötesanteckningar – rika på domänspecifika termer
- Efter att innehållet är stabilt – bearbeta inte upprepade utkast
Viktiga inställningar
| Inställning | Rekommenderat | Anledning |
|---|---|---|
addLinksProvider | DeepSeek eller GPT-4o-mini | God noggrannhet till låg kostnad |
| Synonymskrämmning | Aktiv | Förhindrar dubbledda noder |
| Context window | Paragraf | Balans mellan noggrannhet och kostnad |
2. Konceptnoter: Återvinnabara kunskapsnodlar
Wiki-länkar kopplar idéer inlänt, men konceptnoter gör att varje idé kan återvinnas oberoende. Varje koncept får sin egen .md-fil:
# Machine Learning
## Linked From
- [[My Research Notes]]
- [[Neural Networks Explained]]
Extraktionsprocessen
Prompten för LLM är mycket strukturerad:
- Normalisera till singularform
- Föredra flerordiga koncept framför enstaka ord (“Dielectric Relaxation” inte “Relaxation”)
- Hoppa över referens- och bibliografisektioner
- Exportera som
CONCEPT:-rader för deterministisk parsing
Koncept dedupliceras mellan delar med hjälp av Set<string>. LLM-fel i enskilda delar avbryter inte operationen.
Backlänkar
När det aktiveras spårar varje konceptnot vilka källanoter som nämner den. Obsidian:s inbyggda backlänkpanel visar också omvända kopplingar.
Deduplikering
Notemd:s 4-stegs dedupleringsmotor fångar upp:
- Exakt match — jämförelse av filnamn oberoende av stavning
- Mångform — "Models.md" kontra "Model.md"
- Symbolnormalisering — "A-B.md" kontra "A B.md"
- Enordig innehåll — "ML.md" markeras när "Machine Learning.md" finns
Nyckelinställningar
| Inställning | Rekommenderat | Anledning |
|---|---|---|
conceptNoteFolder | concepts/ eller 🧠 concepts/ | Håller säkringsarkivet organiserat |
extractConceptsAddBacklink | Aktivt | Möjliggör omvänd sökning |
extractConceptsMinimalTemplate | Inaktivt | Komplettt mall med Linked From |
| Modell per uppgift | DeepSeek | Konceptextraktion behöver inte dyra modeller |
| Synonymsuppression | Aktivt | Samma inställning påverkar både länkning och extraktion |
3. Forskning: Att integrera webben
Notemd integrerar webbsökning i din anteckningsarbetsflöde:
- Frågekonstruktion — ditt anteckningstitel eller utvald del blir en sökfråga
- Webbsökning — Tavily (rekommenderat, krävs API-nyckel) eller DuckDuckGo (gratis, inga nycklar)
- LLM sammanfattning — sökresultaten sammanfattas till en relevant sammanfattning
- Lägg till i anteckning — sammanfattningen läggs till vid markörspositionen eller som en ny sektion
När att använda
- För innan du bearbetar ett nytt ämne — få först webbkontext
- När en konceptanteckning behöver berikning — forska sedan och lägg till länkar
- För litteraturöversikter — forska i batch på en mapp med anteckningar
Viktiga inställningar
| Inställning | Rekommenderat | Anledning |
|---|---|---|
researchProvider | GPT-4o eller Claude | Forskning kräver högre kvalitet på sammanfattning |
| Sökservice | Tavily | Bättre relevans, konfigurerbar djup |
maxResearchContentTokens | 4000 | Balans mellan djup och kostnad |
4. Översättning: Att bryta språkbarriärer
Notemd översätter anteckningar med den konfigurerade LLM-en din – inte en dedikerad översättnings API-en. Det innebär att.
- Kontextmedvetna översättningar – LLM förstår hela dokumentet, inte bara mening för mening
- Hantering av tekniska termer – "gradient descent" förblir "梯度下降" och inte "坡度向下"
- Batch-stöd – översätt en hel mapp med anteckningar i en enda operation
- Modell per uppgift – använd Gemini Flash för översättning (snabb, billig, flerspråkig)
Språkstöd
Notemd stöder självt 21 UI-språk. Översättningsmålsspråket kan konfigureras per uppgift. Vanliga par: EN↔ZH, EN↔JA, EN↔KO, EN↔DE, EN↔FR, EN↔ES.
5. Diagram: Att göra strukturen synlig
Notemd-s diagrampipeläine är specifikationsfokuserad: LLM skapar en strukturierad DiagramSpec JSON, och sedan översättningsadapter översätter den till målformatet. Det ger mer tillförlitlig utdata än att be LLM om rå Mermaid-syntax.
