huangyihe@newtype.pro ~ $

AI工具

AI剪藏公众号文章，全自动总结、提炼、存进Obsidian

Key Takeaway

  • Web Clipper插件的Interpreter功能能实现AI自动总结、提炼公众号文章，并保存到Obsidian，极大提升信息处理效率。
  • 该插件支持桌面端和移动端，可根据预设模板和触发条件自动化剪藏流程。
  • 用户可选择不同大模型（如GPT-4o mini、Claude、Gemini、Ollama）进行内容处理，并自定义笔记内容和存储位置。
  • Interpreter的配置包括设定大模型、模板（行为、存储位置、触发条件、笔记内容、处理上下文）等。
  • 文章强调了Web Clipper在信息搜集和预处理方面的重要性，以及其在减轻阅读压力方面的实用价值。

Full Content

如何用AI自动总结、提炼一篇公众号文章，并且把这些生成的内容和原文一起保存进Obsidian，成为一条笔记？

我强烈推荐大家试试Web Clipper这款插件。它有个功能叫Interpreter，就能实现刚才说的需求。我快速演示一下，非常简单：

在桌面端，如果要处理这篇公众号文章的话，点击浏览器右上角的插件按钮。这时，插件发现这是一篇公众号文章，自动选择了我事先设定好的模板，用我事先设置好的GPT-4o mini做两件事：

第一，总结整篇文章。这样我就知道它大体上是关于什么的。

第二，提炼文章要点。这样我就知道它里边的要点。

然后，我只需要点击保存，刚才这两个部分会放在开头，后边跟上整篇文章的内容，全部打包成为一条笔记，存进Obsidian里边。

这整个过程我只点了两下，其它都是自动完成的。在移动端也是基本类似的操作。

用Safari打开公众号文章之后，点击地址栏左边的按钮，然后在扩展列表里点击插件，这时会出现跟桌面端基本一样的界面。这时再点击右边的Interpret，模型就会自动按照设定好的要求去处理文章。几秒钟之后，再点击保存就搞定了。

因为需求很简单，就是总结和提炼，所以在模型的选择上，我用了速度快、价格便宜的GPT-4o mini。你也用别的，比如Claude或者Gemini。

如果你注册御三家的账号有困难，还可以选择OpenRouter这样的第三方平台，它集成了市面上所有的主流模型。

如果你就是一分钱也不想花也OK，这款插件还支持Ollama。你就在机子上跑个小一点的模型，也很舒服。像Qwen就提供了好多参数的版本，看着挑就好。

哈喽大家好，欢迎来到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西比教程更值钱。记得点一波关注。如果想链接我，就来newtype社群。已经有600多位小伙伴付费加入啦！

回到今天的主题：Web Clipper的Interpreter功能。

这是我做的第三个关于这款插件的视频。大家如果需要基础操作的讲解的话，去翻我之前的。

我之所以这么看中它是因为，信息的搜集和预处理真的非常重要。我在半年多前还特意写过一个脚本，创建了一个Agent Workflow，专门实现刚才演示的那些功能。现在人家一个插件就搞定了，而且还支持移动端。

要配置Interpreter很简单，就两个步骤：

第一步，设定大模型。

点击Add Provider，在弹出界面里选择模型提供方。不同的提供方有不同的Base URL。大家如果之前写过脚本的话，对这个应该非常熟悉。

填完链接和API Key之后，还需要配置一下模型。因为一款模型可能有多个提供方，比如OpenAI和OpenRouter都有GPT系列，所以这边一定要选好。

至于Model ID，一定要按官方的格式填。不知道的话，就去后台看，每一款模型的ID肯定会有。

这两步搞定之后，Interpreter就算设置好了。接下来是模板的设置。我从上往下介绍。

Behavior指的是让插件怎么做，比如是创建一条新笔记，还是在现有的笔记后边做补充。

Note Location和Vault是告诉插件，把笔记存到哪个位置。

Template Triggers就是触发条件。当条件满足的时候，插件会自动选择这个模板，就省去你手动选择的麻烦。我这边设定的条件是公众号文章的网址。

Note Content就是创建的笔记需要包含什么内容。我设定了三个：1、Summary；2、Key Facts；3、全文。大家可以根据自己的需要做调整。

Interpreter Context就是你希望插件处理哪部分的内容。我在这边填Content，意思就是让它处理整篇文章。这个大家也可以根据自己的需求去修改，比如让插件只抓取网页某个部分的内容。

