前言
当'本地知识库管理'遇上'AI 智能分析'，会擦出怎样的火花？试想一下：你的笔记里存着多年积累的内容，却只能手动翻阅检索；而现在，一个插件 + AI API，就能让这些'静态文字'瞬间'活'起来 —— 自动总结核心内容、智能回答专业疑问，甚至挖掘隐藏关联！今天，就带大家拆解 Obsidian 联动 AI 服务的全新玩法，看看如何让本地文件从'信息仓库'变身'智能助手'。
API KEY 的创建
先进行 API 的创建。进入对应的 MaaS 平台进行正常的注册流程。
进入到主页之后，我们点击上方的 MaaS 平台。
进入到平台后我们可以看到很多的大模型。不仅仅是文本生成、音频理解、视频理解还是视频生成，都有对应的大模型。每个模型都有很详细的介绍以及价格示例，用过 API 调用的都可以看到这个价格还是比较贴近平民的。
并且可以进行在线体验的，这里是先进行思考的，然后再给出结果的，算上思考的时间，给出结果只花了几秒钟，效率还是很不错的。
并且这里还有一个可视化的界面，观察你的 tokens 消耗数量。仔细发现还有大额的 token，也是很香的。
废话不多说，我们直接来到 API KEY 管理，点击创建 API KEY。创建好了之后我们直接点击复制就 ok 了。格式如下：sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
进行 Copilot 的配置
这里的 Obsidian 你如果没有下载的话可以自行搜索安装。
进入到 Obsidian 的主页，点击左下角的齿轮进入到设置中。
来到第三方插件中，可以看到这里有一个社区插件市场，我们直接点击预览按钮。
在搜索框中输入Copilot。选择第一个。
然后我们可以看到这个插件相关的信息，下面都是一些展示样例。
我们这里直接点击安装操作，等待安装完成。
点击启用。这里右上角报提示了。
我们来到第三方插件这里，可以看到我们这里可以进行 API 的设置。
我们来到 Model。往下翻找到 Add Custom Model，并进行点击操作，添加对话模型。
进入到添加模型的界面是这样的。这里我们将信息进行写入，写入之后我们点击右下角的 Verify 进行测试下是否能链接成功，如果链接成功的话是会在右上角反馈 successful 的。
可以参考下我这里的数据：
Model Name: /maas/qwen/Qwen3-235B-A22B
Provider: OpenAI
Format: Base URL: https://api.example.com/v1
API KEY: 你得去 AI 服务商平台进行创建
测试成功了之后，我们直接点击这个 Add Model 进行模型的添加操作。然后这里我们就可以看到我们刚刚添加的 AI 模型。
添加好了模型之后，我们这里是可以进行参数调节的，具体如何调节看你们的喜好。
上面我们添加的是对话模型，下面的是嵌入模型，这里我们就不添加了，因为用不到，我们正常的进程对话就行了。
然后我们来到 Basic，我们将 Default Chat Model 默认对话模型设置为我们刚刚添加的。其他的参数我们就默认就行了。
文件分析测试
我这里有一个表达式求值的实验报告。
我们在安装了 Obsidian Copilot 这个插件后，左侧有一个对话的按钮。
我们直接进行点击，右侧就能看到我们的对话框了。
我们这里可以根据提示，输入 [[ 就能引用我们的文件了。
输入好问题之后，我们直接点击 chat 进行问题的询问。
如下是 AI 的回答。AI 分析了我们的文件，然后对某些小点进行优化操作。
他这里还询问我是否需要提供一个可视化的图，答案生成的速度也是非常的快。
这种流程图的语法我是一点儿都不会，我这里直接就是让 AI 帮我生成，这看着就很舒服了。
下面我还想试下更长的文章他是还能像这样进行优化操作。这里我们展示的是 C++ 的日志系统项目，我们让 AI 帮我梳理下项目，生成一个流程图。
