跳到主要内容

Obsidian AI知识管理指南

💡TL;DR

Notemd 能将基于 LLM 的阅读内容转化为持久的知识体系：wiki 链接可串联各种概念，概念笔记能构建可检索的知识图谱，研究功能可将网络资源导入您的知识库，翻译功能可打破语言障碍，图表功能能让结构一目了然，而工作流则只需点击一下即可将所有元素整合在一起。本指南涵盖了从原始笔记到结构化、可视化且支持多语言的知识库的完整流程。

为何选择人工智能知识管理？​

传统的笔记方式会生成扁平文件。即便使用了手动创建的维基链接，大多数笔记依然彼此孤立。Notemd 利用 LLMs 自动处理这些连接关系。

  • LLMs 会读取您的内容，并识别出关键信息——术语、方法、人物、理论
  • 在每个概念出现的地方都会自动插入链接，而不会被放在“另请参阅”中。
  • 概念说明会作为独立的可检索文件生成。
  • 研究功能通过网页来源的上下文来丰富笔记内容
  • 图表能让结构一目了然——基于相同内容的思维导图、流程图和数据图表

最终结果是一个知识图谱，它会随着你处理的每条笔记而不断扩展，而不仅仅在你记得添加链接时才会变化。

完整的处理流程​

每个步骤都是独立的。可以使用其中一个或全部。最具影响力的顺序为：添加链接 → 概念说明 → 图表。

1. 维基链接：明确建立关联​

维基链接是知识图谱的支柱。Notemd 使用 LLM 来：

  1. 读取您的笔记内容（长文档会拆分成多个部分）
  2. 识别核心概念——优先考虑具体的技术术语，而非通用名词
  3. 在每个出现的位置插入 [[wiki-links]]
  4. 抑制同义词，避免“ML”和“机器学习”生成独立的节点

何时使用​

  • 每条笔记字数需大于100字——较短的笔记难以涵盖完整概念
  • 研究论文、技术文档、会议记录——充满了领域特定的术语
  • 在内容稳定后 —— 请勿重复处理草稿

关键设置​

设置推荐为什么
addLinksProviderDeepSeek 或 GPT-4o-mini低成本却具备出色的准确度
同义词抑制开启防止节点重复
上下文窗口段落在精度与成本之间取得平衡

→ Wiki-Links 深入解析

2. 概念说明：可检索的知识节点​

维基链接可将各种概念在文本中相互关联，而概念笔记则能让每个概念独立被检索到。每个概念都有其专属的 .md 文件：

# Machine Learning

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

提取过程​

LLM 提示语的结构非常严谨：

  • 转换为单数形式
  • 优先使用多词概念而非单字（如“介电松弛”而非“松弛”）
  • 跳过参考文献/参考页部分
  • 以 CONCEPT: 行的形式输出，以便进行确定性解析

各个数据块中的概念会通过 Set<string> 进行去重处理。单个数据块出现的 LLM 错误不会导致整个操作中止。

反向链接​

启用后，每条概念笔记都会记录有哪些来源笔记提到了它。Obsidian 的内置反向链接面板也会显示这些反向连接。

去重​

Notemd的4步去重引擎能够检测到：

  1. 完全匹配 — 不区分大小写的文件名比较
  2. 复数形式 — “Models.md”与“Model.md”的区别
  3. 符号规范化 — “A-B.md”与“A B.md”的区别
  4. 单词包含检测——当存在“Machine Learning.md”时，会标记“ML.md”

关键设置​

设置推荐为什么
conceptNoteFolderconcepts/ 或 🧠 concepts/保持保险库井然有序
extractConceptsAddBacklink开启启用反向查找
extractConceptsMinimalTemplate关闭包含“链接自”字段的完整模板
任务级模型DeepSeek概念提取不需要昂贵的模型。
同义词抑制开启相同的设置同时影响链接和提取功能。

→ 概念说明深入解析

3. 研究：将网络引入其中​

Notemd 将网络搜索功能整合到您的笔记工作中：

  1. 查询构建 — 您的笔记标题或选择内容将作为搜索查询
  2. 网络搜索 — Tavily（推荐，需要 API 密钥）或 DuckDuckGo（免费，无需密钥）
  3. LLM 摘要功能 — 将搜索结果浓缩为相关的摘要
  4. 追加到笔记——在光标位置或作为新章节添加摘要

何时使用​

  • 在处理新主题之前——先获取网页上下文
  • 当概念说明需要补充内容时——先进行研究，然后再添加链接
  • 用于文献综述——批量处理一个笔记文件夹

关键设置​

设置推荐为什么
researchProviderGPT-4o还是Claude研究需要更高质量的摘要生成。
搜索服务Tavily更高的相关性，可配置的深度
maxResearchContentTokens4000深度与成本之间的平衡