做完这两个部分的设置后，Web Clipper插件就会自动选择模板、自动做总结和提炼。这个对减轻我们平时的阅读压力真的很有帮助。大家看完了一定试试。

OK，以上就是本期内容。想聊AI，就来我们newtype社群。那咱们下期见！

AI学习法：Deep Research + Obsidian + Cursor

Key Takeaway

  • 作者介绍了一种结合Deep Research、Obsidian和Cursor的“AI学习法”，旨在实现深度研究、知识提取和知识图谱构建。
  • Deep Research提供高信息密度的输入，Obsidian通过反向链接功能将报告中的知识点系统性地关联起来。
  • Cursor的Composer功能能够直接对Obsidian笔记进行知识点提取、解释和内容生成，充当强大的AI辅助工具。
  • 这种学习法强调了AI工具组合使用的价值，以实现超越单一工具的效果。
  • 建议在与AI工具交互时，将复杂任务分解为清晰的步骤，以提高效率和准确性。
  • 长期来看，定期回顾和复习知识点对于巩固学习效果至关重要，可利用Obsidian的随机笔记插件辅助。

Full Content

介绍一个我最新研究出来的“AI学习法”，非常强大。它用到了Deep Research、Obsidian、Cursor，可以针对你的需求做深度研究、知识点提取和解释，并且形成知识图谱。

去年我出过一期社群专属视频，介绍了用Cursor搭配Obsidian使用。其实当时就有这个想法了。现在有Deep Research，这个AI学习法终于可以闭环了。

Deep Research是第一个环节。它可以提供信息密度非常大的输入。但是要完全消化的话，还需要对报告里的知识点做进一步处理。

于是，就需要Obsidian。它的反向链接功能特别好用。在一篇笔记内，如果提到了另一篇笔记，就可以链接过去，最终形成一个知识图谱。这是我把Deep Research的结果放进Obsidian的原因——让作为报告的笔记，和它相关的知识点笔记都关联在一起。这有助于我们系统性地去理解。

那么，问题又来了：知识点该如何提取和解释呢？于是，就需要Cursor。

Cursor的Composer功能可以直接对文档做修改，还可以创建新的文档。用它打开Obsidian存储在本地的笔记，通过对话就能完成一切。

最终，回到Obsidian里，我们不仅能看到一篇深度内容，而且每一个知识点都帮你捋得明明白白。剩下就靠你自己了。

AI都帮到这份上了，还有什么理由学不会？

哈喽大家好，欢迎来到我的频道。谦虚地说啊，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西比教程更值钱。记得点一波关注。如果想链接我，就来newtype社群。已经快1000人付费加入啦！

回到今天的主题：AI学习法。

我在社群内分享过，想借助AI获得Unfair Advantage，其中一个关键，就是知道如何组合使用各种AI工具，获得框架之外的效果。我的AI学习法就是最好的例子。

我给大家做一个实操演示。议题是：DeepSeek-R1有哪些技术创新？

Deep Research我用OpenAI的。目前在这个应用上，他们是全球最贵、全球最强，没有之一。稍等几分钟，一个非常详细的技术解析报告就生成了。

就像前边说的，这个报告信息密度很高。你要是硬啃的话，估计有点难度。于是，我把它复制下来，放到Obsidian里边。为了方便演示，我创建一个新的文件夹，这样一会儿大家看得比较清楚。

