あなたのノートが、
生きたWikiになる。
Obsidianで書く。すべてのノートが、成長し続けるネットワークへ。
読んだものは、すべて活きる。
忘れるか、育てるか。
記事を保存。場所を忘れる。あとで検索。何も出ない。
sources/にドロップ。アイデアが見つかり、ページが作られ、要約も準備完了。数秒で。
手動でリンク。片方を変更。もう片方は古いまま。リンクは死ぬ。
リンクは生き続ける。新しい情報が古い情報と矛盾しても、すべての関連ページが最新に保たれる。
一年分のノート。ただのファイル。プロジェクトは毎回ゼロから。同じ読書。同じ結論。
一年分がWikiに。新しい質問は、すべての蓄積から。知識が育っていく。
ノートからWikiへ
ひとつのノートから、無限のつながりへ。
あなたのために変わる
機能ではない。読んだものすべてとの、新しい関係。
自動で進む
sources/に置くだけ。AIが読み、抽出し、構築。フォルダもタグも不要。作業も不要。
話しかけるだけ
友達に聞くように。AIの思考を見てから、ソースを添えて信頼できる答えを返す。
生きたリンク
すべてのページがObsidianグラフに参加。Graph Viewを開けば — 知識の成長が見える。
常に最新
新しいファイル？自動取込。矛盾？発見。整合性？確認。すべてあなたの設定で。
数分で準備完了
ObsidianだけあればOK。
設定
設定 → Karpathy LLM Wiki。LLMを選び、キーを入力、テスト、保存。
使う
Cmd+P（またはCtrl+P）。Ingestと入力してソースを追加。Queryと入力して質問。
よくあるご質問、回答済み
使いはじめる前に、知っておくべきこと。
このプラグインの目的は？
ノートを Obsidian に置くだけで、AI が人物・概念・理論を抽出し、相互リンクされた Wiki ページを自動生成します。「X について何か書いた？」と質問すれば、インターネットではなく自分のノートから回答を得られます。
最低要件は？
Obsidian v1.11.0+（デスクトップ：Windows、macOS、Linux）と LLM プロバイダーの API キーが必要です。対応：DeepSeek、Gemini、Claude、GPT、Kimi、GLM、MiniMax、OpenRouter、または任意のカスタムエンドポイント。Ollama・LM Studio のローカルモデルは API キー不要。
どのモデルを選ぶべき？費用は？
長コンテキストモデル推奨 — Wiki 全体を1回で処理できます。1回の取り込みは約 $0.05–$0.50。費用はすべて LLM プロバイダーに。プラグイン自体は 無料のオープンソース。
完全オフラインで動かせる？
はい。Ollama または LM Studio をインストールし、モデルをプルしてプロバイダーとして選択 — API キー不要、ノートは本機から一切出ません。大規模な取り込みはクラウド（コンテキストが大きい）、日常のクエリはローカルモデルがおすすめ。
ヘルプやバグ報告は？
バグ報告は GitHub Issues、質問は GitHub Discussions へ。Obsidian Community Plugin ページでも見つけられます。
すべてのプラグインが、より強く
孤立しない。好きなツールが、もっと便利に。
Graph View
リンクを表示
Wikiがグラフに意味を。ハブページ、クラスター、孤立ページ。装飾ではなく、探索。
Web Clipper
記事を保存
sources/にドロップ。AIが抽出、リンク、更新。ひとつのクリップが10以上のWikiページに。
Dataview
データをクエリ
AIが構造を追加。タグ、日付、カテゴリ。空のテーブルが生きたダッシュボードに。
Git
バージョン管理
知識の進化を見守る。各コミットが成長の物語を語る。
Marp
スライド作成
「私の研究を10分のトークに要約して」と質問。Wikiが知識からスライドを構築。
Canvas
ビジュアルキャンバス
AIが概念図、タイムライン、決定木を構築。空白のキャンバスはもうない。
あなたのモデル。あなたのルール。
12のプロバイダー、クラウドもローカルも。いつでも切り替え——どこにも縛られない。
いつでも切り替え
12のプロバイダーがドロップダウンひとつで選べる。合わなければ次へ——Wikiは何も気づかない。
プライバシー第一
バックエンドなし。追跡なし。保存なし。ノートはあなたの選んだAIだけに届く——ローカルモデルなら完全に本機内で完結。
コストはほぼゼロ
プラグインは無料。フルインジェスト 1 回でも、LLM プロバイダーへの支払いはわずか $0.05–$0.50。コスト重視のモデルを選べば、費用はほとんど気にならない。
クラウドでもローカルでも——信頼できるものを。
ロングコンテキストモデルならWiki全体を一度で読み切る——断片ではなく全体像を把握。