obsidian ai/copilot 插件配置

Obsidian AI 插件安装与 API 配置教程

以下是在 Obsidian 中安装支持 AI 的插件并配置智谱清言、通义千问、DeepSeek、Kimi 以及 GitHub 免费 GPT 接口的详细教程。


安装流程

1. 安装 Obsidian

  1. 下载 Obsidian
    • 访问 Obsidian 官网,下载适用于你的操作系统的版本(Windows、macOS、Linux)。
    • 按照提示完成安装。
  2. 创建或打开 Vault
    • 打开 Obsidian,选择或创建一个新的 Vault(工作空间)用于存储笔记。

2. 安装 AI 插件

  1. 启用社区插件
    • 打开 Obsidian,点击左侧“设置”(齿轮图标)。
    • 进入“社区插件”选项,关闭“安全模式”以启用第三方插件。
  2. 搜索并安装插件
    • 在“社区插件”中点击“浏览”。
    • 搜索copilot。
  3. 验证插件安装

返回 Obsidian 主界面,确认插件已出现在侧边栏或命令面板(Ctrl/Cmd + P)中。

在这里插入图片描述


在这里插入图片描述

点击“安装”,安装完成后点击“启用”。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

API 配置

以下为每个 API 的配置步骤,确保已获取对应 API Key。

1. 智谱清言 (GLM-4-Flash)

  1. 获取 API Key
  2. 配置插件
    • 打开 Obsidian,进入已安装的 AI 插件设置(如 Text Generator)。
    • 输入以下信息:
      • 模型名称GLM-4-Flash
      • Base URLhttps://open.bigmodel.cn/api/paas/v4
      • API Key:粘贴生成的密钥。
  3. 测试连接
    • 保存设置,运行测试,确认 API 响应正常。

2. 通义千问 (qwen-max)

  1. 获取 API Key
    • 访问 通义千问
    • 登录阿里云账户,进入“模型市场”生成 API Key。
  2. 配置插件
    • 在插件设置中输入:
      • 模型名称qwen-max
      • Base URLhttps://dashscope.aliyuncs.com/compatible-mode/v1
      • API Key:粘贴密钥。
  3. 测试连接
    • 保存后运行测试,确保模型正常响应。

3. DeepSeek 深度求索

  1. 获取 API Key
  2. 配置插件
    • 在插件设置中输入:
      • 模型名称deepseek-chat
      • Base URLhttps://api.deepseek.com
      • API Key:粘贴密钥。
  3. 测试连接
    • 保存设置,测试 API 连接是否成功。

4. Kimi

  1. 获取 API Key
  2. 配置插件
    • 在插件设置中输入:
      • 模型名称moonshot-v1-8k
      • Base URLhttps://api.moonshot.cn/v1
      • API Key:粘贴密钥。
  3. 测试连接
    • 保存设置,运行测试确认连接正常。

5. GitHub 免费 GPT 接口 (gpt-3.5-turbo)

  1. 获取 API Key
  2. 配置插件
    • 在插件设置中输入:
      • 模型名称gpt-3.5-turbo
      • Base URL:根据 GitHub 项目提供的说明,输入 ChatAnywhere 的 Base URL(请确认具体地址)。
      • API Key:粘贴密钥。
  3. 测试连接
    • 保存设置,测试接口是否可用。

常见问题

  1. 插件安装失败怎么办?
    • 确保已关闭“安全模式”,并检查是否科学上网。
    • 尝试手动下载插件并放入 .obsidian/plugins 文件夹。
  2. API 响应超时怎么办?
    • 检查网络环境,或更换 API 服务。

Read more

Java 大视界 -- Java 大数据在智能家居环境监测与智能调节中的应用拓展(423)

Java 大视界 -- Java 大数据在智能家居环境监测与智能调节中的应用拓展(423)

Java 大视界 -- Java 大数据在智能家居环境监测与智能调节中的应用拓展(423) * 引言: * 快速上手指南:3 步跑通智能家居 Demo(新手友好) * Step 1:环境准备(必装软件清单) * Step 2:代码运行(按顺序执行) * Step 3:效果验证(用 Postman 模拟数据) * 正文: * 一、智能家居环境监测与调节的核心痛点 * 1.1 设备数据的 “异构化” 困境 * 1.1.1 多源数据的 “协议壁垒” * 1.1.2 数据规模的 “爆发式增长” * 1.2 实时调节的 “滞后性” 痛点 * 1.