另外，我这边只截取了报告的第一部分，并且把Markdown格式全都去干净了。因为我发现，如果文章中有太多Markdown语法的话，会对Cursor有很大影响。很有可能它就没法对文章做修改了。

OK，接下来在Cursor中打开文件。记得在右边栏选择Composer，而不是Chat。

关于Cursor的三种模式——Chat、Composer、Agent，我之前在社群内说过：如果你要自主掌控的话，用Chat模式，可以选择接受哪一部分代码；如果你要全自动化的话，选择Agent。而Composer居中，有一定的自动化能力，正好是我们现在需要的。

接下来，把第一步需求告诉Cursor：帮咱们提取知识点，用Obsidian的反向链接格式标注出来。其中，那些常规名词不需要标注，比如公司和产品的名称。

我演示的文章不长，所以Cursor没多久就搞定了。如果是很长的文章，它会分批操作，需要我们说“继续”了，它才会继续。

第一步完成之后，这篇文章里的知识点都被标注出来了，非常清晰。第二步就是对每一个知识点都创建一个空白的md文档。文件名就是知识点的名称。也就是说，每一个知识点都是一条笔记。这样一来，通过反向链接功能，也就是前边的标注，就能把这些单独的知识点和原文串联在一起。

创建这些空白文档对Composer来说非常容易，很快就搞定了。那么第三步就是填充内容。在刚才创建的每一个空白文档内，补上这个知识点的解释，并且要通俗易懂。

因为这些都是技术名词，不是什么时效性比较强的内容，所以模型用自己的知识储备就可以搞定。

这三步完成之后，咱们就可以从Cursor回到Obsidian了。可以看到，点击文章中的知识点，就会跳转到知识点的笔记，里边有专门的解释。而打开文章的链接图谱，可以看到这篇笔记都关联了哪些笔记。需要的话，你也可以从图谱里任意跳转。

我这边演示的都是基本操作。大家在实际使用过程中可以做细化和调整。比如有哪些知识点你觉得不需要的话，可以手动删除，或者让Cursor帮你搞定。另外，当你吩咐Cursor干活的时候，尽量把步骤拆开，比如我刚才就是分成三次让它操作，并且交代得明明白白。这样才能避免很多奇怪的问题发生。

最后，One more thing：长期来看，你还需要时不时去回顾、去review之前的知识点，才能有比较好的效果。不然那些笔记都堆在那里，你再也记不得。所以，针对这种情况，我推荐安装这个插件：Open random note。就像名字说的那样，你点击一下，它就会随机打开一篇笔记。所以，你闲着无聊的时候就点几下，看几条笔记呗。相信我，真的有效果。

OK，以上就是本期内容。想了解AI，来我们newtype社群。那咱们下期见！

Cursor就是最强知识库应用，没有之一

Key Takeaway

  • Cursor作为编程软件，天生具备RAG能力，能对本地文件进行索引和处理，使其成为强大的知识库应用。
  • Cursor与Obsidian的本地化存储特性完美结合，用户可以通过Cursor直接操作和利用Obsidian的笔记文件。
  • 通过创建cursorrules文档，用户可以自定义Cursor的工作方式，例如优先检索本地文档、进行联网搜索，并调用特定的MCPs（如Markitdown用于PDF转换，Sequential Thinking用于复杂问题拆解）。
  • Cursor的Composer功能和聊天功能可以对笔记进行总结、提炼和扩写，充当Obsidian的“超级AI插件”。
  • 这种组合工作流能够兼顾本地知识和网络信息，提供逻辑性强的答案，极大提升知识管理和创作效率。

Full Content

最好用的知识库应用，就是Cursor，没有之一！

你们经常看我发的视频就知道，过去一年多，我用了太多太多知识工具。越用越发现：大道至简，用Cursor就可以了。

你想嘛，RAG能力Cursor本来就有。它是个编程软件。既然要编程，肯定得了解所有代码的情况。所以，当Cursor打开文件夹之后，就会对文件夹内的所有文档进行索引和哈希处理。像Markdown之类的文件，它会进行切块、嵌入向量。

