与 LLM 工具联动

让 AI 走进 Obsidian，门槛比你想象的低。最低限度，连插件都不用装——打开 Claude 或 ChatGPT 的网页，把一篇笔记粘进去，就开始了。本篇从这条最朴素的路走起，一步步到插件级的深度集成。

最小起点：把笔记喂给 LLM

任何一篇 Obsidian 笔记都是纯文本，复制粘贴毫无障碍。你可以给 LLM 这样几句指令：

• “帮我用三句话总结这篇笔记的核心论点。“——快速回顾长文。
• “找出这篇笔记里可能自相矛盾的地方。“——让 AI 当你的质疑者。
• “假设我是三个月后的自己，给我写一段’为什么这笔记重要’的提醒。“——对抗遗忘。

进阶一点，把好几篇笔记一起喂进去。比如把你关于”睡眠”的五篇笔记全粘进去，再问：“这几篇之间有什么我可能忽略的联系？“LLM 跨文档联想的能力，往往能挖出你自己没注意到的呼应。

自然语言检索笔记内容

Obsidian 自带的搜索是关键词匹配——你记得词，它才找得到。可人脑的记忆常常是模糊的：“我好像写过一篇讲晨间习惯影响专注力的……”这种时候，关键词搜索就力不从心了。

LLM 擅长的正是理解意图。把一个问题抛给接入了你笔记的 AI：“我哪篇笔记提到过咖啡因对深睡眠的影响？“它会去翻阅、定位、甚至给出原文片段和出处。这从”关键词检索”升级成了”语义检索”——你问的是意思，不是字面。

AI 自动生成摘要与链接建议

每写完一篇笔记，让 AI 做两件机械活，效率提升立竿见影：

1. 生成摘要。 长笔记读完，让 AI 提炼一段 50 字的 TL;DR，放进 Callout 里置顶：

> [!summary] 一句话摘要
> 咖啡因半衰期约 5 小时，下午 3 点后摄入会显著削减深睡眠时长。

2. 建议双链。 把新笔记和库里的旧笔记一起给 AI，问它：“这篇该链接到哪些已有笔记？“它会列出候选，并说明理由。你逐条判断——同意的补上 [[链接]]，不同意的略过。AI 提供线索，你拍板。

[!tip] 让 AI 看到你的链接风格 给 AI 看几篇你已有的、链接自然的笔记作为范例，它会模仿你的风格来建议，而不是千篇一律地堆砌。

让 AI 生成规范的 Obsidian 语法

LLM 默认的输出未必符合 Obsidian 规范——双链可能写成普通文本，属性可能漏掉，Callout 的语法可能错。解决办法是明确给范例。

一段好用的提示词长这样：

请按 Obsidian 规范输出这篇笔记，要求：
1. 顶部 YAML 属性，含 title、tags、aliases
2. 用 [[双链]] 而非纯文本提及已有笔记
3. 重点结论用 > [!important] Callout 包裹
4. 输出纯 Markdown，不要代码块包裹

参考范例：
---
title: "示例"
tags: [睡眠, 健康]
aliases: [睡眠笔记]
---
# 示例
正文……参见 [[深睡眠周期]]。
> [!important] 关键
> ……

把”格式契约”讲清楚，AI 就能稳定产出落盘即用的笔记。这一招在批量处理时尤其值钱。

插件流：Smart Connections 与 Copilot

如果你不想每次都复制粘贴，可以让 AI 住进 Obsidian。两个最常被提及的插件：

Smart Connections——在侧边栏开一个聊天窗，直接和你的笔记对话。它的招牌是实时相关性：你写到哪，它就在旁边列出”此刻最相关的几条笔记”，并解释为什么相关。底层支持 OpenAI 的模型与向量嵌入，也可配置本地模型。

Obsidian Copilot（社区开源）——一个更完整的 RAG 助手。它给 vault 建向量索引，支持跨文档问答、摘要、语法润色，并且可以用本地模型跑在本地，数据不出 vault。对隐私敏感的用户尤其友好。

[!note] 还有 Infio-Copilot、Text Generator 等 社区里同类插件不少，如开源免费的 Infio-Copilot（支持 DeepSeek 等 API）、擅长一键生成摘要的 Text Generator。选一两个顺手的即可，不必全装——插件装十个，Obsidian 还是一个文件夹。

从手动到驻留

这一篇的脉络是从外到内：先把笔记手动喂给云端 LLM，再让插件把 AI 驻留进 vault。两条路各有取舍——前者灵活、模型最强，后者无缝、可离线、可保隐私。

下一篇，我们再往里走一层：让终端里的 AI 代理（Claude Code、Gemini CLI）直接读写你的 vault，把”AI 辅助”变成”AI 自动化”。