飞书机器人插件开发:让HunyuanOCR自动识别群聊图片

飞书机器人插件开发:让HunyuanOCR自动识别群聊图片 在企业协作越来越依赖即时通讯工具的今天,飞书早已不仅是聊天软件,而是组织内部信息流转、任务协同和知识沉淀的核心枢纽。然而一个长期被忽视的问题是:每天成千上万张在群聊中流转的图片——合同截图、发票照片、会议白板、产品原型图——它们所承载的关键信息,却像孤岛一样“沉睡”着。 这些图像无法被搜索、难以归档、更无法参与自动化流程。要提取其中的文字内容,往往还得靠人工逐字抄录。效率低不说,还容易出错。有没有可能让系统自己“看懂”这些图片? 答案是肯定的。随着多模态大模型的发展,OCR(光学字符识别)技术已经从传统的“检测+识别”两阶段流水线,进化为端到端的智能理解引擎。腾讯推出的 HunyuanOCR 正是这一趋势下的代表性成果:它基于混元大模型架构,仅用约10亿参数就实现了业界领先的识别精度,且支持复杂文档解析、字段抽取、多语言识别等全场景能力。 更重要的是,这款模型可以部署在单卡4090D上,意味着中小企业也能低成本拥有自己的“视觉大脑”。如果再将它接入飞书机器人,就能实现这样一个理想场景:用户上传一张发票截图,

Java SpringBoot+Vue3+MyBatis Web宠物商城网站系统源码|前后端分离+MySQL数据库

Java SpringBoot+Vue3+MyBatis Web宠物商城网站系统源码|前后端分离+MySQL数据库

摘要 随着互联网技术的快速发展,电子商务已成为人们日常生活中不可或缺的一部分。宠物行业作为新兴市场,近年来呈现出快速增长的趋势,宠物用品的线上购买需求显著提升。传统的宠物商店受限于地理位置和营业时间,难以满足消费者随时随地的购物需求。基于Web的宠物商城系统能够突破时空限制,为用户提供便捷的选购、支付和售后服务。此外,宠物商城系统还能通过数据分析优化库存管理和营销策略,提升商家的运营效率。该系统不仅满足了宠物爱好者的需求,也为宠物行业的数字化转型提供了技术支持。关键词:电子商务、宠物商城、Web系统、数字化转型、MySQL。 本系统采用前后端分离架构,后端基于Java SpringBoot框架开发,提供稳定的RESTful API接口,确保系统的高效性和可扩展性。前端使用Vue3框架实现动态交互和响应式布局,提升用户体验。数据持久化层采用MyBatis框架,结合MySQL数据库存储和管理商品、订单及用户信息。系统主要功能包括用户注册与登录、商品分类展示、购物车管理、订单支付、评价反馈等。管理员模块支持商品管理、订单处理和数据统计分析。通过整合多种技术,系统实现了高性能、高安全性和良

苍穹外卖(前端)

苍穹外卖(前端)

前端环境搭建: 技术选型: 使用的前端技术栈:node.js、vue、ElementUI、axios、vuex、vue-router、typescript 代码结构: 核心目录 / 文件: 目录 / 文件说明apki封装 Ajax 请求的文件目录components公共组件存放目录views视图组件存放目录App.vue项目主组件、页面入口文件main.ts整个项目的入口文件router.ts路由配置文件 环境准备: 安装依赖包(生成 node_modules 目录): npm install 启动前端项目(需同时启动后端 Java 服务): npm run serve 员工管理: 员工分页查询: 需求分析和接口设计: 代码开发: 步骤一:制作页面头部 <div> <label> 员工姓名: