跳到主要內容

Obsidian AI知識管理指南

💡TL;DR

Notemd 能將由 LLM 提供動力的閱讀內容轉化為持續性的知識：維基連結可串接各種概念，概念筆記能建立可搜尋的圖譜，研究功能可將網路上的資訊納入您的知識庫，翻譯功能可打破語言障礙，圖表則能讓結構一目了然，而工作流程則能讓所有功能僅透過一次點擊即可串聯起來。 本指南將完整介紹從原始筆記到具有連結性、視覺化且多語言的知識庫的整個流程。

為何選擇 AI 知識管理？​

傳統的筆記方式會產生純文本檔案。即便有手動建立的維基連結，大多數筆記仍保持分離狀態。Notemd 利用 LLM 來自動化處理這些連結層：

  • LLMs 會讀取您的內容，並辨別出重點——包括術語、方法、人物與理論。
  • 連結會自動插入在每個概念出現的位置，而非藏在「另請參見」中。
  • 概念說明文件會以獨立的可取得檔案形式產生
  • 研究透過網路取得的背景資料來豐富筆記
  • 圖表讓結構一目了然 — 由相同內容所產生的思維導圖、流程圖與資料圖表

結果就是：一個會隨著您處理的每條筆記而不斷擴充的知識圖譜，而非只有在您想起要添加連結時才會更新。

完整的處理流程​

每個步驟都是獨立的。可選擇使用其中一個或全部。最具影響力的順序為：添加連結 → 概念說明 → 圖表。

1. Wiki-連結：明確建立連接​

維基連結是知識圖譜的支柱。Notemd 使用 LLM 來：

  1. 讀取您的筆記內容（長文件會分割成多個區塊）
  2. 辨別核心概念——優先考慮具體的技術術語，而非一般名詞
  3. 在每個出現的位置插入 [[wiki-links]]
  4. 抑制同義詞，如此一來「ML」和「Machine Learning」就不會產生不同的節點

何時使用​

  • 每則筆記超過 100 個字 — 字數較少的筆記所含概念較少
  • 研究論文、技術文件、會議筆記 — 內含大量領域專有術語
  • 在內容穩定之後 — 請勿反複處理草稿

關鍵設定​

設定推薦為什麼
addLinksProviderDeepSeek 或 GPT-4o-mini低成本下仍具良好精確度
同義詞抑制開啟防止重複節點
上下文視窗段落精確度與成本的平衡

→ Wiki-Links 深入探討

2. 概念說明：可檢索的知識節點​

維基連結可將概念以內聯方式串接起來，但概念筆記則能讓每個概念被獨立查詢。每個概念都會有自己的 .md 檔案：

# Machine Learning

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

提取流程​

LLM 的提示語結構相當嚴謹：

  • 轉換為單數形式
  • 較偏好多字詞概念而非單字詞（例如使用「介電弛豫」而非「弛豫」）
  • 跳過參考文獻/參考資料章節
  • 以 CONCEPT: 行的形式輸出，以便進行確定性解析

概念會透過 Set<string> 在各個區塊之間去除重複。單個區塊出現的 LLM 錯誤不會中斷整個操作。

反向連結​

啟用後，每個概念筆記都會追蹤有哪些來源筆記提到了它。Obsidian 的原生反向連結面板也會顯示反向連線。

去重​

Notemd的4步去重引擎可偵測：

  1. 完全匹配 — 不區分大小寫的檔名比對
  2. 複數形式 — 「Models.md」與「Model.md」的差異
  3. 符號標準化 — 「A-B.md」與「A B.md」的差異
  4. 單字包含 — 當存在「Machine Learning.md」時，「ML.md」會被標記

關鍵設定​

設定推薦為什麼
conceptNoteFolderconcepts/ 或 🧠 concepts/保持金庫井然有序
extractConceptsAddBacklink開啟啟用反向查詢
extractConceptsMinimalTemplate關閉包含「Linked From」的完整模板
每任務模型DeepSeek概念抽取不需要昂貴的模型。
同義詞抑制開啟相同的設定會同時影響連結與提取。

→ 概念說明深入解析

3. 研究：將網路引入​

Notemd 將網路搜尋整合到您的筆記工作流程中：

  1. 查詢建構 — 您的筆記標題或選取內容會成為搜尋查詢
  2. 網路搜尋 — Tavily（推薦，需 API 金鑰）或 DuckDuckGo（免費，無需金鑰）
  3. LLM 摘要功能 — 將搜尋結果簡化為相關的摘要
  4. 新增到筆記 — 在游標位置或作為新章節加入摘要

何時使用​

  • 在處理新主題之前——先取得網路上下文
  • 當概念說明需要補充內容時——進行研究後再添加連結
  • 用於文獻回顧——對資料夾中的筆記進行批次研究

關鍵設定​

設定推薦為什麼
researchProviderGPT-4o 或 Claude研究需要更高品質的摘要生成
搜尋服務Tavily更高的相關性，可設定的深度
maxResearchContentTokens4000深度與成本之間的平衡