所以，知识库应用该有的RAG能力，Cursor天生就有。不管是代码还是纯文本，它都能一样处理。而且，因为它要写代码，所以肯定要有创建文档、修改文档的能力。这就意味着，它可以帮我们直接写笔记、写文章，对吧？

这还没完。Cursor本身具备搜索能力。你不用特意添加什么工具，它就可以联网搜索，甚至直接打开一个网页。

最后，只要出现了最先进的模型，Cursor一定会第一时间支持。所以这20美元的订阅，我个人认为是非常非常划算的。当然，如果你不想用Cursor的模型，也可以填自己的API Key进去。

那么，我们该怎么用Cursor配合自己的文档进行工作呢？

我的经验是，一定要创建一个cursorrules文档。这个文档放在根目录下，用来告诉Cursor必须遵守哪些项目规则。我给你们演示一下。

你看，我在文档里规定了：

第一，回答之前都必须首先检索文件夹内的所有文档，看看有没有相关的内容可以作为上下文。

第二，光查了本地文档还不够，还得联网搜索，这样信息才齐全。

除了这两个基本要求，我还给Cursor配了两个MCP：

如果遇上PDF文档，就用Markitdown这个MCP做转化。不然Cursor就得写个Python脚本进行处理，就非常麻烦了。

如果问题有点复杂，那就用Sequential Thinking进行拆解、组织内容，这样逻辑性才强。

这两个MCP的用途和触发条件，我都给Cursor写明白了。

最后，我还附上了一个示例，包含每一步怎么处理，清清楚楚。AI绝对可以理解。

有了这一大套底层规则，Cursor就知道怎么跟我配合了。

比如我问它：如何在本地部署知识库？

首先，它花了几秒钟思考这个问题。因为我把Thinking选项打开了。

接着，它把文件夹内的文档检索了一遍。

然后，联网搜索，进一步补充信息。

最后，用Sequential Thinking对所有内容进行梳理，把逻辑整理清楚。

你看，使用这种方法，这样的流程跑下来，知识库里的内容和网上的内容都兼顾了，获得的答案逻辑性也很强。这个就是我说Cursor 最强知识库应用的原因。

我刚才演示的规则是我的需求。大家可以根据自己的需求做修改。其实你让Cursor帮你写也是可以的。

OK，以上就是本期内容。想交流AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Gemini + Grok：最被忽视的AI生产力工具

Key Takeaway

  • Gemini和Grok是两个被低估的顶级AI应用，它们在不同方面展现出强大的生产力。
  • Gemini提供多功能体验，包括快速回答（Flash）、文章创作（Canvas）和深度报告（Deep Research），并能与Google文档和NotebookLM无缝集成，支持深度学习。
  • Grok在模型回答上更具“人味”，产品设计简洁，并拥有独特的Twitter数据源，使其在获取用户真实反馈方面具有优势。
  • 结合使用Gemini（获取主流媒体信息）和Grok（获取社交媒体信息）可以获得更全面和真实的洞察。

Full Content

有两个顶级AI应用还在被国人忽视。一个是Gemini，一个是Grok。

Gemini我已经推荐得足够多了。你看，过去半年，我在社群内真的是苦口婆心、反复强调。我从1.5的模型开始，用到了2.0、2.5，真的是越用越喜欢。不说那些复杂的，就说日常使用，就像我这个帖子说的：

如果你只想要个快速回答，那直接问Gemini 2.0 Flash。它速度快，推理强，运行还稳定。

如果你想要稍微深入一点，那就把Canvas打开。Gemini 2.0 Flash会按照写文章的标准来回答你。

如果你想要详尽的报告，那把Deep Research打开。Gemini 2.0 Flash会按照报告的标准来输出。

我直接给你们来个演示吧。

比如，我问Gemini：什么是Reasoning model？它很快给出一个简要的回答。

我把Canvas也就是画布打开。再问它同样的问题。这个时候，回答速度稍微慢一些，但是详细程度会高得多。在Canvas里边，你可以对文本进行排版、编辑，也可以选中一段进行提问。也就是说，用这个功能，你可以跟Gemini配合起来完成一篇文章的创作。

