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

Stable-Diffusion-v1-5-archive镜像免配置:Web界面+Supervisor自动恢复实战

Stable-Diffusion-v1-5-archive镜像免配置:Web界面+Supervisor自动恢复实战 想体验经典SD1.5文生图的魅力,又不想折腾复杂的本地部署?今天,我们就来聊聊一个“开箱即用”的解决方案——Stable-Diffusion-v1-5-archive镜像。它最大的特点就是:零配置,有Web界面,服务挂了还能自己“活”过来。 对于刚接触AI绘画的朋友来说,这简直是福音。你不用去研究Python环境、模型下载、依赖冲突这些让人头疼的问题。这个镜像已经把一切都打包好了,你只需要启动它,打开浏览器,就能开始你的创作。 这篇文章,我会带你从零开始,手把手教你如何部署和使用这个镜像,并重点讲解它内置的“Supervisor守护进程”是如何确保服务稳定运行的。即使你完全没有服务器管理经验,也能轻松跟上。 1. 镜像核心能力与特点速览 在动手之前,我们先快速了解一下这个镜像到底能做什么,以及它有哪些吸引人的地方。 1.1 它是什么?能做什么? Stable-Diffusion-v1-5-archive镜像,简单说,就是一个封装好的、可以直接运行的SD1.

llama.cpp本地部署性能调优指南:从启动瓶颈到推理效率的全方位优化

llama.cpp本地部署性能调优指南:从启动瓶颈到推理效率的全方位优化 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 在本地部署大语言模型时,你是否经常遇到启动缓慢、资源占用过高的问题?模型加载时间过长不仅影响开发效率,更会降低用户体验。本文将通过"问题诊断→核心原理→分级优化→场景适配"的框架,帮助你系统性解决llama.cpp的启动性能瓶颈,实现模型加载速度与资源占用的双重优化。我们将深入分析性能瓶颈的根本原因,提供分级优化策略,并针对不同使用场景给出定制化解决方案,让你的本地大模型部署既高效又稳定。 问题诊断:llama.cpp启动性能瓶颈分析 症状识别:常见性能问题表现 启动llama.

拆解 Llama 4 Scout:Meta 新一代 MoE 模型到底强在哪

拆解 Llama 4 Scout:Meta 新一代 MoE 模型到底强在哪

摘要 Meta 于 2025 年 4 月发布的 Llama 4 Scout,是其首次将混合专家(MoE)架构引入 Llama 系列的轻量化先锋模型。作为 Llama 4 家族的入门级 MoE 型号,该模型在参数规模与部署效率间实现了精准平衡:总参数达 109B,但单 token 仅激活 17B 参数,结合原生多模态能力与行业领先的 10M token 上下文窗口,既具备处理复杂任务的潜力,又支持在单张 NVIDIA H100 GPU 上完成高效部署。 官方数据显示,Llama 4 Scout 在 MMLU、ChartQA 等主流基准测试中,显著优于 Gemma 3、

AI生成内容(AIGC)在游戏与影视行业的落地案例

AI在游戏行业的应用案例 角色与场景生成 游戏开发中利用AI生成NPC角色、对话文本或开放世界场景。例如《赛博朋克2077》使用AI辅助创建城市细节,减少人工建模时间。MidJourney等工具被独立开发者用于快速生成概念艺术图。 程序化内容生成 《无人深空》通过算法生成无限多样的星球生态系统,每个玩家探索的星球都是AI实时生成的独特版本。这种技术大幅降低了内容生产成本。 智能测试与平衡 EA使用AI自动测试游戏BUG,模拟数千小时玩家行为以发现漏洞。MOBA类游戏如《DOTA2》采用AI系统分析海量对战数据,自动调整英雄属性平衡。 AI在影视行业的应用案例 剧本与分镜辅助 Netflix使用AI分析成功剧本结构,为编剧提供情节建议。迪士尼通过AI工具快速生成分镜草稿,将传统需数周的分镜制作缩短至数小时。 数字角色创建 《曼达洛人》使用虚幻引擎的AI面部捕捉技术,实时渲染年轻版卢克·天行者。国内《流浪地球2》通过AI算法生成550W量子计算机的交互界面动态效果。 后期制作优化 Topaz Video AI等工具被用于经典影片4K修复,自动补帧降噪。爱奇艺利用AI实现一键智