为什么要给Obsidian装上“大脑”？
作为一名技术人，我们每天都要处理海量的信息。以前我只是把 Obsidian 当作一个支持双链的 Markdown 编辑器，虽然比 Notion 打开快，比 Typora 功能多，但随着笔记数量的增加，我发现了一个问题：笔记之间是孤立的，知识没有“活”起来。
想象一下：当你写下一段代码时，AI 自动帮你解释逻辑；当你面对一个新概念时，AI 直接根据你库里的已有笔记生成关联分析；当你卡文时，AI 能根据你的上下文续写思路。
这不是科幻电影，而是通过 Obsidian + AI 完全可以实现的场景。今天就来分享一下我是如何配置 Obsidian + AI 工作流的，这篇教程会非常详细，建议收藏备用。
准备工作
在开始之前，你需要准备：
- Obsidian：建议更新到最新版本。
- 网络环境：因为需要下载插件，可能需要访问 GitHub。
- API Key（可选）：如果你想用在线大模型（如 OpenAI, DeepSeek），需要准备好 Key。
- Docker 环境（可选）：如果你想跑本地大模型，需要安装 Docker（参考我之前的 Docker实战攻略）。
核心插件一：Text Generator (生成式AI)
市面上 Obsidian 的 AI 插件很多，经过我长期的折腾和对比，我最推荐 Text Generator。它的特点是：开源、免费、支持自定义模型、支持 Prompt 模板，非常适合开发者。
1. 安装插件
- 打开 Obsidian。
- 点击左下角的
设置(Settings)。 - 选择
第三方插件(Community plugins)。 - 关闭
安全模式(Safe mode)。
- 点击
浏览(Browse)，搜索Text Generator。 - 点击安装并启用。
2. 配置模型服务
AI 服务主要分两种流派：在线 API 和 本地大模型。
方案A：使用在线 API（推荐 DeepSeek）
如果你追求回复质量和速度，且不想占用本地电脑资源，建议使用在线 API。最近 DeepSeek 的 API 性价比极高（甚至比 OpenAI 便宜得多），非常适合用来做笔记辅助。
配置步骤：
- 打开 Text Generator 插件设置。
- LLM Provider: 选择
Custom(这里没有deepseek的选项选择自定义)。 - Endpoint:
https://api.deepseek.com/chat/completions(注意：不要填错，这是 DeepSeek 完整的 API 地址)。 - API Key: 填入你在 DeepSeek 官网申请的 Key。
- Model:
deepseek-chat。
注意：如果你用的是 OpenAI，Endpoint 留空或者填
https://api.openai.com，Model 填gpt-3.5-turbo或gpt-4。
这里我开一个新笔记测试一下
方案B：本地大模型（Ollama + Docker）
既然我们之前写过 Docker实战攻略，这里必须整点硬核的。如果你有显卡（NVIDIA 显存 8G 以上体验较好），完全可以跑一个本地模型，隐私性拉满，而且完全免费。
我们将使用 Ollama，它是目前最流行的本地大模型运行工具。
1. 部署 Ollama
打开终端（CMD 或 PowerShell），运行以下 Docker 命令：
# 拉取并运行 Ollama 容器
# -d: 后台运行
# -v: 挂载卷，保存模型数据
# -p: 端口映射，11434是Ollama的默认端口
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
2. 下载模型
推荐下载 qwen2.5-coder（阿里出的通义千问代码版，写代码和中文能力都很强）或者 llama3。
# 进入容器并运行模型
docker exec -it ollama ollama run qwen2.5-coder:7b
等待进度条跑完，模型就准备好了。
3. 插件配置
回到 Obsidian 的 Text Generator 设置：
- LLM Provider: 选择
Ollama。 - Endpoint:
http://localhost:11434。 - Model:
qwen3:8b(或者你下载的其他模型)。
3. 实战：如何使用 Prompt 模板
Text Generator 最强大的地方在于 Templates。它允许我们预设好 Prompt，一键调用。
场景：智能摘要
- 在 Obsidian 中创建一个文件夹，比如
Templates/Prompts。 - 在插件设置中，将
Prompts Path指向这个文件夹。 - 在该文件夹下新建一个文件
Summarize.md，内容如下：
---
promptId: summarize
name: 📝 生成摘要
description: 自动生成当前选中文本的摘要和标签
author: Me
tags: [summary, ai]
version: 0.0.1
---
你是一个专业的笔记整理助手。请阅读以下内容，生成不超过5个最相关的标签（HashTags格式），并生成一段200字以内的摘要。
内容：
{{selection}}
输出格式：
Tags: #标签1 #标签2
Summary: 摘要内容...