如果我把Deep Research打开呢？还是同样的问题——什么是Reasoning model。Gemini会帮我拆解议题，然后查找上百个网页，最终完成深度报告的输出。

你看，就这么简单的三个功能——直接对话、Canvas和Deep Research，覆盖了我们日常使用AI的主要场景。

更进一步，如果你觉得这些回答有价值，还可以把它们保存到Google文档里。

刚才介绍的三个功能，后两个都可以导出到Google文档。然后，就像我前一个视频里介绍的，打开NotebookLM，把Google文档里的相关内容全部导入，然后就可以进行深度学习了。

Gemini还有别的功能，比如画图什么的，我就不多说了。光是刚才我介绍的那些，就足以值回票价。

而且，Google还在不断更新。就在昨天，他们推出了首个混合推理模型——Gemini 2.5 Flash。你可以自主选择要不要打开思考模式，甚至还可以设定要投入多少资源进行思考。这个模型的出现，更加强化我要继续拥抱Gemini的信心。

那么，既然Gemini这么牛逼，还要Grok干嘛呢？三个原因：

第一，从模型回答的感觉上看，Grok 3要比Gemini 2.0好得多。

Gemini 2.0还是有一种生硬感、机械感，这可能就是Google独有的味道吧。而Grok 3的回答就比较有“人味”，所以我会逐渐倾向于多跟它交流。

第二，从产品角度来看，Grok最完整。

就像之前我在社群里说的，Grok没搞那么长的模型列表让用户选择，就两个按钮：深度思考，和深度搜索。没有模型之分，只有模式之分，甚至再到后边连模式都不需要选择了，AI会自主判断。这个才是正道。像OpenAI那种，有点丧心病狂了。

另外，前两天的更新，给Grok补上了Canvas和Workspace功能。Canvas和别家差不多，就是标准的画布。而Workspace，就类似知识库的功能，特别好用。

现在，Grok已经集齐目前的主流功能。产品层面已经相当成熟了。

第三，从数据源角度来看，Grok拥有别家都没有的Twitter数据。

Twitter现在是最有影响力的社交媒体，它的数据对于AI来说很重要。如果能把Twitter所代表的社交媒体数据，和Google那边掌握的主流媒体数据合并起来，那对提升AI的回答质量肯定有帮助。具体怎么做呢？我再演示一下。

其实这个方法我在社群内也分享过。很简单，Grok的Workspace功能除了支持本地文档上传之外，还支持从Google Drive里导入——这个就是关键功能。

我会先用Gemini做一轮Deep Research，把报告导入Google文档。然后，到Grok里添加这些Google文档，并且在Prompt里强调：附件信息只是参考，你要有自己的搜索和判断。另外，Twitter上用户都有哪些反馈？重点看看。

注意看Grok的分析过程。从主流媒体的信息搜集来看，它确实不如Gemini能搜到那么多。其实不只是它，OpenAI的搜索范围也有限。但是，Grok能搜集Twitter上的数据，包括帖子和评论，这个就是它的独有价值。

我之前在公关营销行业干了十几年，非常清楚只有你预算够，绝大部分主流媒体的内容都可以买，或者都可以影响。相比之下，用户的实际使用反馈就相对真实得多。所以，当我想了解的议题涉及到用户口碑的话，我肯定会通过Grok去搜集，并且跟Gemini那边的主流媒体信息进行合并。

刚才介绍的这两款AI工具的使用经验，看起来确实平平无奇，不像很多AI自媒体介绍的那些玩法那么酷炫，但这些都是能帮到你的真东西。如果你觉得有价值，还想了解更多的话，记得加入我们社群。

