Obsidian+Claude Code打造本地AI知识库

Claudian + Obsidian Skills

1. 核心组件

  • Claudian: Obsidian 第三方插件(暂未上架官方市场),适配 Claude Code。
  • Obsidian Skills: 由 Obsidian CEO (Kepano) 发布的 Skill 包,赋予 AI 处理 Canvas、Markdown 及数据库的能力。

2. 环境部署流程

2.1 安装 Claudian 插件 (手动旁加载)

  1. 获取文件: 访问 GitHub 仓库 claudian,下载以下三个核心文件:
    • main.js
    • manifest.json
    • styles.css
  2. 放置插件:
    • 进入 Obsidian 仓库根目录。
    • 路径导航: .obsidian -> plugins
    • 新建文件夹命名为 claudian
    • 将上述三个文件放入该文件夹。
  3. 启用: 重启 Obsidian,在“第三方插件”中开启 Claudian。

2.2 配置模型参数

  1. 打开 Claudian 设置页。
  2. 基础设置: 设置 User Name (如 Jason)。
  3. 自定义AI模型: 使用智谱GLM或DeepSeek来替换Claude模型。
ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic ANTHROPIC_API_KEY=你的智谱api key ANTHROPIC_DEFAULT_OPUS_MODEL=GLM-5.0 
我今天试了一下新发布的glm5,竟然把我代码里藏了好多天的bug改掉了,感觉还是挺厉害的。
  1. 连通性验证:
    • Ctrl/Cmd + P 调出命令面板 -> 输入 claudian -> 选择 Open chat view
    • 发送“你好”,若回复正常则配置成功。

2.3 部署 Obsidian Skills

  1. 下载: 访问 GitHub 仓库 kepano/obsidian-skills,下载 ZIP 包并解压。
  2. 安装:
    • 复制解压后的 skills 文件夹。
    • 进入 Obsidian 仓库根目录。
    • 进入或新建 .claude 隐藏文件夹。
    • 粘贴 skills 文件夹 (最终路径: [Vault Root]/.claude/skills/)。
  3. 验证: 在 Claudian 对话框输入 /skills,应显示以下三个 Skill:
    • obsidian-markdown: 处理专有 Markdown 语法。
    • json-canvas: 生成/编辑无限画布。
    • obsidian-bases: 数据库管理。
这里其实就跟添加skills的思路是一样的,只是取决于你想要只装在obsidian里面还是全局skills

3. 实战应用与技巧

3.1 典型用例:生成知识图谱

  • 指令: “使用无限画布 canvas 画出地中海饮食的知识结构图,并保存到根目录。”
  • 流程: AI 自动调用 json-canvas skill -> 分析逻辑 -> 在根目录直接生成 .canvas 文件。

3.2 优化

由于 Skill 定义为英文,中文指令可能导致匹配偏差,建议方案:

  • 显式指令: 在 Prompt 中明确指定工具名 (如“请使用 json-canvas skill…”)。
  • 系统提示词 (System Prompt): 在插件设置中添加规则 —— “收到指令后优先思考并匹配最合适的 Skill”。

4. 为什么obsidian不做agent

  • 官方态度 (Stephan Ango/Kepano):
    • 发布渠道: 选择在个人 GitHub 账号而非 Obsidian 官方账号发布,体现了 “非官方强制” 的定位。
    • 核心哲学: 知行合一。坚持 Local-firstPrivacy-first,不构建封闭的官方 AI 环境,也不参与 AI 军备竞赛。
  • 差异化优势:
    • 不同于 Notion 的云端封闭生态。
    • Obsidian 文件完全本地化,鼓励用户基于隐私安全,“手搓”适合自己的 AI Agent。

