0
异步视界/obsidian-evolved/obsidian-ai
· OBSIDIAN-EVOLVED · 2026.05.10 · 35 MIN ·

Obsidian × AI:从插件清单到方法论分裂(2026-05)

AI 时代笔记软件还重要吗,该长成什么样?2026-05 时点的实际生态格局 + 三种接入范式 + 八个值得装的插件 + Tiago Forte 亲手宣告 PKM 时代结束这件事 Obsidian 用户该怎么看。 · by 思扬
AI · HERO seed:2820260510 AI 时代笔记软件还重要吗,该长成什么样?2026-05 时点的实际生态格局 + 三种接入范式 + 八个值得装的插件 + Tiago Forte 亲手宣告 PKM 时代结束这件事 Obsidian 用户该怎么看。
FIG.00 — cover · ai-generated · placeholder

核心问题:你已经把 Obsidian 用熟了,AI 时代笔记软件还重要吗,如果重要,该长成什么样?

这一篇拆三件事:① 当前(2026-05)Obsidian × AI 生态实际格局,谁在涨、谁在停;② 三种主流接入范式 + 八个值得装的插件;③ 一场正在发生的方法论分裂 — Tiago Forte 已经亲手宣告 PKM 时代结束,这件事 Obsidian 用户应该怎么看。

🔍 可信度声明(2026-05-10 自核):本文所有 GitHub stars 通过 GitHub API 直接拉取(curl,绕过 agent 二手转述);Forte 引文逐句对照 fortelabs.com 原文行号;插件功能描述以插件官方 README 为唯一权威。AI 生态变化快,任何超过 3 个月的本文事实需要重新自核。本文在 4 轮校验后发布,共修正 13 处事实细节。

🔥 影响力卡片

TOP 10 Obsidian × AI 插件 GitHub Stars 排行(2026-05-10 自核于 GitHub API,不依赖任何二手转述)

排名插件Stars上次 push增速(半年)
#1Copilot for Obsidian(logancyang)6,9262026-05-09+1,150 ⬆️
#2Smart Connections(brianpetro)4,9672026-05-05+610 ⬆️
#3Smart Composer(glowingjade)2,2542026-02-16 ⚠️—
#4Text Generator(nhaouari)1,9272026-04-28+90
#5ChatGPT MD(bramses)1,3952026-02-11+166
#6Smart 2nd Brain(your-papa)1,1012026-05-05 ✓—
#7Custom Frames(Ellpeck)8032025-01-19 ⚠️(16 月停滞)嵌入式工具,但维护放缓
#8Local GPT(pfrankov)6402026-05-02+71
#9BMO Chatbot(longy2k)5272024-09-12 ⛔已停摆 20 月
#10Cannoli(DeabLabs)4092025-11-13Canvas + LLM 独家

对照:Khoj(khoj-ai/khoj) 34,468 stars — 但这是 Khoj 整产品仓(Browser / Obsidian / Emacs / Desktop / Phone / WhatsApp 共 6 端),不是 Obsidian 插件单独的数字。本文表格以”Obsidian 专属插件”为口径。

Khoj — 跨端 AI 第二大脑 Khoj 是 6 端 AI 第二大脑(Browser / Obsidian / Emacs / Desktop / Phone / WhatsApp);动图演示见 github.com/khoj-ai/khoj。本文为评论合理使用。

🎯 为什么必读

三个新事实,如果你过去半年没主动跟踪,大概率不知道:

  1. 口径反转:Copilot 已经反超 Smart Connections。半年内 Copilot 增速 +1,150,Smart Connections 仅 +610,差近 2 倍。所有 2024 年写的”Smart Connections 是 Obsidian AI 头牌”的中文文章在事实层面已经过期了。

  2. 方法论祖师爷换跑道:Tiago Forte —— BASB(Building a Second Brain) 教父,亲手宣告他过去十年教的方法论”我自己都不教了”,2026-03-13 发表新方法论文章并宣布全新课程 The AI Second Brain(首期 cohort 2026-04-15 → 05-01),把核心从 PKM 改写为 PCM(Personal Context Management)。这是 Obsidian 用户必须正视的话语转向。