OK，以上就是本期内容。那咱们下期见！

Omnivore停运，用啥替代？

Key Takeaway

  • Omnivore停运后，Web Clipper成为替代方案，它是一款浏览器插件，能将网页内容剪藏并同步到Obsidian。
  • Web Clipper支持在桌面端和移动端使用，能保存整篇文章或部分内容，并支持自定义模板和自动触发。
  • 插件设置包括绑定Obsidian Vault、设置存储位置、行为（新建笔记或添加到现有笔记）和触发条件（根据网址自动选择模板）。
  • Web Clipper的亮点在于其自动化能力，能减轻用户阅读压力，提升信息收集效率。
  • 文章强调了Web Clipper在构建个人AI知识系统中的重要作用。

Full Content

Omnivore月底就要停止服务了。这款软件我用了很久。它可以把所有我想看的文章都保存进Obsidian里边，完成信息输入，这样我的AI知识系统才完整。

替代Omnivore的方案有很多。在官方Blog里就推荐了几款，比如，不想折腾的话，可以选择收费的Readwise；愿意折腾的话，可以试试self-hosting的方式。

我从来都是属于有现成的就绝不折腾的类型。看了一圈下来，目前我的选择是Web Clipper。

这是一款浏览器插件，Chrome、Edge等等主流浏览器都支持。安装之后，一切设置都在插件端完成，不需要到Obsidian里调整什么。我判断，它就是在本地创建一个md文件，也就是一条新笔记，不走服务器什么的，所以非常简单、直接。

如果你想保存整篇文章，点两下按钮就好。

如果你想保存文章里的一部分内容，点击右上角的画笔按钮，到文章里highlight出想要保存的段落。

如果你想按自己设定好的格式保存内容，点击左上角的模板名称，从下拉列表里选中想用的模板。

更爽的是，Clipper可以根据网址自动判断要用哪个模板。这就省去了每次都要选择模板的麻烦。

哈喽大家好，欢迎来到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西比教程更值钱。记得点一波关注。如果想链接我，就来newtype社群。已经有600位小伙伴付费加入啦！

回到今天的主题：Web Clipper。

其实我在社群里推荐过这款插件。但是有些小伙伴不太懂具体怎么设置。所以就有了本期视频。

安装好插件之后，点击右上角的齿轮按钮，就可以进入设置。在General页面，最重要的是绑定你的Vault，这样插件才知道把文章存到哪个位置。

大家如果不确定自己Vault的名称的话，打开Obsidian，在左下角就可以看到。我这边的名称是Documents，于是把这个名称填过去，敲个回车就算完成了。

在General页面还可以设置快捷键，这个很实用。大家可以用默认的，也可以改成自己顺手的。我机子上的快捷键已经够多了，所以这边就不调整了，用默认的就好。

General页面剩下的选项，以及另外两个页面，我都没动。重点是模板的设置。我把这部分分成三块。

第一，存储位置设置。

之前我们在General页面里设置了Vault，这时候可以在下拉列表里选中。那么，具体要存在哪个文件夹里呢？

比如，在我的笔记结构里，所有的信息输入都放在Input文件夹内，然后分成两个子文件夹：一个放文章，一个放论文。所以，在模板的设置里边，我就把这个文件夹的层级给填进去，完成整个存储位置的设置。

第二，行为设置。

一般来说，当我们保存一篇文章的时候，是希望插件去新建一条笔记的。但是，这个对于保存文章的部分内容可能不适用。因为我们阅读文章的时候，经常是这里想保存一句话，那边想保存一句话。如果对每一条Highlight都创建一条笔记的话，可能会太多太杂了。

所以，针对Highlight的情况，我选择让插件把内容添加到现有笔记里，并且放在下边。这样一来，当我阅读完一篇文章之后，需要保存的内容都汇总到一条笔记里，并且按照先后顺序排好。

