本地文件深度交互新玩法：Obsidian Copilot的深度开发

优质文章学习记录

— 10 min read
本地文件深度交互新玩法：Obsidian Copilot的深度开发

前言

当 “本地知识库管理” 撞上 “AI 智能分析”，会擦出怎样的火花？试想一下：你的 Obsidian 里存着多年积累的笔记、文档，却只能手动翻阅检索；而现在，一个插件 + 蓝耘 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 联动蓝耘 API 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” 。

蓝耘API KEY的创建

先进行API的创建
先点击蓝耘进行一个正常的注册流程

image.png


进入到主页之后，我们点击上方的MaaS平台

image.png


进入到平台后我们可以看到很多的大模型

image.png


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

image.png


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

image.png


并且这里还有一个可视化的界面，观察你的tokens消耗数量

image.png


仔细发现还有大额的token，也是很香的，这就是我为什么选择蓝耘的原因

image.png


废话不多说，我们直接来到API KEY管理，点击创创建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

image.png

进行obsidian Copilot的配置

这里的obsidian你如果没有下载的话可以私信我哦，我可以发给你的
进入到obsidian的主页，点击左下角的齿轮进入到设置中

image.png


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

image.png


在搜索框中输入Copilot
选择第一个

image.png


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

image.png


我们这里直接点击安装操作
等待安装

image.png


完成安装

image.png


点击启用

image.png


这里右上角报提示了

image.png


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

image.png


我们来到Model

image.png

往下翻找到Add Custom Model，并进行点击操作，添加对话模型

image.png


进入到添加模型的界面是这样的

image.png


这里们将信息进行写入，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，如下：

image.png


可以参考下我这里的数据

Model Nmae:/maas/qwen/Qwen3-235B-A22B Provider:OpenAI Format Base URL:https://maas-api.lanyun.net/v1 API KEY:你得去蓝耘MASS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蓝耘api模型

image.png

这里我在配置的时候一直报错，得亏蓝耘的工作人员反馈速度快，不然我一直处于报错现象

image.png

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

image.png


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

image.png


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

image.png


image.png


其他的参数我们就默认就行了

image.png

文件分析测试

我这里有一个表达式求值的实验报告

image.png


我们在安装了obsidian Copilot这个插件后，左侧有一个对话的按钮

image.png


我们直接进行点击，右侧就能看到我们的对话框了

image.png


我们这里可以根据提示，输入[[就能引用我们的文件了

image.png


输入好问题之后，我们直接点击chat进行问题的询问

image.png


如下是ai的回答

image.png


ai分析了我们的文件，然后对某些小点进行优化操作

image.png


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

image.png


下面他的回答真的惊掉了我的下巴，

image.png


这种流程图的语法我是一点儿都不会，我这里直接就是让蓝耘的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，

image.png


这里我们一定要先引用上这个文件，不然是会出现报错的
第一次我们这里出现了报错了，估计是文件太大了哈哈哈

image.png


所以我们这里得设置下我们上传的token数了，来到我们的Copilot Settings面板
将这三个参数进行一个适度的增加操作

image.png


image.png


看来还是不行哈哈哈，因为这个项目的字数到54761了，确实超过了上传的tokens了

image.png


那我们就针对于这个项目创建一个简单的介绍吧，这样应该是没问题了

image.png


效果如下：也是可以清晰的看到我们的项目的落地情况以及同步模式和异步模式

image.png


我们这里可以复制它的回答粘贴到文章中去
效果也是很不错的

image.png


像日常写项目的时候，写项目比较的时候，用到这个工具直接让ai分析我们的项目流程，也是很方便，再加上蓝耘的api快速反应，效率更高了

这里展示下这个生成的流程图吧，我觉得ai做的挺好的

同步模式异步模式是否开始日志记录日志模式选择直接调用输出方法写入前端缓冲区选择输出目标控制台输出文件输出滚动文件输出缓冲区已满?交换前后端缓冲区继续写入后台线程处理批量写入输出目标控制台输出文件输出滚动文件输出

Ai的Prompt的设置

使用 ctrl+P 唤出命令菜单，然后输入 copilot add 就会出现添加命令的选项

image.png
使用 Copilot 进行文本编辑时，有时你会遇到一个问题：Copilot 不知道你正在编辑的是哪篇文章。为了避免这种情况，你可以在自定义的 Prompt 中使用以下变量： - `{activeNote}` 告诉 Copilot，你指定的是「当前窗口下激活的这篇文章」 - `{[[]]}` 告诉 Copilot 你指定的是哪一篇文章 - `{}` 告诉 Copilot 你指定的是光标选中的段落 - `{#tag1,tag2}`告诉 Copilot 你指定的是包含了哪些标签的文章，只要包含其中一个标签就会命中 - `{FolderPage}` 告诉 Copilot 你指定的是哪个文件夹路径下的所有文档 我们也可以在这里给ai设置角色设定

