新版速览:v1.27.0 —— 任意文档都可丢进 vault,用工作账号登录
PDF、图片、Office 文档现在和 Markdown 笔记一起接入 Wiki。AWS Bedrock 支持 SSO。默认不再自动生成空 stub 页。你现有的 Wiki 不会变 —— 点一下 Update 就完事。
选一篇笔记/PDF,通过 Karpathy LLM Wiki 变为结构化的知识库。
任其散落,还是日渐丰盈?
收藏一篇文章。忘了在哪。回头搜索。一无所获。
从 vault 里挑一条笔记。要点提炼了,页面生成了,摘要备好了
手动链接笔记。改了其中一条,另一条还停在旧信息。链接断了。
链接始终鲜活。新信息与旧笔记矛盾时,相关页面自动更新。
记了一年,还是一堆文件。每个项目从零开始。反复阅读,原地打转。
一年积累成一部 Wiki。每个新问题,都能调用你积累的全部知识找到答案。知识在生长。
一条笔记,万千连接。
不是功能清单。是你与知识相处方式的改变。
挑一条笔记。插件读、提炼、生成。无需文件夹,无需标签,无需动手。
像和朋友说话一样提问。它会思考,再自然地回答你。
新文件?自动收录。有矛盾?自动发现。按你的节奏来。
别名、重复、死链、孤页、空页,一次跑完。
深入架构、工作流与模型选型
PDF、图片、Office 文档现在和 Markdown 笔记一起接入 Wiki。AWS Bedrock 支持 SSO。默认不再自动生成空 stub 页。你现有的 Wiki 不会变 —— 点一下 Update 就完事。
和 Obsidian 里跑的完全同一套摄入引擎,现在可以在终端里调用。在服务器、脚本里,或一台从没打开过 Obsidian 的机器上运行。
Qwen3.5、Qwen3.6、Gemma 4、oMLX——哪个模型在你的硬件上跑得好,要付出什么代价。一份走向完全离线、又不牺牲可用性的实操指南。
只需 Obsidian,别无他求。
设置 → Karpathy LLM Wiki。选你的 LLM,填密钥,测试,保存。
Cmd+P(Windows Ctrl+P)。输 Ingest 添加单条笔记,或 Multi-File Ingest 一次选多条。输 Query 提问。
开始前值得知道的一切。
手动 [[链接]] 只能记录你已经看到的关联。插件会读所有笔记,找出你没注意到的连接,自动生成 wiki 页面——跨越月份、文件夹、埋在引用里的想法。
不会。插件只写在它自己的 wiki/ 文件夹里。标为已审阅的页面 AI 永不重写,只追加。每条答案都链回你的笔记。
桌面端 Obsidian 最新稳定版,以及一个 LLM 提供商 API 密钥。推荐长上下文模型。单次摄入成本通常 $0.05–$0.50——插件本身免费且开源。本地模型(Ollama / LM Studio)无需密钥。
可以。用 Ollama 或 LM Studio,每个字节都留在你机器上。用云端模型时,数据只在触发的那次摄入或查询时传出——无遥测、无后端、无存储。
PDF 是一级来源——从 vault 选一个,接入和笔记同一张 Wiki 图。你也可以为摄入、检查、查询分别指定不同模型。
在 GitHub 开 issue,或开讨论。也可以在 Obsidian 社区插件页面留评价。
读源码。逐字验证。
网站和插件的每一行代码都在 GitHub 上。fork、审阅、自用。
插件只往自己的 wiki/ 目录写入页面。你的笔记不会被读取、修改或替换。
无追踪、无分析、无服务器。插件本身不会主动发起任何对外请求。
API 密钥只存在系统钥匙串里——从不以明文写入任何笔记或配置文件。
不是孤岛。让你喜爱的每个工具,更加出色。
看见链接
Wiki 赋予图谱意义。核心页面、知识聚类、孤立笔记。从装饰变成探索。
收藏文章
把剪藏放在 vault 任意位置,再 Cmd+P → Ingest from folder。AI 提炼、链接、更新。一次收藏,生成 10+ Wiki 页面。
查询数据
AI 添加结构——标签、日期、分类。空表格化作动态仪表盘。
版本记录
见证知识如何演变。每次提交都在讲述你成长的轨迹。
制作幻灯片
一句请求:"为 10 分钟演讲总结我的研究。" Wiki 根据你的知识直接生成幻灯片。
可视化画布
AI 从知识图谱构建概念图、时间线、决策树。不再面对空白画布。
十二种接法——云端、本地,或你自己的 endpoint。随时切换。
长上下文模型一次读完整部 Wiki——掌握全貌,而不是拼凑零散片段。本地模型完全在本机运行——无需上传,无需 API 密钥。