轉載自機器之心。
工欲善其事，必先利其器。使用好用的工具可以極大地提升我們生產和學習的效果和效率。今天我們要介紹一套基於 Obsdian 的 AI 工具組合，其中包含部署本地 LLM 的 Ollama 和兩個 Obsdian 插件（BMO Chatbot 和 Ollama）。
這套工具不僅能幫助我們分析筆記、做總結、想標題、寫代碼，還能幫助我們大開腦洞，為我們續寫內容和提供建議。
Obsidian 簡介#
Obsidian 是目前最受歡迎的筆記工具之一，但它的能力遠不止此。你不僅能將其用作筆記本，還可以將其作為你的個人知識庫和你的文檔生產力工具！許多人甚至將其稱為自己的「第二大腦」。
它的優勢包括：支持 Markdown、具備豐富的插件生態、支持自定義主題風格、支持 Wiki 式的文檔鏈接、內置關係圖譜、基本功能完全免費、完全支持本地存儲……
這諸多優勢幫助 Obsidian 在全球範圍內收穫了大量用戶。你能在網上看到很多人分享使用該工具學習知識、寫作論文、創作小說、計劃日程乃至管理生活中一切事物的經驗，以至於圍繞該工具已經形成了頗具規模的利基市場 —— 模板、課程以及預配置好的資料庫（vault）都能成為商品。這也從另一個角度佐證了 Obsidian 的非凡能力。
（圖注）Obsidian 在哔哩哔哩和 YouTube 上都是非常受歡迎的話題
總之，如果你正在尋找一個好用的學習和生產工具，或者說想要為自己構建一個第二大腦，Obsidian 絕對值得一試！
為什麼要在 Obsidian 中使用 LLM？#
無需懷疑，我們現在正處在大模型時代。它們不僅能幫助我們提升效率和生產力，也能幫助我們創新和探索更多可能性。
人們也已經開發出了 LLM 的許多妙用，這裡我們簡單展示一些你可以在 Obsidian 中實現的用法，助你見微知著，去探索和發現更多有趣或有用的用法。
第一個例子便是筆者在前一段中忘記了「見微知著」這個成語時，無需額外使用搜索引擎或撥打求助電話，只需問詢一下旁邊待命的聊天機器人，便很快得到了我想要的結果。
這裡用到了 BMO Chatbot 這個插件，其能以聊天機器人的形式將 LLM 整合進你的 Obsidian。該插件還能讓你基於當前文檔進行聊天。如下所示，我們讓 LLM 用漢語總結了這篇英語報導並建議了一些標題：
當然，幫你續寫故事自然也不在話下。下面我們讓 LLM 幫助續寫弗雷德里克・布朗那篇著名的世界上最短的小說：
地球上最後一個人獨自坐在房間裡，這時，忽然響起了敲門聲……
這裡使用了另一個插件 Ollama 和預配置的命令，其提詞為：「根據以上內容，續寫故事。要求續寫 200 字，人物風格保持一致，同時為後文留下懸念。」
另外，可以明顯看到這個插件的運行速度更慢一點。這是因為此處使用了本地安裝的 LLM—— 一個 8B 版本的 llama3.1 模型，其運行速度受限於當前的硬件。
好了，示例就到這裡。下面來看如何安裝和使用這些插件和 LLM 吧。
安裝本地 LLM#
對我們大多數人來說，本地計算機能夠運行的 LLM 的性能自然無法與 OpenAI 等大公司提供的在線服務相比，但本地 LLM 的最大優勢是數據的隱私和安全 —— 使用本地 LLM，你的所有運算都在自己的計算機上完成，不必擔心你的數據被傳輸給服務提供商。
當然，如果你並不在意自己的筆記隱私，那麼使用在線服務也能很好地完成你的任務，也就完全可以略過這一步驟了。
為方便本地使用 LLM，我們要用到一個名叫 Ollama 的工具。Ollama 是一個非常好用的本地部署 LLM 的工具，適合任何人使用，下載安裝即可，地址：https://github.com/ollama/ollama/releases
之後，進入 Ollama 支持的模型庫：https://ollama.com/library ，根據你自身的需求和計算機硬件選擇模型，之後運行相應的代碼即可。比如如果你想安裝一個 8B 參數的經過指令微調和 Q8_0 量化的 Llama 3.1 模型，就運行：ollama run llama3.1:8b-instruct-q8_0
當然，你也可以安裝多個不同規模或針對不同任務（比如編程）微調過的模型，這樣可以方便在需求不同时在速度和生成效果之間權衡選擇。
安裝和配置 BMO ChatBot 和 Ollama 插件#
這兩個插件都已上線 Obsidian 的社區插件市場，搜索、下載並啟用即可。
配置 BMO Chatbot 插件#
進入選項，你可以在 General 設置中選擇你已經安裝的本地模型或配置的在線模型。如下圖所示，我這裡本地安裝了一個 Llama 3.1 和一個 Llama 3，同時配置了 OpenRouter 的 API（可訪問大量模型）和一個智譜的在線語言模型 GLM-4-Flash。下面可以設置最大 token 數、溫度（0-1 之間，值越大生成的文本越有創意）以及選擇是否索引當前筆記。
Prompts 中可以通過筆記設置系統提詞。
而在更下面的 API Connections 區域，你可以配置在線模型。
配置完成之後，便可以通過 Obsidian 右邊欄或使用 Ctrl+P/Cmd+P 快捷鍵使用這些 LLM 了。
除了使用 BMO 聊天機器人，該插件還支持用 LLM 重命名當前文檔以及使用選中文本作為提詞生成內容。
配置 Ollama 插件#
Ollama 插件僅支持前面通過 Ollama 安裝的本地模型，但其優勢是可以預配置常用提詞命令，之後通過 Ctrl+P/Cmd+P 就能方便調用。
下面是一個代碼生成示例：
結語#
Obsidian 結合 LLM 工具能為我們的學習和生產工作帶來極大的便利。Obsidian 作為一款強大的筆記工具，不僅支持豐富的插件生態，還能通過本地部署 LLM 來提升我們的效率和創新力。
安裝和使用 BMO Chatbot 和 Ollama 插件，讓我們能夠輕鬆地將 LLM 融入 Obsidian，從而實現筆記分析、總結、標題生成、內容續寫等多種功能。這不僅能讓我們節省時間和精力，還能激發我們的創造力。
當然，在使用這些工具的同時，我們也應關注數據隱私和安全問題。本地部署 LLM 能夠保證我們的數據不離開個人設備，從而降低數據洩露的風險。
總之，Obsidian+LLM 為我們打開了一扇新的大門，讓我們能在信息爆炸的時代更好地利用科技力量，提升自我。