Read more

AI调参技巧:网格搜索优化

AI调参技巧:网格搜索优化

AI调参技巧:网格搜索优化 📝 本章学习目标:本章聚焦性能优化,帮助读者提升模型效率。通过本章学习,你将全面掌握"AI调参技巧:网格搜索优化"这一核心主题。 一、引言:为什么这个话题如此重要 在人工智能快速发展的今天,AI调参技巧:网格搜索优化已经成为每个AI从业者必须掌握的核心技能。Python作为AI开发的主流语言,其丰富的生态系统和简洁的语法使其成为机器学习和深度学习的首选工具。 1.1 背景与意义 💡 核心认知:Python在AI领域的统治地位并非偶然。其简洁的语法、丰富的库生态、活跃的社区支持,使其成为AI开发的不二之选。掌握Python AI技术栈,是进入AI行业的必经之路。 从NumPy的高效数组运算,到TensorFlow和PyTorch的深度学习框架,Python已经构建了完整的AI开发生态。据统计,超过90%的AI项目使用Python作为主要开发语言,AI岗位的招聘要求中Python几乎是标配。 1.2 本章结构概览 为了帮助读者系统性地掌握本章内容,我将从以下几个维度展开: 📊 概念解析 → 原理推导 → 代码实现 → 实战案例 → 最佳

AI入门第一课:人工智能基础概念全解析 - 从零开始理解这个改变世界的技术

AI入门第一课:人工智能基础概念全解析 - 从零开始理解这个改变世界的技术

目录 * 为什么要了解人工智能? * 什么是人工智能?从图灵测试说起 * 人工智能的三次浪潮:从幻想到现实 * 第一次浪潮:符号主义的黄金时代 * 第二次浪潮:机器学习的崛起 * 第三次浪潮:深度学习的革命 * 机器学习的三大范式:监督学习、无监督学习和强化学习 * 监督学习:有老师指导的学习 * 无监督学习:自己发现规律的学习 * 强化学习:通过试错来学习 * 深度学习:模仿人脑的神经网络 * 神经网络的基本结构 * 从感知机到深度神经网络 * 卷积神经网络:专门为图像设计的网络 * 循环神经网络:处理序列数据的高手 * 人工智能的应用领域:改变世界的力量 * 医疗健康:AI医生的崛起 * 自动驾驶:重新定义出行方式 * 金融科技:智能理财的新时代 * 教育培训:个性化学习的新模式 * 娱乐媒体:内容创作的新可能 * 人工智能的局限性和挑战:理性看待AI * 数据依赖:AI的"食粮"问题 * 可解释性:

网络安全:零暴露公网IP访问本地AI服务的一些方法分享,保障数据隐私!

网络安全:零暴露公网IP访问本地AI服务的一些方法分享,保障数据隐私!

如果我们选择本地部署AI模型(如LLaMA、Stable Diffusion)的核心动机之一是对数据隐私的绝对控制! 但当我们需要从外部网络访问这些服务时,就面临两难选择:要么牺牲便利性(只能在内网使用),要么牺牲安全性(将服务暴露至公网)。我这边介绍一种折中的解决方案,实现无需公网IP、零端口暴露的远程安全访问。 公网暴露的潜在威胁 将本地服务的端口通过路由器映射到公网(Port Forwarding),是常见的“暴力”解决方案。但这带来了显著风险: 1. 端口扫描与暴力破解:你的服务IP和端口会暴露在互联网的自动化扫描工具下,可能遭遇持续的登录尝试或漏洞利用攻击。 2. 服务漏洞利用:如果AI服务的Web界面或API存在未修复的漏洞,攻击者可以直接利用。 3. 家庭网络边界被突破:一旦攻击者通过该服务入侵成功,可能进一步渗透到家庭网络中的其他设备。 怎么解决:基于加密隧道的网络隐身 思路是:不让本地服务在公网“露面”,而是让外部访问者通过一条加密的“专属通道”直接进入内网。这可以通过基于零信任网络的P2P VPN工具实现。 具体实现:以Tailscale/Z

当人人都会用AI,你靠什么脱颖而出?

当人人都会用AI,你靠什么脱颖而出?

文章目录 * 一、引言:AI时代,你真的准备好了吗? * 二、脉向AI:连接AI与普通人的桥梁 * 2.1 什么是脉向AI? * 2.2 脉向AI的合作生态 * 2.3 为什么你需要关注脉向AI? * 三、本期重磅:《小Ni会客厅×AI熊厂长》深度对话 * 3.1 访谈背景 * 3.2 核心观点一:商业认知决定变现能力 * 3.3 核心观点二:个人标签决定商业价值 * 3.4 核心观点三:爆款策略决定起步速度 * 3.5 核心观点四:产品思维决定变现上限 * 四、从认知到行动:如何真正用AI赚到钱? * 4.1 建立正确的商业认知 * 4.2 找到你的70分领域