  3. 生态正在洗牌:有热门插件半年前还在每月更新,现在已 3-20 个月停滞(BMO Chatbot 20 月,Smart Composer 3 月,Companion 12 月)。“装得多” 不等于”留得下”,2026 你需要的判断力是哪些会留下来。

如果你只装一个 AI 插件,本文给你结论;如果你想搞懂”AI 时代我的笔记到底变成什么了”,这一篇是入口。

一句话总结

AI 让 Obsidian 第一次有了真正的”对话”能力,但那不是 Obsidian 的终局 —— 真正的转折是:笔记的核心价值从”我自己能找到”变成了”我能把上下文喂给 AI”。

💎 金句墙(可作图)

★ “Personal Context Management is replacing Personal Knowledge Management — and the new bottleneck isn’t AI capability, but your ability to give AI the right information at the right time.” “个人上下文管理正在取代个人知识管理 —— 新的瓶颈不再是 AI 能力,而是你给 AI 喂对信息的能力。” —— Tiago Forte, “Introducing The AI Second Brain”, 2026 —— 🟢 译者点评:这是 PKM 时代教父的转向时刻。不再把笔记当作”我的第二大脑” —— 笔记现在是”喂给 AI 的素材库”。Obsidian 的核心价值就这样从”对人的可读性”悄悄滑到了”对 AI 的可解析性”。所有”AI 友好”的笔记策略 — 显式 frontmatter / 原子化 / 双链 — 都在这个论点下被重新解读。

★ “It’s never as fast as they say, or as easy as they say, to get value out of AI. There are no shortcuts or off-the-shelf solutions that automatically fit how your mind works.” “从 AI 拿到价值,从来都不像他们说的那么快、那么容易。没有捷径,也没有现成方案能自动适配你的大脑。” —— Tiago Forte, 同上 —— 🟢 译者点评:Forte 自己卖 AI 课的人写这句话有点反讽 —— 但这恰恰说明这句话不是营销话术。AI + Obsidian 的真正成本不在月费(API 一个月 $5 顶天),而在你为它配置上下文的时间。Smart Connections 索引半小时不是问题,但要把 vault 整理到能被语义检索找到正确东西,是几个月的事。

★ “Why the people getting the least value from AI are often the ones spending the most time on it.” “为什么从 AI 那里收益最少的人,往往是花时间最多的人。” —— Tiago Forte, AI Second Brain 课程预热 —— 🟢 译者点评:对应 Obsidian 用户最常见的失败模式 —— 不停换插件、不停调 prompt、不停切模型,但 vault 本身从未升级。Forte 的隐含答案是:把时间花在”整理上下文”上而不是”调工具”上。

★ “Smart Connections uses local embeddings … to surface notes that are semantically related to what you are working on right now.” “Smart Connections 用本地嵌入 … 浮现与你当下正在写的东西语义相关的笔记。” —— Brian Petro, Smart Connections README —— 🟢 译者点评:关键词是”当下”。Smart Connections 卖点不是”问答”,是被动式发现 —— 你写一段,侧栏自动浮现你 3 年前写过的相关段落。这刚好是 Obsidian 双链(显式)的反面 —— 隐式联想。两条腿配合走路,才是 2026 的 vault。

📋 核心精读

1. 半年口径反转的解释 — Copilot 为什么反超

如果你 2024 年读过 Obsidian × AI 的中文教程,99% 都说”Smart Connections 是必装,Copilot 是补充”。这个共识在 2025 下半年已经倒过来了。

原因有三个:

① 用户进化方向:从”找相关笔记”变成”问答 + 改写”。 Smart Connections 解决的是 discovery(我有什么类似的笔记?),Copilot 解决的是 interaction(请总结这一段 / 重写这一段 / 在 vault 范围内回答这个问题)。当用户从”被动浏览”升级到”主动对话”,Copilot 就成了入口。

