给你的 Obsidian 插上 AI 大模型引擎

2024-04-16 01:44
文章标签 ai 模型 引擎 obsidian 插上

本文主要是介绍给你的 Obsidian 插上 AI 大模型引擎,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文首发自微信公众号「知墨」,你可以点此浏览更多,或者访问网页版「独立开发的100个思考​​​​​​​」。

🤔️ 我也想用上 AI 助手

我长期使用本地笔记工具的主要原因,是不想受限制于云端服务,自己的笔记可以安全的存储在自己的电脑硬盘上,不会因为云笔记服务商的跑路,或者出现体验更好的笔记工具,来回横跳,最后笔记过于分散,没有形成系统,在查找所需材料的时候无从下手。

一款可以直接编辑本地文件的 markdown ,才是我的趁手利器。

而 Obsidian 恰好满足了我的全部需求,不仅有很好的码字体验,而且有很多第三方插件可以加强笔记的使用体验,也不会因为服务提供商的策略调整额外付费。在此之前,我使用的是 Typora 和 Ulysses 。

从去年开始,在所有工具都在适配 AI 大模型功能,无论是常用的 Notion 还是去年火起来的 Craft。在市场的培养中,我也适应了 AI 带来的便利,生成图片、编写文档、小范围写点代码,我已经把很多的工作外包给了 AI 。

然而,自己的电脑肯定是没有带动大模型系统的条件。我有时也会想,如果想实现与本地笔记对话的 AI ,似乎只能把笔记全都手动搬到云端应用上,使用服务提供商的大模型。但这样一是费时间,二是不安全,三是还不确定云端服务的效果。

我回头看了看我的全部笔记,几乎每天都会有至少2000字的内容,有习惯养成的复盘、计划和方法、阅读内容的笔记以及时间/精力的分配记录。一个月下来,再去回顾的时候,就要花费很多时间,另外因为笔记文件太多,要去查找的时候并不是特别方便,因此我需要一个 AI 来帮助我做一些总结和提醒。

到此,我需求已经很明确了:找到一款本地可用的大模型工具,或者是把笔记系统搬到线上。不过我更倾向于前者,但不排除前者无法有效满足我需求的可能。

所以,我从两个方向出发先尝试一下本地可用的大模型:一是要在 obsidian 市场中找到一款能使用 AI 的插件,二是要找到一个价格合适而且好用的 AI API 。

得益于开发者提供的插件,我在 obsidian 社区中很快锁定了 copilot for obsidian 插件,理由很简单:不受限于 OpenAI 的服务,可以对接任意的大模型 API 。搜索的时候,看到很多是基于 OpenAI 开发的插件,虽然效果很不错,但价格确实不便宜,平替+性价比才是最好的。

图片

我碰巧在 Twitter 中看到一条跟我在寻求相同解决方案的帖子,在下方的评论里面,我发现了一家名叫 openrouter.ai 的公司,这家公司提供很多开源模型的服务,无需自己 host 就可直接调用 API,而且提供了很多大 token 模型的免费 API 调用(Grok刚刚开源,估计很快就能体验到)。

图片

🧐 一阵折腾

一切准备就绪之后,就差把大模型应用到 obsidian 里面了。

首先从 openrouter.ai 中生成一份新的密钥。

图片

把密钥配置到 copilot for obsidian 插件中。

这里有很多选项,你需要往下拉就找到 openrouter.ai,然后在对应的位置填写密钥。

特别注意的是在选择模型的时候,一定要从 openrouter.ai 提供的模型中复制代码出来,比如你填写「ChatGPT」肯定就不能用。可以通过输入框下方的「Find Models Here」链接找到对应的模型。

我使用的「OpenChat」模型,原因是携带的上下文比较大而且模型效率还不错,在 openrouter.ai 中免费版对应的代码是「openchat/openchat-7b:free」。

填写完密钥和模型代码,记得回到页面顶部,点击保存,才能生效。

图片

这时,在 obsidian 左侧就已经出现了「Chat」的图标,点击图标就可以跟实现跟 AI 的对话。

图片

🍺  效果

目前来说,我已经用了一个多星期,也切换了不少模型,整体的体验效果不错,免费的 API 速度相较于GPT-4来说都能快出很多,虽然效果不如GPT-4,但能满足我的基本需求,剩下的就是我还需要花点时间研究研究如何调校好写好 prompt,让 AI 更好地服务于我。

图片

不过,唯一的不便是在手机和iPad上不能使用, copilot for obsidian 插件仅限电脑端使用。

你可以点次访问「100个思考」专栏

https://ivonee.notion.site/100-3875888c4d284909973821d3dc4c06b3

或者关注我的微信号「知墨」,订阅更新。

Reference

  • openrouter.ai :https://openrouter.ai

  • copilot for obsidian Github :https://github.com/logancyang/obsidian-copilot

这篇关于给你的 Obsidian 插上 AI 大模型引擎的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/907491

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费