第三，触发设置。

前边我说过，Clipper可以根据网址自动判断要用哪个模板。比如，我创建了一个公众号文章的模板，里边没添加任何属性，就是单纯的内容。这个时候，我在Template triggers里把公众号的网址填上，也就是mp.weixin.qq.com——所有的公众号文章的网址都是以这一串为开头的。

这样一来，每当我保存公众号文章的时候，插件就会根据网址做判断，然后自动选择对应的模板。是不是省事多了？

模板的创建，以及我刚才分享的三个设置，是Clipper这款插件的核心用法。大家明白逻辑之后，就可以根据自己的情况去做定制，把Obsidian的效率发挥到极致。

OK，以上就是本期内容。想讨论AI，就来我们newtype社群。那咱们下期见！

三款Obsidian必备插件，我每天都在用

Key Takeaway

  • PDF++插件能帮助用户在Obsidian中高效地阅读PDF并做笔记，支持选中内容自动粘贴、颜色区分和跳转原文链接。
  • Smart Connection插件利用AI的反向链接功能，自动分析笔记相关性，并支持可视化展示，解决了手动关联的痛点。
  • Copilot插件是Obsidian中功能最强大的AI插件，支持多种大模型、本地知识库功能（RAG）和实用的预设功能（总结、翻译）。
  • 这三款插件（PDF++、Smart Connection、Copilot）是Obsidian的必备，能显著提升笔记效率和知识管理能力。
  • 文章强调了Obsidian通过插件扩展AI能力，使其成为强大的个人知识管理工具。

Full Content

给大家分享三个Obsidian必备插件，绝对能提升你的生产效率。这三款插件都是我日常一直在用的。那咱们不废话，直接开始。

第一款插件：PDF++。

如果你有一边看PDF一边做笔记的习惯，那这个插件就肯定要安装了。咱们来看效果。

在Obsidian里边，把PDF和笔记左右铺开。在PDF内选中想要保存的部分。这个时候，选中的部分会自动贴到笔记里。用这个方法，咱们就可以边看边记，把想要的内容都摘出来，特别好使。

如果不想自动也OK，把左边的按钮点掉。这时你再选中，就需要在笔记里手动粘贴。想要改颜色的话，可以点上边的色块。选中再粘贴，那么贴过来就是对应的颜色了。通过不同的颜色，就可以区分不同的内容。

除了颜色，这款插件还支持不同的复制格式。大家可以在这个下拉列表里选中需要的格式。值得注意的是，点击里边的链接可以直接打开并跳转到PDF对应的位置，这个超级有用、超级方便。

第二款插件：Smart Connection。

Obsidian有一个非常核心的功能叫反向链接。当你在一条笔记里提到某一个概念正好是另一条笔记的时候，就可以把它们两个关联起来，并且可以跳转。

这样一来，笔记就不是孤岛，而是一个互相关联的整体。当你的笔记积累到上千条的时候就会发现，通过这种串联，你的知识体系就成型了。

但是，这个反向链接有一个很让人头大的地方是：它需要手动操作。所以我经常需要去Review之前的笔记，不断思考，怎么做一点点修改，把两条笔记给关联起来。真的就挺烦的。

其实这个关联的过程，完全可以让AI来完成。Smart Connection就是干这个的。

打开一条笔记，点开右边的Smart Connection就会看到，AI根据相关性帮咱们筛选出了一堆笔记。数值越高，关联性越强。点击笔记就可以跳转过去。

AI之所以能做到相关性分析是因为，它用到了嵌入模型去处理笔记。官方默认的是BGE的模型。如果你要用别的也可以，比如OpenAI的，把自己的API Key填进去就好。嵌入模型的费用很低，大家不必心疼。

在Smart Connection的基础上，我推荐再安装一个插件叫Smart Connection Visualizer。它的作用是可视化，就跟官方的功能一样。离中心笔记越近，相关性越高。

Smart Connection除了分析笔记相关性功能之外，还有大模型对话功能。但说实话，它这功能做得太糟了，我是完全不用。如果有这方面需求，我会用接下来要介绍的第三款插件：