Avsiktsdetektering
Notemd infär den bästa diagramtypen från innehållet:
- Tabeller med siffror → datachart (Vega-Lite)
- Klient/server-vokabulär → sekvensdiagram (Mermaid)
- Entitet/huvudnyckel → ER-diagram (Mermaid)
- Steg/processflöde → flödesschema (Mermaid)
- Konceptkartas nyckelord → JSON Canvas (Obsidian native)
- Standard → tankkartan (Mermaid)
Rendering Chain
Huvudmål → fallback → fallback → HTML. Om Mermaid-syntaxen misslyckas försöker systemet en gång till med felkontext till LLM, och faller sedan tillbaka till ett minimalt diagram.
Nyckelinställningar
| Inställning | Rekommenderat | Anledning |
|---|---|---|
enableExperimentalDiagramPipeline | Aktivt | Bättre kvalitet genom specifikation först |
experimentalDiagramCompatibilityMode | best-fit | Native-mål per avsikt |
summarizeToMermaidProvider | GPT-4o eller Claude | Diagramspecifikationer kräver rumslig resonemang |
autoMermaidFixAfterGenerate | Aktivt | Fångar LLM-syntaxfel automatiskt |
| Lokal kunskapsförstärkning | Aktiverat för domänspecifikt användning | Förbättrar noggrannheten med vault-kontext |
6. Arbetsscheman: En-klicksautomatisering
Arbetsscheman kopplar samman flera uppgifter i en enda sidofältsknapp. DSL-formatet är:
task1 | task2 | task3
Exempel: addLinks | extractConcepts | generateDiagram — bearbeta en anteckning från råtext till en fullt kopplad, visuell kunskapsnod med en enda klick.
Rekommenderade arbetsscheman
| Arbetsflöde | Kedja | Användningsfall |
|---|---|---|
| Fullständig process | addLinks | extractConcepts | generateDiagram | Nya anteckningar |
| Forskning först | research | addLinks | Okända ämnen |
| Polyglot | translate | addLinks | Flerspråkiga anteckningar |
| Endast diagram | generateDiagram | Snabb visualisering |
7. LLM leverantörer: 36 alternativ från moln till lokalt
Notemd stöder 36 leverantörer över 4 transporttyper. Nyckelgrupper:
- Internationellt moln: OpenAI, Anthropic, Google, Mistral, xAI
- Kinesiskt moln: DeepSeek, Qwen, Doubao, Moonshot, GLM, Baidu, SiliconFlow
- Gångvägar: OpenRouter, GitHub Models, Hugging Face, Vercel
- Lokalt: Ollama, LMStudio, OVMS — inget API-nyckel, inga data lämnar din dator
Strategi för modellhantering per uppgift
Den mest kostnadseffektiva konfigurationen använder billiga modeller för enkla uppgifter och kraftfulla modeller för komplexa uppgifter:
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)
Kontrolllista för att börja
- Installera Notemd — Community Plugins (rekommenderat) eller manuellt
- Konfigurera en leverantör — DeepSeek (enklast), OpenAI, eller Ollama (gratis)
- Bearbeta din första notis — högerklick → "Processa fil (lägg till länkar")
- Ställ in konceptmapp — Inställningar → Notemd → Utdata → Konceptmapp
- Extrahera koncept — kör "Extrahera koncept" på samma anteckning
- Generera en diagram — kör "Generera diagram" för att visualisera kopplingarna
- Skapa en arbetsflöde — koppla ihop ovanstående till en en-klick-knapp
Rekommenderade konfigurationer
Student (Budget)
Provider: DeepSeek (free tier available)
Concept extraction: DeepSeek
Research: DuckDuckGo (free) + DeepSeek
Diagrams: Off (or legacy Mermaid)
Workflows: addLinks | extractConcepts
Forskare (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
Privatskapsfokuserad (Endast lokalt)
Provider: Ollama (llama3 or qwen2.5:7b)
All tasks: Ollama
Research: DuckDuckGo (free, no API key)
Diagrams: legacy Mermaid mode
Tvåspråkig (ZH + EN)
Primary: DeepSeek (Chinese queries)
Translation: Google Gemini Flash
Research: Tavily + DeepSeek (Chinese search context)
Language output: per-task (extractConceptsLanguage: zh-CN)
Vanliga mönster
Mönster: Bearbeta en forskningsartikel
- Importera PDF-innehåll (eller klistra in)
- Forskning — hämta webbkontext om ämnet
- Lägg till länkar — identifiera och länka till nyckelkoncept
- Extrahera koncept — skapa självständiga anteckningar
- Generera diagram — visualisera artikelnas struktur
Mönster: Dagliga anteckningars berikning
- Skriv daglig anteckning
- Lägg till länkar — kopplar idagens idéer till befintliga koncept
- Konceptanteckningar uppdateras automatiskt med baklänkar
Mönster: Literaturöversikt
- Skapa mapp med artiklar/anteckningar
- Lägg till länkar i batch — bearbeta hela mappen
- Avdupliera koncept — rensa nära-duplika anteckningar
- Generera diagram — tankkartan över hela litteraturen
Notemd är öppen källkod (MIT) och fungerar med Obsidian 0.15.0+ på alla plattformar. Installera nu eller se på GitHub.