Obsidian 看板 + Copilot:项目管理与每日总结的完美闭环

Obsidian 看板 + Copilot:项目管理与每日总结的完美闭环

在多项目并行的职场节奏中,项目管理是每个人的必修课。我曾深陷“工具选择困难症”,在滴答清单、Notion 等工具间反复横跳。虽然滴答清单足够优秀,但它始终无法与我的个人知识库深度联动,更难以调用 AI 能力来二次加工我的工作轨迹。

今天,我想分享一套基于 Obsidian 看板 + Copilot 的全自动化项目管理工作流。

工作流示意图

核心思路

All in One 的自动化闭环这套工作流的核心在于利用 Obsidian 的“万物皆 Markdown”特性。看板文件本质上是 Markdown 列表,通过插件自动记录的时间戳,我们可以让 Copilot 扮演“私人秘书”,瞬间完成从“任务执行”到“复盘总结”。

必备插件

在 Obsidian 插件市场安装以下三个插件:

  • Kanban:提供直观的看板视图。
  • Tasks:自动为完成的任务打上时间戳。
  • Copilot:调用 AI 能力进行分析总结。

具体步骤

1. 搭建可视化看板

安装 Kanban 插件后,你可以像使用 Trello 或滴答清单一样,创建项目组和任务清单。它支持双向链接,能完美融入你的 Obsidian 知识网络。

看板界面
2. Tasks

在 Tasks 插件设置中,开启“完成时添加日期”功能。这样当你勾选任务时,系统会自动在后台生成类似 ✅ 2026-01-19 的标记。

Tasks 设置

这些时间戳就是 AI 识别你“今日工作量”的唯一凭证。

3. AI 自动生成每日总结

通过 Copilot 插件,配合精心设计的提示词(Prompt),AI 会自动扫描看板,过滤掉杂讯,只提取你今天完成的成果。

我的提示词:

作为我的看板分析助手,分析我提供的 Obsidian 看板内容。

最终效果

每天下班前,只需简单操作,Copilot 就会生成一段干净的纯文本。我直接将其粘贴到 flomo 中,整个过程不到 10 秒。

最终效果图

这种从项目管理自动复盘的闭环,不仅节约了大量手动整理的时间,更让我能专注于任务本身,而非工具的操作。

延伸阅读

更多 Obsidian 相关内容请看往期文章:

Obsidian Copilot:打造你的专属 AI 笔记助手

Obsidian与Anki:高效管理个性化学习卡组

obsidian projects 插件 实现项目管理

obsidian  excalidraw 绘制思维导图

Tips

如果这篇分享对你有启发,欢迎点赞、收藏、转发

微信公众号:环境猫er

ZEEKLOG:细节处有神明

个人博客:https://maoyu92.github.io/

Read more

【AI应用开发工程师】-分享Java 转 AI成功经验

【AI应用开发工程师】-分享Java 转 AI成功经验

Java 转 AI:别再死磕书本了,老司机带你飞! 文章目录 * Java 转 AI:别再死磕书本了,老司机带你飞! * ⭐AI 大模型应用开发全方位成长路线⭐ * 一、Java 老兵的 AI 转型焦虑:书本,你真的跟不上时代了! * 二、AI 导师,你的专属学习外挂! * 三、抱紧大腿,和 AI 大佬一起成长! * 四、拓展方案一:开源社区,你的 AI 练兵场! * 五、拓展方案二:小步快跑,项目实战是王道! * 六、拓展方案三:知识管理,告别“学了就忘”的魔咒! * 七、总结:转型 AI,一场充满乐趣的冒险!

DeepSeek-R1-Distill-Llama-70B:开源推理效率新引擎

DeepSeek-R1-Distill-Llama-70B:开源推理效率新引擎 【免费下载链接】DeepSeek-R1-Distill-Llama-70BDeepSeek-R1-Distill-Llama-70B:采用大规模强化学习与先验指令微调结合,实现强大的推理能力,适用于数学、代码与逻辑推理任务。源自DeepSeek-R1,经Llama-70B模型蒸馏,性能卓越,推理效率高。开源社区共享,支持研究创新。【此简介由AI生成】 项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Llama-70B DeepSeek-R1-Distill-Llama-70B作为基于Llama-3.3-70B-Instruct蒸馏的高性能模型,通过创新的强化学习与知识蒸馏技术,在保持推理能力接近顶级大模型的同时,显著提升了开源模型的部署效率,为企业级应用与研究社区提供了新选择。 行业现状:大模型推理能力与效率的双重挑战 当前大语言模型领域正面临"性能-效率"的双重考验。一方面,以OpenAI o1系列为

颠覆AI绘画范式:OpenAI一致性模型实现毫秒级图像生成,扩散模型面临淘汰

在人工智能图像生成领域,扩散模型长期占据着核心地位。从Stable Diffusion的开源浪潮到Midjourney的惊艳效果,再到DALL-E系列的持续进化,这些基于扩散原理的技术不仅重塑了创意生产方式,更催生了价值百亿的产业生态。然而,OpenAI最新发布的"一致性模型"(Consistency Models)正以革命性的技术突破,宣告着一个全新时代的开启。这项由OpenAI首席科学家Ilya Sutskever与清华校友宋飏领衔研发的技术,通过创新的数学架构实现了无需迭代的一步式图像生成,在保持顶尖画质的同时将生成速度提升了两个数量级,彻底改变了生成式AI的技术格局。 【免费下载链接】diffusers-ct_bedroom256 项目地址: https://ai.gitcode.com/hf_mirrors/openai/diffusers-ct_bedroom256 技术突破:从迭代扩散到一步生成的范式转换 传统扩散模型的工作原理类似于"反向沙漏"——需要通过数百步甚至数千步的迭代过程,逐步将随机噪声"雕琢"成目标图像。这种机制虽然能生成高质量图像,但冗长的计算步骤

打造个性化语音库:IndexTTS-2-LLM定制化部署案例

打造个性化语音库:IndexTTS-2-LLM定制化部署案例 1. 项目概述 IndexTTS-2-LLM是一个创新的智能语音合成系统,它将大语言模型的强大能力引入语音生成领域。与传统的文本转语音技术相比,这个系统在语音的自然度、情感表达和韵律控制方面都有显著提升。 这个镜像项目提供了完整的语音合成解决方案,包含直观的网页界面和标准化的API接口。经过深度优化后,系统可以在普通的CPU环境下稳定运行,无需昂贵的GPU硬件支持,大大降低了使用门槛。 核心优势特点: * 智能语音生成:基于先进的大语言模型技术,生成的声音更加自然流畅 * 多场景适用:支持中英文混合文本,适合各种语音合成需求 * 低门槛部署:CPU环境即可运行,无需特殊硬件要求 * 完整解决方案:同时提供可视化界面和开发者API 2. 快速开始指南 2.1 环境准备与部署 部署IndexTTS-2-LLM非常简单,只需要几个基本步骤。首先确保你的系统满足以下要求: * 操作系统:Linux Ubuntu 18.04+ 或 CentOS 7+ * 内存:至少4GB RAM * 存储空间:10