→ 深入研究

4. 翻译：打破语言障碍​

Notemd 会使用您配置的 LLM 来翻译笔记——而非专门的翻译 API。这意味着：

  • 上下文感知翻译——LLM能够理解整份文档，而不仅仅是逐句翻译
  • 技术术语处理 — “梯度下降”应保持为“梯度下降”，而非“坡度向下”
  • 批量支持——可一次性翻译整个笔记文件夹中的所有内容
  • 按任务模型——使用 Gemini Flash 进行翻译（快速、廉价且支持多语言）

语言支持​

Notemd 本身支持 21 种 UI 语言。翻译目标语言可针对每个任务进行配置。常见的语言对包括：EN↔ZH、EN↔JA、EN↔KO、EN↔DE、EN↔FR、EN↔ES。

→ 翻译详解

5. 图表：让结构可视化​

Notemd的图表处理流程以规范优先：首先由LLM生成结构化的DiagramSpec JSON，随后通过适配器将其转换为目标格式。这种方式比让LLM直接处理原始的Mermaid语法能产生更可靠的输出。

意图检测​

Notemd 会根据内容推断出最佳的图表类型：

  • 带数字的表格 → 数据图表 (Vega-Lite)
  • 客户端/服务器术语 → 序列图 (Mermaid)
  • 实体/主键 → ER图 (Mermaid)
  • 步骤/流程图 → 流程图 (Mermaid)
  • 概念图关键词 → JSON Canvas (Obsidian 原生)
  • 默认 → 思维导图 (Mermaid)

渲染链​

主要目标 → 备用方案 → 备用方案 → HTML。如果 Mermaid 语法出错，它会向 LLM 发送错误信息后重试一次，否则就会退而使用最简的图表。

关键设置​

设置推荐为什么
enableExperimentalDiagramPipeline开启以规格优先，提升质量
experimentalDiagramCompatibilityModebest-fit每个意图的默认目标
summarizeToMermaidProviderGPT-4o还是Claude图表规范需要空间推理能力。
autoMermaidFixAfterGenerate开启自动捕获 LLM 语法错误
本地知识增强针对特定域启用通过保险库上下文提升准确性

→ 图表深度解析

6. 工作流：一键自动化​

工作流可将多个任务串联为一个侧边栏按钮。其 DSL 格式为：

task1 | task2 | task3

示例：addLinks | 提取概念 | generateDiagram` — 一键将笔记从原始文本转换为完全连接的可视化知识节点。

推荐的工作流程​

工作流链条用例
完整流程addLinks | extractConcepts | generateDiagram新笔记
先进行研究research | addLinks不熟悉的主题
多语言支持translate | addLinks多语言笔记
仅显示图表generateDiagram快速可视化

→ 工作流深度解析

7. LLM 提供商：从云端到本地的36种选择​

Notemd 支持 4 种传输类型下的 36 家提供商。关键组：

  • 国际云服务：OpenAI、Anthropic、Google、Mistral、xAI
  • 中国云：DeepSeek、Qwen、Doubao、Moonshot、GLM、百度、SiliconFlow
  • 网关：OpenRouter、GitHub Models、Hugging Face、Vercel
  • 本地：Ollama、LMStudio、OVMS — 无 API 键，数据不会离开您的机器

按任务模型策略​

最经济高效的配置方式是：用低成本模型处理简单任务，用高性能模型处理复杂任务。

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)

→ LLM 提供商概览

入门检查清单​

  1. 安装 Notemd — 社区插件（推荐）或手动安装
  2. 配置提供商 — DeepSeek（最简单），OpenAI，或 Ollama（免费）
  3. 处理您的第一条笔记 — 右键点击 → “处理文件（添加链接）”
  4. 设置概念文件夹 — 设置 → Notemd → 输出 → 概念文件夹
  5. 提取概念 — 对同一张便签运行“提取概念”操作
  6. 生成图表 — 运行“Generate diagram”以可视化这些连接关系
  7. 创建工作流——将上述步骤串联成一个一键按钮

推荐配置​

学生（预算）​

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

研究员（质量）​

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

隐私优先（仅本地）​

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

双语（中文 + 英文）​

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

常见模式​

模式：处理一篇研究论文​

  1. 导入 PDF 内容（或直接粘贴）
  2. 研究 — 获取该主题的网页相关内容
  3. 添加链接 — 识别并关联关键概念
  4. 提取概念 — 创建独立笔记
  5. 生成图表 — 可视化论文的结构

模式：每日笔记丰富功能​

  1. 撰写每日笔记
  2. 添加链接 — 将今日的想法与现有概念关联起来
  3. 概念说明会通过反向链接自动更新

模式：文献综述​

  1. 创建一个名为 papers/notes 的文件夹
  2. 批量添加链接 — 处理整个文件夹
  3. 去重概念 —— 清理近似重复的笔记
  4. 生成图表 — 整个文献的思维导图

Notemd 是开源项目（采用 MIT 许可证），可在所有平台上与 Obsidian 0.15.0+ 版本配合使用。立即安装 或 在 GitHub 上查看。

编辑此页
最后由 aliyun1121003339 于 更新