→ 深入研究

4. 翻譯：打破語言障礙​

Notemd 會使用您所設定的 LLM 來翻譯筆記——而非專用的翻譯 API。這意味著：

  • 情境感知式翻譯 — LLM 能理解整份文件，而非僅逐句翻譯
  • 技術術語處理 — "gradient descent" 仍保持為「梯度下降」，而非「坡度向下」
  • 批次支援 — 一次操作即可翻譯整個筆記資料夾
  • 每任務模型 — 使用 Gemini Flash 進行翻譯（快速、便宜且支援多語言）

語言支援​

Notemd 本身支援 21 種 UI 語言。翻譯目標語言可依任務進行設定。常見的語言組合包括：EN↔ZH、EN↔JA、EN↔KO、EN↔DE、EN↔FR、EN↔ES。

→ 翻譯深入解析

5. 圖表：讓結構顯現出來​

Notemd的圖表處理流程是以規格為優先： LLM會產生結構化的 DiagramSpec JSON，接著轉換器會將其轉換為目標格式。這種方式比要求 LLM直接處理原始的 Mermaid 語法，能產出更可靠的輸出結果。

意圖偵測​

Notemd 會根據內容判斷最適合的圖表類型：

  • 帶有數字的表格 → 數據圖表 (Vega-Lite)
  • 用戶端/伺服器術語 → 序列圖 (Mermaid)
  • 實體/主鍵 → ER圖表 (Mermaid)
  • 步驟/流程圖 → 流程圖 (Mermaid)
  • 概念圖關鍵字 → JSON Canvas (Obsidian 本機)
  • 預設 → 思維導圖 (Mermaid)

渲染鏈路​

主要目標 → 替代方案 → 替代方案 → HTML。如果 Mermaid 的語法出錯，它會帶著錯誤內容向 LLM 重試一次，否則就退而使用最簡化的圖表。

關鍵設定​

設定推薦為什麼
enableExperimentalDiagramPipeline開啟以規格為先，提升品質
experimentalDiagramCompatibilityModebest-fit每個意圖的本機目標
summarizeToMermaidProviderGPT-4o 或 Claude圖表規格需要空間推理能力
autoMermaidFixAfterGenerate開啟自動偵測 LLM 語法錯誤
本地知識增強針對特定領域啟用透過金庫上下文提升精確度

→ 圖表深入解析

6. 工作流程：一鍵自動化​

工作流程可將多個任務串聯成一個側邊欄按鈕。其 DSL 格式為：

task1 | task2 | task3

範例：addLinks | 提取概念 | generateDiagram` — 一鍵將筆記從原始文字轉換為完全連接的視覺化知識節點。

推薦的工作流程​

工作流程鏈條使用案例
完整流程addLinks | extractConcepts | generateDiagram新筆記
先進行研究research | addLinks不熟悉的話題
多語言支援translate | addLinks多語言筆記
僅圖表generateDiagram快速視覺化

→ 工作流程深入探討

7. LLM 提供商：從雲端到本地的 36 種選項​

Notemd 支持 4 種傳輸類型下的 36 家供應商。關鍵群組：

  • 國際雲端：OpenAI、Anthropic、Google、Mistral、xAI
  • 中國雲端：DeepSeek、Qwen、Doubao、Moonshot、GLM、百度、SiliconFlow
  • 網關：OpenRouter、GitHub Models、Hugging Face、Vercel
  • 本地：Ollama、LMStudio、OVMS — 沒有 API 金鑰，資料不會離開您的電腦

每任務模型策略​

最具成本效益的設定方式是，對於簡單任務使用便宜的模型，對於複雜任務則使用強大的模型：

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 提供商概覽

入門檢查清單​

  1. 安裝 Notemd — Community Plugins（建議使用）或手動安裝
  2. 設定供應商 — DeepSeek（最簡單）、OpenAI，或 Ollama（免費）
  3. 處理您的第一張筆記 — 右鍵點擊 → 「處理檔案（新增連結）」
  4. 設定概念資料夾 — 設定 → Notemd → 输出 → 概念資料夾
  5. 提取概念 — 在同一張筆記上執行「提取概念」指令
  6. 產生圖表 — 執行「Generate diagram」以視覺化這些連線
  7. 建立工作流程 — 將上述步驟串聯成一個按一下即可執行的按鈕

推薦的設定​

學生（預算）​

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

研究員（品質）​

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

以隱私為首（僅限本地）​

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

雙語（ZH + EN）​

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

常見模式​

模式：處理一篇研究論文​

  1. 匯入 PDF 內容（或貼上）
  2. 研究 — 取得該主題的網路相關資料
  3. 新增連結 — 檢出並連結關鍵概念
  4. 提取概念 — 建立獨立筆記
  5. 產生圖表 — 可視化論文的結構

模式：每日筆記豐富化​

  1. 寫每日筆記
  2. 新增連結 — 將今日的構想與現有的概念相連結
  3. 概念說明會隨著反向連結自動更新

模式：文獻綜述​

  1. 建立名為 papers/notes 的資料夾
  2. 批次新增連結 — 處理整個資料夾
  3. 去除重複概念 — 清理幾乎重複的筆記
  4. 產生圖表 — 整個文獻的思維導圖

Notemd 是開源軟體（MIT 授權），且可在所有平台上與 Obsidian 0.15.0+ 一起使用。立即安裝 或 在 GitHub 上查看。

編輯此頁
最後由 aliyun1121003339 於 更新