② Composer 模式打中真痛点: 2025 年 Copilot 加入的 Composer(类似 Cursor 的 inline diff 编辑器),让用户可以选中一段文字,让 AI 给一个 diff,接受 / 拒绝 / 重生成。这正是写作者最常需要的动作 —— 而 Smart Connections 没有这一层。

③ Vault QA 默认开箱: Copilot 现在 vault 搜索”开箱即用”(语义索引可选,不强制)。Smart Connections 的 chat 模式则要求你先把 vault 索引好,首次启动通常要等 30 分钟到 2 小时(因 vault 大小和硬件而异)。这种”零等待 vs 需配置”的差异在新手转化上极其重要。

🟢 译者点评:Copilot 反超不代表 Smart Connections 输了。注意一个重要细节:Copilot 免费层也有 “Relevant Notes” —— 基于语义相似度 + 链接关系给出相关笔记建议(README 直引)。所以两个插件部分重叠,不是完全不重叠。

但 Smart Connections 在以下两点仍占优:

  • 专攻语义检索:Smart Connections 的 embedding 引擎更精细,有 Smart Environment 整套生态
  • 更”被动”的浮现:写时自动浮现,不需要任何动作 —— Copilot 的 Relevant Notes 仍偏”主动查询”

我自己装了两个:Copilot 当问答 + 编辑 + 项目情境,Smart Connections 当背景”灵感雷达”和深度语义搜索。预算只能装一个的人,装 Copilot(它的 Relevant Notes 已经覆盖 70% Smart Connections 体验)。

2. 三种主流接入范式

任何 Obsidian × AI 插件的设计都可以归到三种范式之一,先认清范式,再选插件:

范式代表插件数据流隐私月成本适合
A. 嵌入式 webview(零成本)Custom Framesvault 内容不出 Obsidian,但你需要复制粘贴给侧栏的 ChatGPT/Kimi中(对话过 webview 厂商)$0(用免费版网页)中文用户接 DeepSeek/Kimi/豆包
B. 云 API 调用Copilot, Smart Connections, Smart Composervault 切片 + prompt → API → 返回低(切片过 OpenAI/Anthropic)$5-30主流路线,质量最高
C. 本地模型Local GPT, Smart 2nd Brain, ObsidianRAGvault 完全不出本机极高$0(电费)法律/医疗/敏感数据;Mac 32GB+ 配置友好

实战建议:第一次接 AI 的人从 A 起步(零门槛感受),决定”我要持续投入”后跳到 B(质量翻倍),有隐私硬约束的人(律师 / 医生 / 政府承包商)直接 C。三个不冲突,可以混着用。

🟢 译者点评:最容易被忽略的是 A。中文圈 90% 的”Obsidian × AI”教程跳过 A 直接讲 Smart Connections,但 A 是新手最该先试的 —— 它让你不用配 API key、不用搞代理,就能在 Obsidian 侧栏里和 DeepSeek 对话。心理门槛降到零之后,你才知道自己真的需不需要 B / C。

3. 三大头牌深度评测

3.1 Copilot for Obsidian(logancyang)

身份:THE Copilot —— 名字就霸气。前端开源,Plus / Believer 付费层(Brevilabs LLC 托管)。

2026 关键能力(免费层 + Plus 层逐项标注):

  • Vault QA(免费):开箱可问”我去年是怎么决定 X 的”这种问题,Copilot 自动检索你的笔记并回答 + 引用源笔记
  • Relevant Notes(免费):基于语义相似度 + 链接关系给出当前笔记的相关建议(README 直引)— 与 Smart Connections 部分功能重叠
  • Composer(免费 + Plus):选中一段 → AI 改写 → 侧边/内联 diff → 接受/拒绝
  • Time Window 检索(Plus,README 直引”Get Precision Insights From a Specific Time Window”):指定时间窗口的精准检索(如”过去 3 个月”我写的所有笔记)
  • Project Mode(Plus):类 NotebookLM —— 把若干 folder + tag 圈成一个”项目上下文”,AI 在该范围内深度对话(README 直引:“Think NotebookLM but inside your vault”)
  • Agent mode(Plus):自治执行 — 搜索 vault + 读 web + 改文件
  • Multimedia(Plus):PDF / DOCX / EPUB / 图片 / YouTube / 网页 处理(README 隐私段直引:经 Brevilabs 服务器转换后立即删除)
  • Image Understanding(Plus):笔记中的图片可被 AI 直接读懂理解