基于prompt的设定，ai会更加的智能化的
你们也可以设定一个自己的ai机器人哦，针对某些固定的事情进行回答操作

总结

通过 Obsidian 插件搭桥、蓝耘 API 赋能，我们见证了本地文件从 “被动存储” 到 “主动交互” 的蜕变 —— 自动总结、智能问答，每一步都在重塑知识管理的效率边界。不过，这场 “AI + 本地工具” 的融合实验，还有多少潜力待挖掘？那得你自己循着轨迹来试试哦！！！

Read more

OpenAI Codex vs GitHub Copilot：哪个更适合你的开发需求？2025年深度对比

OpenAI Codex 与 GitHub Copilot：2025年开发者如何做出关键选择？ 在2025年的技术栈里，一个高效的AI编程伙伴不再是锦上添花，而是决定项目节奏与质量的核心生产力。面对市场上功能各异的选择，许多开发者，尤其是那些管理着复杂项目或带领团队的技术决策者，常常陷入一个两难的境地：是选择功能全面、能独立处理任务的“AI工程师”，还是选择无缝集成、提供实时灵感的“智能副驾驶”？这不仅仅是工具的选择，更是关于工作流重塑、团队协作模式乃至项目架构未来的战略决策。对于个人开发者、初创团队乃至大型企业的技术负责人而言，理解这两款主流工具——OpenAI Codex与GitHub Copilot——在本质定位、适用场景与成本效益上的深层差异，是避免资源错配、最大化技术投资回报的第一步。本文将深入它们的核心，帮助你根据真实的开发需求，找到那个最契合的“数字搭档”。 1. 核心理念与定位：从“辅助”到“执行”的范式差异 理解Codex和Copilot，首先要跳出“它们都是写代码的AI”这个笼统印象。它们的底层设计哲学决定了完全不同的应用边界。 OpenAI Codex
【实践】操作系统智能助手OS Copilot新功能测评

【实践】操作系统智能助手OS Copilot新功能测评

一、引言         数字化加速发展，尤其人工智能的发展速度越来越快。操作系统智能助手成为提升用户体验与操作效率的关键因素。OS Copilot借助语言模型，人工智能等，对操作系统的自然语言交互操作 推出很多功能，值得开发，尤其运维，系统操作等比较适用，优化用户与操作系统的交互模式。本次测评，按照测评指南进行相关测评，得出下面的测评报告。 二、OS Copilot简介         OS Copilot 是一款致力于深度融合于操作系统的智能助手，它旨在成为用户与操作系统交互的得力伙伴 。通过先进的自然语言处理技术和机器学习算法，OS Copilot 能够理解用户多样化的指令，将复杂的操作系统操作简单化。         在日常使用场景中，无论是文件管理、应用程序的操作，还是系统设置的调整，OS Copilot 都能提供高效的支持。例如，在文件管理方面，用户无需手动在层层文件夹中查找文件，只需通过描述文件的大致信息，如创建时间、文件内容关键词等，就能快速定位到目标文件。         对于应用程序，它不仅能根据用户的使用习惯智能启动，还能在应用程序运行时进行优化，确保

高效能文生图引擎来了！Stable Diffusion 3.5 FP8全面支持Docker Run

高效能文生图引擎来了！Stable Diffusion 3.5 FP8全面支持Docker Run 在内容创作节奏以秒计的时代，AI生成图像的“等待感”正成为用户体验的致命短板。设计师点击按钮后要等十几秒才能看到结果？自动化内容平台因显存不足无法并发处理请求？这些痛点曾长期困扰AIGC落地。而现在，Stability AI推出的 Stable Diffusion 3.5 FP8 + Docker 组合拳，正在改写高性能文生图服务的游戏规则。 这不仅是一次模型升级，更是一套面向生产环境的完整解决方案——它把前沿的低精度推理技术与工业级部署实践融合在一起，让高保真图像生成真正走进“可规模化、可运维、可集成”的工程化阶段。 为什么是FP8？不只是省显存那么简单 提到模型量化，很多人第一反应是“牺牲质量换速度”。但FP8（8位浮点）的出现，正在打破这一固有认知。相比常见的FP16或BF16，FP8将每个参数从2字节压缩到1字节，在理论层面直接砍掉一半存储开销。但这只是开始。 真正关键的是，FP8并非简单粗暴地截断数值。它采用两种主流格式：E4M3（