Obsidian + 本地AI实战指南——用DeepSeek/Ollama给你的第二大脑装上灵魂

我接触 Obsidian 的时间不算短，但真正让它”活”起来，是当我把本地 AI 模型接进去之后。

为什么要给 Obsidian 装一个”本地大脑”？

笔记软件的尽头从来不是”记了多少”，而是”用的时候能不能找到”。Obsidian 的块引用、图谱、双向链接已经很强大，但当你面对几百上千条笔记时，靠大脑去回忆”我好像在哪记过这个”是很痛苦的。

本地 AI 带来的变化：

• 语义搜索：不用打字一模一样也能搜到，搜”最近看的那个关于容器网络的笔记”就能找到
• 自动打标签：新笔记写完后自动分析主题，补齐标签和分类
• 内容联想：写当前笔记时，AI 自动提示相关的老笔记，避免重复记录
• 本地私密：所有数据不出本机，笔记内容和模型推理全在你电脑上

准备工作

你需要：

• 一台有 8GB 以上显存的 GPU（没有也能跑，用 CPU 推理慢一些）
• 安装 Ollama（推荐）或 vLLM
• Obsidian 社区插件 Copilot 或 Smart Connections

第一步：部署本地模型

Ollama 是最省心的选择，一条命令起服务：

# Linux / macOS
curl -fsSL https://ollama.com/install.sh | sh

# 拉取合适的模型（根据你的显存选择）
ollama pull qwen2.5:7b     # 8GB 显存可用
ollama pull qwen2.5:14b    # 16GB 显存推荐
ollama pull nomic-embed-text  # 嵌入模型，语义搜索必须

启动后 Ollama 默认监听 11434 端口，Obsidian 插件直接连接即可。

第二步：配置 Obsidian 插件

方式一：Copilot 插件（推荐）

在 Obsidian 社区插件市场搜索并安装 Copilot，设置里填入：

• API Endpoint：http://localhost:11434/v1
• Model：qwen2.5:7b（或你拉取的模型）
• Embedding Model：nomic-embed-text

配置完后，你就可以在 Obsidian 里直接和笔记对话了。

实际体验

用 qwen2.5:7b 在 3060 12G 上，推理速度大约每秒 25-35 token，回答简单问题延迟 1-2 秒。做语义搜索时，即使我把笔记标题写错，只记得关键词，也能准确找到目标笔记。

最有用的场景：写新笔记时，Copilot 会在侧边栏自动推荐 3-5 条相关旧笔记，经常能翻出我完全忘记的记录，省去不少翻找的功夫。

要注意什么

• 中文语义搜索用 nomic-embed-text 就够了，不需要专门的中文嵌入模型
• 如果 Copilot 插件连接不上，检查 Ollama 是否监听在 0.0.0.0（默认是 127.0.0.1）
• 大量笔记首次建立索引会消耗一些时间，跑一次后面就是增量更新
• CPU 推理也行，但语义搜索建议跑在 GPU 上，体验差距明显

把本地 AI 接进 Obsidian，是我今年做的最值得的笔记改造。你的笔记不再只是”存着”，而是真的能被”用起来”。