适合:你想要一个”和 vault 真的对话”的 AI 助手。

不适合:你只想要被动联想(用 Smart Connections);你想自己写 prompt 模板(用 Text Generator)。

避坑:

  • 免费层完全够用,先不要冲动买 Plus;Plus 有月费,先把免费层用熟再决定
  • 有”过度积极消耗 Token”的反馈(中文社区报告),自动 vault 搜索可以关掉

3.2 Smart Connections(brianpetro)

身份:本地优先语义搜索的标杆。免费源码可见,Pro 是上层增强而非阉割免费版。

核心体验(免费 + Pro 分别标注):

  • Connections view(免费):写笔记时自动浮现 vault 中语义相关的其他笔记 —— 双链的”隐式版”
  • Lookup view(免费):输入任何字串/句子,在 vault 中做语义搜索(不是关键词)
  • Smart Chat(免费):对话式 vault QA,但需先索引
  • Inline connections(Pro):编辑器内直接触发笔记建议(不用切到侧栏)
  • Bases integration(Pro):与 Obsidian Bases 集成 —— 把语义上下文注入 Bases 数据库视图(配 01 Bases vs Dataview 食用)

优势:

  • 用本地嵌入模型,vault 内容默认不出本机(隐私敏感者首选)
  • 与 Copilot 互补(不是不重叠) —— Copilot 免费层有 Relevant Notes 已覆盖部分发现功能,但 Smart Connections 在专攻语义检索和更被动的浮现上仍占优;两个并存的真正价值是 Smart Connections 的本地嵌入引擎可独立调优 + 隐私不出本机

避坑:

  • 第一次开启会全量索引,慢(中型 vault 通常 30 分钟,大型 vault 1-2 小时,具体看硬件);让它跑就行,别中断
  • 默认本地嵌入模型 384 维,英文质量好,中文质量一般 —— 中文重度用户可在 Pro 里换更大的模型

Smart Connections 侧栏关联浮现 Smart Connections 在你写笔记时,右侧自动浮现 vault 中语义相关的其他笔记 —— 这是 Obsidian 双链(显式)的”隐式版”

Smart Connections Lookup 视图 Lookup 视图:输入任何句子,在 vault 中做语义搜索(不是关键词)

3.3 Smart Composer(glowingjade)

身份:Cursor 风的内联 AI 编辑器,Reddit 共识”最快的 Obsidian 写作助手”。

核心体验:

  • 选中一段 / 整篇,用快捷键叫出 AI,生成 diff
  • 默认免费模型 Llama 3.2 上手即用
  • 支持本地 Ollama 接入

警告 — 维护节奏放缓: 2026-02-16 之后未更新(本文撰写时已 3 个月)。新装请先看仓库最近活动,不要把工作流重度依赖在它上面。

适合:写作密集 + 喜欢 Cursor 体验的人。 不适合:把 vault 作为知识库 QA(那是 Copilot 的事)。

4. 特色玩家 —— 不是头牌但有独家价值

4.1 Cannoli(DeabLabs) — 在 Canvas 上拼 LLM workflow

这个独家:Cannoli 让你在 Obsidian Canvas(原生白板)上画 LLM 工作流。节点是 prompt,边是数据流向,整张 Canvas 可以”运行”起来。

典型用例:

  • “新闻批处理”:一个节点抓 RSS,下游节点摘要,再下游节点打标签,最后写入笔记
  • “多 agent 辩论”:两个节点扮演正反方,中间节点裁判
  • “自动整理 Read-it-later”:一个节点收 web clipper,下游分类、摘要、写到 PARA 对应位置