使用方法：
选中笔记中的一段文字 -> 调出命令面板 (Ctrl/Cmd + P) -> 输入 Text Generator: Generate -> 选择 📝 生成摘要。
AI 就会自动把结果插入到你的光标处。
核心插件二：Smart Connections (语义搜索)
Text Generator 解决了“生成”的问题，但如果你想“检索”你几年前写的笔记，关键词搜索往往不够用。这就需要 Smart Connections。
它使用 Embedding（向量化） 技术，计算笔记之间的语义相似度。比如你搜“苹果”，它不仅能搜到水果，还能搜到 iPhone，甚至搜到乔布斯，即使笔记里没有“苹果”这两个字。
1. 安装与配置
同样在第三方插件市场搜索 Smart Connections 安装。
配置要点：
- 需要配置一个 Embedding 模型。
- 如果你有 OpenAI Key，直接填进去，效果最好。
- 如果想免费，可以使用它内置的本地模型（需要下载额外组件），或者接 Ollama 的 Embedding 接口。
2. 核心功能：Chat with Note
安装好后，右侧边栏会多一个聊天气泡图标。
点击它，你可以像和 ChatGPT 聊天一样与你的笔记库对话。
示例：
我：关于“分布式锁”，我之前的笔记里都提到了哪些实现方式？
AI：根据你的笔记，你主要记录了三种方式：
- 基于 Redis 的 SetNX
- 基于 ZooKeeper 的临时顺序节点
- 基于数据库的唯一索引
这种基于私有知识库的问答，才是第二大脑的终极形态。
进阶玩法：自定义工作流
1. 代码解释与重构
我们有时经常需要阅读源码。这里我配置了一个 Explain Code.md 模板：
请作为一名资深架构师，解释下面这段代码的逻辑，并指出可能存在的性能隐患或安全漏洞。
代码：
```{{selection}}```
选中代码，一键生成解释，比自己看快多了。
2. 自动生成 Daily Review
每天写日记时，我会把今天记录的碎碎念选中，让 AI 帮我整理成结构化的日报：
请将以下碎片化记录整理成一份日报，包含：
- ✅ 今日完成
- 🚧 进行中
- 💡 灵感与思考
内容：
{{selection}}
避坑指南（踩坑记录）
在使用过程中，我也遇到过不少坑，帮大家排雷：
-
Context Window（上下文窗口）超限：
如果你把整本书的内容都丢给 AI，API 可能会报错。这是因为模型一次能处理的 Token 是有限的。
解决：使用Generate (with context)时，只勾选相关的笔记，不要全选。或者使用支持长文本的模型（如 DeepSeek-V3, GPT-4-Turbo）。 -
幻觉问题：
涉及到具体的 API 参数或版本号（比如 Next.js 13 vs 14 的路由写法），AI 可能会胡说八道。
解决：切记：AI 是副驾驶，方向盘还得在你手里。 代码生成后一定要人工 Review 和测试。 -
Prompt 调试：
AI 不是神，Prompt 写得烂，输出就烂。建议建立一个专门的Templates/Prompts文件夹，把常用的指令固化下来，并不断迭代优化。
总结
Obsidian + AI 绝不是为了偷懒，而是为了提效。
- Text Generator 帮我们生成内容，打破写作瓶颈。
- Smart Connections 帮我们连接知识，激活沉睡的笔记。
工具只是手段，真正的核心还是你的思考。希望这篇教程能帮你搭建起属于自己的超级第二大脑！
参考资源：