跳到主要内容

Notemd简介

💡TL;DR

Notemd（Note + EMD — 增强型 Markdown 文档）是一款开源的 Obsidian 插件，可将基于 LLM 的阅读内容转化为持久化的知识。与会话结束后见解即消失的聊天式 AI 不同，Notemd 会将结果以维基链接、概念笔记、研究摘要、翻译内容、工作流程及图表等形式直接保存到您的知识库中。它专为那些希望将阅读、研究及可视化解释整合为结构化、不断发展的知识图谱的研究人员、学生和知识工作者设计。

什么是 Notemd？​

Notemd 将 30 多种大型语言模型（OpenAI、Anthropic、Google、DeepSeek、Qwen、Ollama 等）集成到您的 Obsidian 工作流中，从而实现知识提取、整理、翻译、研究以及图表生成的自动化处理。

关键区别：临时知识与持久知识​

方面基于聊天的人工智能（ChatGPT等）Notemd
结果存储位置聊天记录（会消失）您的 Obsidian 保险库（已持久化）
格式纯文本答案结构化文件：[[wiki-links]]、概念说明、图表
长期价值每次都必须重新询问。累积成知识图谱
离线访问需要网络连接可完全离线使用 Ollama

核心功能​

1. 自动维基链接生成​

  • LLM 用于标记笔记中的关键概念
  • 在每个出现的位置插入 [[wiki-links]]
  • 可选地创建关联的概念笔记
  • 通过同义词抑制来避免重复内容

2. 概念说明文档生成​

  • 从论文、文章和笔记中提取核心概念
  • 生成带有反向链接的专用概念文件
  • 可自定义的输出路径和模板

3. 网络调研集成​

  • 在 Obsidian 中查询 Tavily 或 DuckDuckGo
  • LLM 会附上引用来源汇总结果
  • 将研究结果追加到当前笔记中

4. 多语言翻译​

  • 翻译选中内容或整个笔记
  • 支持21种以上的UI语言
  • 独立的输出语言配置
  • 批量翻译支持

5. 图表生成​

  • Mermaid：流程图、时序图、类图、状态图、ER图、甘特图
  • JSON Canvas：Obsidian 原生布局
  • Vega-Lite：数据图表、时间序列图、散点图
  • HTML / 可编辑的 HTML/SVG：带有语义标注的独立图表资源
  • Draw.io / Drawnix 构件边界：来自同一语义模型、面向维护者的导出路径
  • 电路图路线图：circuitikz/TikZJax 的功能设计以黄金参考标准、受限提示、渲染反馈以及拓扑结构/布局验证为核心，而非直接使用无限制的 LLM TikZ。
  • 预览诊断：渲染瑕疵可能会显示出编译/渲染过程中的错误信息，而且无需插件端的 LaTeX 运行时即可查看非内联代码源。
  • 针对 Mermaid 错误的语法自动修复

6. 一键工作流​

  • 将多个操作串联为侧边栏按钮
  • 基于 DSL 的工作流定义
  • 示例：add-links > extract-concepts > research > diagram

谁应该使用 Notemd？​

✅ 正在阅读论文并撰写文献综述的研究人员 ✅ 学生整理学习笔记并创建概念图 ✅ 希望让阅读心得持久保存的知识型工作者 ✅ 需要翻译服务及维基链接搭建的双语专业人员 ✅ 希望获得本地 LLM 支持且注重隐私的用户 (Ollama) ✅ 高级用户：可自定义提示词和工作流程

为什么是 Notemd 加上 Obsidian？​

Obsidian 是一个以本地优先、基于 Markdown 的知识库。Notemd 则为其增添了人工智能功能：

  • 您的数据将保存在您的私密存储空间中（而非云服务）。
  • 可使用本地模型离线运行
  • 免费且开源（MIT许可证）
  • 与现有的 Obsidian 插件集成
  • 可扩展至数万条音符

入门指南​

  1. 安装：设置 → 社区插件 → 浏览 → "Notemd"
  2. 配置：添加您的 LLM 提供商 API 密钥（或使用本地 Ollama）
  3. 试试看：打开一个笔记 → 右键点击 → “处理文件（添加链接）”
  4. 探索：在侧边栏查看一键式工作流

👉 安装指南 | 快速入门教程

图表功能方向​

Notemd的图表生成方式正在从“让模型直接输出一个语法字符串”转向分层处理流程：

当前的实现已经支持 Mermaid、JSON Canvas、Vega-Lite、HTML 的回退机制，可编辑的 HTML/SVG，Draw.io XML 类型的工件，最基础的 Drawnix JSON 子集，预览诊断/仅源代码模式下的回退功能，以及针对常见源代码和 CMOS 反相器黄金模板的离线 CircuitSpec -> circuitikz 原型功能。电路图则更为复杂：虽然 circuitikz 能够准确表达电气拓扑结构，但未经约束的 LLM 输出往往会产生难以辨认的布线结果或无法渲染的 LaTeX 代码。未来的发展方向是通过对黄金参考模板、节点网格布局规则、渲染诊断功能以及截图反馈循环进行约束，来继续规范 circuitikz 的使用。

请查看Diagrams中的详细内容。

架构​

Notemd 与其他 Obsidian AI 插件对比​

大多数 Obsidian AI 插件都是以对话为主（你提问，AI 回答，洞察内容留在聊天记录中）。而 Notemd 则是以写作为主：AI 会处理你的笔记，并将结构化的结果直接写入你的存储库中。

功能特性NotemdCopilotSmart ConnectionsText Generator
自动插入维基链接是的不行不行不行
概念说明文档生成是（包含反向链接和去重）不行不行不行
图表生成是的（Mermaid、Canvas、Vega-Lite、HTML、可编辑的工件）不行不行不行
网页搜索集成是的（Tavily + DuckDuckGo）不行不行不行
批量文件夹处理是的数量有限不行数量有限
按任务模型路由是（7个任务，独立模型）不行不行不行
一键工作流链是（DSL）不行不行不行
翻译（批量）是的不行不行不行
与 Vault 聊天不行是的不行不行
语义相似度搜索不行不行是的不行
基于模板的生成不行不行不行是的
LLM 提供商36（云端 + 网关 + 本地）3-52-33-5
完全离线是的（Ollama）部分部分部分

何时选择 Notemd：当您希望人工智能构建一个持久的知识图谱——而不仅仅是针对您的笔记进行对话时。

何时选择 Copilot：如果您希望在 Obsidian 中拥有一个对话式人工智能助手。

何时选择 Smart Connections：当您希望通过语义搜索来发现笔记之间的现有关联时。

哲学​

Notemd认为人工智能应当辅助人类的知识工作，而非取代它。该插件：

  • 让您始终掌控全局（在应用更改前进行审核）
  • 保留上下文（所有结果均指向来源）
  • 保护隐私（支持本地 LLM，无远程数据收集）
  • 具有可扩展性（开放 API 接口，支持自定义工作流）

开源​

下一步：安装 →

编辑此页
最后由 aliyun1121003339 于 更新