警告:2025-11 后未更新,但能用 —— Canvas + LLM 这个角度独此一家,值得知道存在。

4.2 ChatGPT MD(bramses) — 对话即笔记

核心想法:你的对话就是 .md 文件。frontmatter 配模型参数,---- 分隔每条消息。

为什么巧妙:Obsidian 用户的根基哲学是”笔记是 markdown 文件” —— ChatGPT MD 把对话也变成 markdown 文件,自然进入 vault,可双链可搜索可 Dataview 查询。

适合:把 AI 对话视为思考过程的资产,不是一次性消费。

4.3 Text Generator(nhaouari) — 模板派 power user 的家

核心想法:Prompt 即 Handlebars 模板,模板可复用、可分享、可版本化。

适合:你有自己的 prompt 库,想”按模板生成”而不是”对话生成”(标题生成器、摘要生成器、双链候选生成器各一个模板)。

不适合:新手 —— 学习曲线明显高于 Copilot。

4.4 Custom Frames(Ellpeck) — 中文用户的 0 成本起点

严格说不是 AI 插件,但中文圈最常用的”Obsidian × AI 起点”。

把 chat.openai.com / claude.ai / chat.deepseek.com / kimi.moonshot.cn / yiyan.baidu.com 嵌为 Obsidian 侧边面板。

优势:零配置(网页登录即可)、零月费、用什么模型完全自主。 劣势:不能引用 vault —— 想让 AI 看你的笔记,必须自己复制粘贴。 警告:Ellpeck 主仓库 2025-01 之后 16 个月未更新,但插件本身因为只是 iframe 包装,基本不会”坏”。可以继续用,但不要等新功能。

Custom Frames 把网页应用嵌为 Obsidian 面板 Custom Frames 把任意网页应用(图中是 Google Keep,实际可换成 chat.deepseek.com / kimi 等)嵌为 Obsidian 内置面板

🟢 译者点评:有点像”AI 时代的浏览器收藏夹”。它不是终极方案,是新手的 onboarding 桥。

5. 本地 LLM 接入(钩子)

如果你对隐私 / 离线有硬需求(医疗、法律、个人日记),路径是:

  1. Ollama 装一个本地 LLM runtime(brew install ollama)
  2. 拉模型:ollama pull qwen3:8b(中文,16GB Mac 起)/ ollama pull gemma3:4b(英文 + 内存友好)
  3. Obsidian 接入选一个:Local GPT(pfrankov)/ Smart 2nd Brain(your-papa)/ ObsidianRAG(Vasallo94)
  4. Smart Connections 切换到本地模型(Pro 层支持更大维度)

完整工作流(硬件分级 / runtime 选型 / 中文模型 / 5 种插件接入路线)单独成文 —— 见 23 本地 LLM 工作流。

🟢 译者点评:Mac 32GB+ 是 2026 本地 LLM 的甜点配置。32GB Mac 跑 Qwen 3 30B-A3B(MoE 仅激活 3B)体感顺滑、质量近 Claude Sonnet;16GB Mac 跑 Qwen 3 8B 起步够用;8GB Mac 别勉强,云 API + Custom Frames 嵌网页更划算。

6. 方法论张力 — Forte 的转向 vs 双链派的坚守

这一节是这一篇的核心。

6.1 Forte 的 PKM → PCM 转向

2026-03-13,Tiago Forte 在博客发表《Introducing The AI Second Brain》,宣布全新课程 The AI Second Brain(首期 cohort 2026-04-15 → 2026-05-01),直接把过去十年教的 BASB / PARA 框架”重启”。核心论点是:

Personal Context Management is replacing Personal Knowledge Management —— 个人上下文管理正在取代个人知识管理。

Forte 给出的关键转折:

  • 2026-02-05:OpenAI / Anthropic 同期发布新模型,配合 agent harness(Claude Code / OpenAI Codex 之类)能实际读文件、用工具、改电脑
  • 在此之前,AI 是”对话”,每次对话被清空;AI 不能”记住”你
  • 在此之后,AI 能持续读你的笔记 / 你的文件 / 你的项目 —— 这才是 BASB 真正成立的时刻

Forte 因此重写了过去他自己教的方法论:

  1. 新瓶颈不是 AI 能力,是你给 AI 喂对上下文的能力
  2. PKM(整理给自己看的)→ PCM(整理给 AI 看的)
  3. 写作 / 决策的瓶颈不再是”找信息”,而是”组织上下文给 AI”

6.2 双链派(Matuschak / Milo)会怎么回应

但这套话术在 evergreen / LYT 派那边并非全盘接受:

Andy Matuschak 视角(见 02、03):

  • Evergreen notes 的核心是”writing inbox” — 写本身就是思考
  • 如果 AI 帮你”自动总结”,你跳过了思考动作 —— 笔记产出多了,但你的脑没动
  • Matuschak 至今(2026-05)在公开发言中未拥抱 AI 写作辅助(可在他的 patreon / mastodon 验证),保持谨慎

Nick Milo 视角(见 05):

  • LYT 的核心是 MOC —— 由人类做 sense-making
  • AI 自动生成 MOC(Insighta 路线)消解了”做 MOC 的过程”,只留下结果
  • Milo 在 2026 公开课中说过:“AI 是辅助,不是替代 MOC 的思考动作”(B 站搜 LYT Workshop 2026 可找到中文搬运)

6.3 我的判断

两边都有道理,关键是分清”什么任务用 AI、什么任务亲自做”。

任务类型推荐
信息整理(把 RSS / web clip 总结进笔记)AI 主导(Cannoli / Copilot slash)
摘要 / 重写 / 翻译AI 辅助(Smart Composer / Copilot Composer)
Vault 内问答(我去年怎么决定的 X)AI 主导(Copilot Vault QA)
Evergreen 化(把碎笔记合并成长文)亲自做(Matuschak 是对的,过程即思考)
MOC 设计(决定谁链接谁)亲自做(Milo 是对的,这是认知动作)
取舍决策(笔记什么留、什么删)亲自做

🟢 译者点评:Forte 的 PCM 论点对”产出端”成立,Matuschak/Milo 的论点对”思考端”成立。两者并不真正冲突,只是讲不同任务。把 AI 用在产出端(总结、改写、问答),把人脑留在思考端(取舍、链接、整合)—— 这是 2026 的 vault 工作流。

7. 工作流模板(可直接抄)

7.1 速读 → 笔记(用 Copilot slash)

/web https://example.com/article-url
prompt: 用 3 个 takeaway + 5 个金句的格式总结
       金句保留原文 + 中译
       最后给我 3 个延伸问题

7.2 双链候选生成(用 Smart Connections)

写完一段后,看右侧 Smart Connections 面板的”相关笔记”列表 —— 那里是 AI 给的双链候选。自己决定链不链。

7.3 Vault QA(用 Copilot)

@vault 我去年关于 X 主题写过哪些笔记?

(Copilot 自动语义检索 + 引用源笔记)

7.4 Evergreen 化(用 Smart Composer)

选中一篇碎笔记 → Smart Composer “重写为 evergreen 笔记格式”(自定义 prompt)→ diff 对照 → 自己决定接受哪些。

7.5 RSS / Read-it-later 批处理(用 Cannoli)

Canvas 上画:RSS 节点 → 摘要 prompt 节点 → 标签 prompt 节点 → 写入 PARA 节点。

7.6 多语言对照(用 ChatGPT MD)

英文笔记 → ChatGPT MD 对话 → “翻译并保留原文格式”→ 对话本身存为 .md,可双链。

8. 中文圈生态(2026-05 状态)

8.1 PKMer —— 中文圈最完整的文档站

8.2 中文 AI 模型接入

  • DeepSeek:中文圈最常推的本地接入,API 极便宜(¥0.001/1K tokens 数量级),Custom Frames 直接嵌网页也行
  • Kimi(Moonshot):长上下文 200 万 tokens,适合接 vault 长文档
  • Qwen 3(本地):8B / 14B / 30B-A3B(MoE)/ 32B 多档,中文质量超过 Llama(C-Eval 88.2%,详见 23);M 系列 Mac 16GB 起步,32GB 跑 30B-A3B 体感顺滑
  • 豆包 / 文心 / 通义:三大厂网页版均可 Custom Frames 嵌入

