维基链接
Notemd会自动在您笔记中的关键概念后添加[[wiki-links]]。LLM会读取您的内容，识别上下文中的重要术语，并在每个出现的位置插入Obsidian风格的维基链接。它还可以选择性地创建带有反向链接的概念笔记文件。该工具支持同义词过滤、重命名或删除时的链接完整性保持，以及纯提取模式（不修改任何文件）。与仅能匹配现有笔记标题的Auto Link不同，Notemd利用人工智能来识别新概念并创建相应的笔记。这是Obsidian人工智能知识管理指南的一部分。
概览
wiki链接是Notemd的核心功能。它通过以下方式将纯文本转换为相互关联的知识图谱：
- 正在使用 LLM 分析您的笔记
- 识别核心概念（术语、人物、方法、理论）
- 在每个出现的位置插入
[[wiki-links]] - 创建概念说明（可选），并附上反向链接
它是如何工作的？
处理
示例
之前：
Machine learning models use neural networks to learn patterns from data.
The transformer architecture revolutionized natural language processing.
之后：
[[Machine learning]] models use [[neural networks]] to learn patterns from data.
The [[transformer architecture]] revolutionized [[natural language processing]].
使用方法
基础版：为当前笔记添加链接
- 打开一个笔记
- 在编辑器中右键点击 → “处理文件（添加链接）”
- 稍等几秒。
- 概念现已关联！
批量处理：同时处理多条笔记
- 在文件资源管理器中右键点击一个文件夹
- 选择**“Notemd: 处理文件夹（添加链接）”**
- 配置：
- 并发性（可同时处理的文件数量）
- 覆盖现有链接（是/否）
- 点击处理
选择性：链接特定文本
- 高亮需要处理的文本
- 右键点击 → “处理选择（添加链接）”
- 仅分析高亮显示的部分。
Notemd 与自动链接的对比
Obsidian 提供了两种自动创建维基链接的方法：
| 自动链接 | Notemd | |
|---|---|---|
| 链接来源 | 保险库中现有的笔记标题 | LLM-内容中识别出的概念 |
| 可以关联新概念 | 不行——标题必须已经存在。 | 是的——AI能够识别概念并生成笔记。 |
| 同义词处理 | 不行 | 是的——同义词抑制 |
| 概念说明文档的创建 | 不行 | 是的——通过反向链接和去重。 |
| 批量处理 | 否（单个文件） | 是（文件夹级） |
| 按任务模型路由 | 不行 | 是的 |
自动链接的功能是标题匹配：如果存在名为“机器学习”的笔记，它就会将其中出现的文本用 [[Machine Learning]] 括起来。如果该笔记不存在，则不会发生任何变化。
Notemd 是由人工智能驱动的：LLM 会读取您的内容，理解上下文，识别出应当建立关联的概念——即便目前还没有相关备注——进而同时创建链接和概念备注。
功能特性
同义词抑制
问题： “transformer”、“transformers”、“Transformer architecture”被视作3个不同的概念
解决方案： Notemd 能够检测出近乎重复的内容，并使用规范形式进行处理。
配置：
Settings → Advanced → Synonym Suppression
Threshold: 0.8 (0 = off, 1 = aggressive)
链接完整性
当您重命名概念说明时：
- 所有维基链接都会自动更新（Obsidian 核心功能）
- 反向链接保持完整。
删除概念说明时：
- 链接仍然存在，但显示为“未关联的提及”。
- 你可以从任意出现的位置重新创建。
纯提取模式
在不修改原文的情况下提取概念：
- 右键点击 → “提取概念（不建立链接）”
- 概念说明已创建
- 原始文件未被修改
使用场景：处理只读内容或最终稿。
概念说明文档生成
自动创建
当启用时（默认情况），Notemd 会创建：
---
tags: [concept, auto-generated]
created: 2026-06-13
source: [[Original Note Name]]
---
# Machine Learning
A branch of artificial intelligence that enables computers
to learn from data without explicit programming.
## Occurrences in Your Vault
- [[Original Note Name#Section]]
- [[Another Note#Header]]
## Related Concepts
- [[Neural Networks]]
- [[Deep Learning]]
- [[Supervised Learning]]
配置
输出文件夹：
Settings → Output → Concept Folder
Default: concepts/
层次结构：
Settings → Output → Use Hierarchical Folders
If enabled:
papers/my-paper.md → papers/concepts/Concept.md
If disabled:
→ concepts/Concept.md
模板：
Settings → Output → Concept Template
Customize with variables:
{{concept}} — Concept name
{{description}} — LLM-generated description
{{backlinks}} — List of source notes
{{date}} — Creation date
高级选项
上下文窗口
需要发送多少周围文本：
Settings → Linking → Context Window
Options: Sentence | Paragraph | Full Note
Default: Paragraph
尺寸越大，精度越高，但成本也越高。
最小出现次数
仅链接出现多次的概念：
Settings → Linking → Min Occurrences
Default: 1 (link all)
设置为2或3，以便聚焦于重复出现的主题。
排除模式
跳过某些单词：
Settings → Linking → Exclude List
Example: note, idea, example, thing
防止通用术语出现过度链接。
自定义提示词
覆盖默认的 LLM 指令：
Settings → Advanced → Custom Linking Prompt
Default:
"Identify key concepts, theories, methods, and technical
terms in the following text. Return as a list..."
根据特定领域需求进行修改（例如：“侧重医学术语”）。
技巧与最佳实践
✅ 已完成
- 处理字数超过100字的笔记——简短的笔记难以涵盖完整概念
- 使用强大的模型以实现更精准的概念识别（GPT-4o、Claude）
- 接受前请审阅 — 请确认建议的链接是合理的
- 逐步构建 — 处理5到10条笔记，查看图表，调整设置
❌ 不要
- 过链接 — 并非每个名词都需要链接
- 反复处理草稿——概念可能会发生变化，需等待其稳定下来。
- 忽略同义词 — 启用抑制功能，以避免出现“ML”与“机器学习”这样的表述
性能
速度
| 笔记大小 | GPT-4o-mini | Claude Sonnet | Ollama（本地） |
|---|---|---|---|
| 500字 | 2-3秒 | 3-5秒 | 5-10秒 |
| 2000字 | 5-8秒 | 10-15秒 | 20-40秒 |
| 5000多字 | 分块处理（多次调用） | 分块处理 | 分块处理 |
成本估算
示例：使用 GPT-4o-mini 撰写的1000字笔记
- 输入：约1500个标记
- 输出：约200个标记
- 成本：约0.001美元
批量处理100条笔记： 约0.10美元
故障排除
未添加任何链接。
检查：
- LLM 调用成功（设置 → 诊断）
- 该笔记的内容足够丰富（超过50个字）。
- 概念是技术性/具体的（而不仅仅是代词）
尝试：
- 使用更强大的模型
- 增加上下文窗口大小
- 检查 API 密钥的有效性
链接过多
解决方案：
- 将最小出现次数提高至（2或3）
- 将常用词添加到排除列表中
- 使用攻击性较低的模型
关联了错误的概念
修复内容：
- 使用自定义提示词以实现领域特定性
- 启用同义词抑制功能
- 手动审核并解除关联
重命名后链接失效
这是 Obsidian 的正常行为。
要更新所有链接：
- 重命名概念说明文档
- Obsidian 会自动将
[[old]]更新为[[new]]