8.3 必看的中文资源

资源链接价值
AIEII Obsidian × AI 综述aieii.com/posts/2026-03-27-obsidian-ai2026-03 时点的中文系统综述
二一的笔记 Obsidian AI 插件集eryinote.com/collection/obsidian-ai-plugin中文 UP 主深度评测
少数派 Obsidian 综述 02sspai.com/post/78977主流媒体推荐
Obsidian 中文论坛 AI 插件对比forum-zh.obsidian.md/t/topic/31483经验分享帖
知乎 Obsidian + OpenCodezhuanlan.zhihu.com/p/1996053344448434990把 Claude Code 当 Obsidian Agent 的进阶玩法

9. 避坑清单(2026-05 时点)

坑表现解法
盲目装 BMO Chatbot教程旧的还在推,但 20 个月未更新直接跳过,选 Copilot 或 Smart 2nd Brain 替代
被 Smart Composer 锁住写作流重度依赖,但维护放缓工作流不要单点依赖,准备 Copilot Composer 作为后备
Khoj stars 误判看 34k stars 以为 Obsidian 插件之王Khoj 是 6 端产品(Browser/Obsidian/Emacs/Desktop/Phone/WhatsApp),Obsidian 只是其一,与 Copilot 直接比不公平
第一次开 Smart Connections 中断索引等不及关掉,导致索引半残中型 vault 留 30 分钟,大型 2 小时,让它跑完
Copilot Plus 冲动消费看到 agent mode 立刻订阅免费层先用 1 个月再决定;月费不便宜
Custom Frames 当主力 AI接了 ChatGPT 网页就以为搞定了它不能引用 vault,长期还是要接 API 路线
本地模型选错用 Llama 3.2 处理中文,质量差中文用 Qwen / DeepSeek-R1,英文用 Llama / Gemma
AI 改写后不审”反正 AI 写的差不多”至少自己读一遍,不然 vault 信息密度反而下降

🟢 译者总评

3 个 takeaway:

  1. Obsidian 在 AI 时代仍然有独特位置,因为它是少有的把数据留在你硬盘上的笔记软件。Notion AI / Cursor / ChatGPT Memory 都把你的数据交给云,Obsidian + 本地模型(Smart Connections / Local GPT)的组合是唯一的”完全自主 AI 第二大脑”路径。这是 2026 越来越值得抓住的差异化。

  2. AI 让 Obsidian 的”原子化笔记”哲学第一次有了纯功能价值。过去原子化是为了”我写得清楚我自己以后能找到”(对人友好),现在原子化是为了”AI 能精确切片喂回来”(对 AI 友好)。Matuschak 写 evergreen 文章时不可能预见这一层 —— 但 evergreen 笔记恰好就是 RAG 性能最好的输入格式。这是 PKM 思想史的一个意外馈赠。

  3. 真正的瓶颈是上下文,不是工具。Forte 说对了:决定 AI 价值的是你能不能把”对的内容在对的时机”喂给它。装 5 个 AI 插件不会让你笔记更好,整理 vault 的 5 个核心 hub 笔记 才会。优先级:① 写好你最常用的那 10 篇 hub 笔记(MOC、近 30 天日记、当前项目的 README) → ② 装 Copilot 让它能读这些 → ③ 装 Smart Connections 让背景联想生效 → ④ 视情况上其他。

反共识结论:

  • 如果你只能装 1 个 AI 插件,装 Copilot,不要装 Smart Connections(2026 共识倒过来了)
  • 如果中文用户从零开始,先用 Custom Frames 嵌 DeepSeek 网页,熟了再上 Copilot —— 不要直接被国外教程带去 OpenAI API
  • 如果你想”AI 替我整理 vault”,先停一下:Forte / Matuschak 都同意,整理 vault 的过程本身就是思考,把这一步全交给 AI 等于把思考也外包了

🔗 延伸阅读(本系列内)

🔗 调研来源(可校验,2026-05-10 自核)

插件主仓(GitHub stars 直拉 API):

思想 / 方法论:

社区资源:

中文圈:见 §8 表格

📖 附录:AI × Obsidian 术语速查

为 22 / 23 / 24 共用的术语小词典(~20 条)。读到不熟的词回这里查。

核心模型 / 架构

术语中文释义
LLM大语言模型Large Language Model — GPT / Claude / Qwen / Llama 都属此类
Token词元LLM 的处理单位,一个汉字大致 1-2 token,一个英文单词约 1.3 token
Context window上下文窗口LLM 一次可读 / 写的 token 总量。GPT-4o 128K / Claude 200K-1M / Gemini 1M+
Quantization / Q4_K_M / Q8量化把模型权重从 16-bit 压到 4 / 8-bit,模型体积小、速度快、精度损失小 — Q4_K_M 是消费级 Mac 黄金选择
MoE(Mixture of Experts)专家混合大模型架构,不是每次都激活全部参数(如 Qwen 3 30B-A3B 总 30B 参数,每 token 仅激活 3B) — 本地 LLM 在 32GB Mac 跑动 30B 的关键
Dense model密集模型与 MoE 相对,每次激活全部参数。Llama 3.3 70B 是 dense

RAG / Embedding / 检索

术语中文释义
RAG检索增强生成Retrieval-Augmented Generation — 让 LLM 在回答前先在你的文档库检索,再基于检索结果回答
Embedding嵌入向量把文本转成 N 维向量(384 / 768 / 1024),供”语义相似度”计算
Cosine similarity余弦相似度计算两个 embedding 之间的方向夹角,越接近 1 越相似 — Smart Connections 找相关笔记的核心算法
Vault index / 索引笔记库索引把 vault 全部笔记转成 embedding 存起来,QA 时快速检索 — Smart Connections / Copilot Vault QA / Khoj 都需要
Reranking重排序RAG 流水线第二步:先粗筛 50 篇,再用更准的模型挑出 top 5

工作流 / Agent

术语中文释义
Vault QA笔记库问答”@vault 我去年怎么决定 X 的”这种问题,LLM 自动检索 vault 后回答 + 引用源笔记
Composer改写器Cursor 风的内联编辑器:选段 → AI diff → 接受 / 拒绝 — Copilot 和 Smart Composer 各有
Slash command斜杠命令在 chat 输入框打 /youtube /web 等触发预设动作 — Copilot / 多个插件都用
Agent / Agent harness智能体 / 智能体工装给 LLM 配工具(读文件 / 搜索 / 改写),让它能在你电脑上真的做事而不只是聊天。Claude Code / OpenAI Codex 是典型 — Forte 25 文中称这个为”PKM 时代结束的技术原因”

方法论 / 概念

术语中文释义
PKM个人知识管理Personal Knowledge Management — 整理给自己看的笔记体系。BASB / LYT / Zettelkasten 都属 PKM
PCM个人上下文管理Personal Context Management — Forte 2026-03 提出的新概念,整理给 AI 看的笔记体系 — 详见 25 Forte AI Second Brain 选译
Evergreen note常青笔记Andy Matuschak 提的”原子化、概念为先、密集链接”笔记格式 — 详见 02 Evergreen Notes
MOC内容地图Map of Content — Nick Milo 提的”主要由链接构成的索引笔记” — 详见 05 Nick Milo / LYT

工具 / 运行时

术语释义
Ollama最流行的本地 LLM runtime,一行 brew install ollama 装好,默认端口 localhost:11434
LM StudioGUI 派的本地 LLM runtime,适合不爱命令行
MLX-LMApple 官方 ML 库的 LLM 包装,Apple Silicon 专用,比 Ollama 快 30-40%
bge-m3 / nomic-embed-text两个主流本地 embedding 模型 — bge-m3 中文好,nomic 英文 + 速度优

隐私 / 部署

术语释义
Local-first本地优先 — Smart Connections / Local GPT / Smart 2nd Brain 都标榜此
Self-host自托管 — 在自己服务器跑模型(如 Khoj 自托管),数据不出你的网络

词条覆盖 22 / 23 / 24 三文中所有非常识术语。术语条目 ≥ 2026-05-10 时点准确。