Copilot。

我试过很多AI插件。综合来看，它是最好的。

第一，Copilot支持的模型多。我平时用得比较多的，除了GPT-4o，就是Command R Plus和Qwen2.5。如果是在家里的PC上，我用Ollama跑Qwen2.5；如果是在MacBook上，我就直接用API。

第二，Copilot有本地知识库功能。它可以对Obsidian里所有的笔记创建索引，然后给到模型做参考。它还可以针对单独一篇笔记做问答。比如我就经常把一篇超长的PDF转成MD格式，然后存进Obsidian，在AI的辅助下慢慢消化。

第三，Copilot有很多实用的预设功能。打开面板、输入Copilot就会看到长长的一串。我最常用的是这两个：总结；翻译。

所有我想看的公众号文章，我都会通过Omnivor同步到Obsidian里边，这个之前的视频介绍过。那么同步过来之后，可以全部选中，先让AI总结，特别实用。

至于翻译，中译英或者英译中都可以。

这两个功能我都特地设置了快捷键。打开设置，在快捷键页面搜索Copilot，然后找到想要设置的功能就可以。

刚才介绍的这三个插件——PDF++、Smart Connection和Copilot，是我每天都会用的。对我来说，别的插件可以不装，但这三个插件绝对是必备的。大家有什么推荐也可以在评论区里说一声。

OK，以上就是本期内容。想要交流AI就来我们newtype社群。那咱们下期见！

两款AI插件，让Obsidian更强大

Key Takeaway

  • Obsidian是搭建个人笔记系统的理想工具，结合AI插件可实现“第二大脑”功能。
  • Text Generator插件能将Obsidian变为内置ChatGPT，支持总结、头脑风暴、拟大纲、生成标签等，且模板可自定义。
  • Copilot插件提供自由问答、基于笔记交互和知识库查询功能，支持多种大模型和联网搜索。
  • 这两款AI插件能极大提升Obsidian的效率和功能，使其在笔记记录、内容生成和知识管理方面更强大。
  • 文章强调了AI在笔记系统中的辅助作用，以及Obsidian作为本地化笔记软件的优势。

Full Content

现在是搭建个人笔记系统最好的时候。就像我在知识星球newtype里说的那样：

我们的大脑是不适合用来记东西的，而应该去做创造性的工作。现在有了大模型技术、有了AI，笔记系统一下实现质的飞跃——不管你是要查询还是生成，都超级方便。这才是名副其实的Second Brain、第二大脑。

我在上一期视频里分享了我个人的AI笔记系统。这整套系统就像一个漏斗，把我每天接触到的海量外部信息层层过滤、提炼，最终变成最凝练的笔记，内化成我自己的东西。

其中，笔记这个环节，我用的工具是Obsidian。这款软件在国外很有名，但是在国内还非常小众。之后我会结合我的使用经验，多出点视频介绍它。我非常确定，只要你上手之后，肯定就明白我为什么这么大力推荐它了。

本期视频，我先介绍两个Obsidian里的AI插件，很好用，也很重要。

OK，咱们不废话，从第一款插件开始。

Text Generator

Text Generator是我用得最频繁的插件。你可以把它理解为就是Obsidian内置的ChatGPT。比如：

  • 一条笔记的内容太多了，我可以让它帮我总结、简化；
  • 基于选定的内容，我可以让它帮我头脑风暴，想更多点子；
  • 我还可以让它帮我拟文章大纲、起标题，或者根据笔记内容生成标签——省得我每次想半天，总怕漏打了哪个标签。

这些用法就跟你之前用ChatGPT一样。只不过，所有指令、Prompt都被做成模板了，不用你再去输入。如果你有特定需求的话，可以直接去脚本里修改，很容易。

要安装这个插件，来到【设置】里的【社区插件】，然后点击【浏览】，输入插件名称，最后下载和启用。

搞定之后，软件左边栏有一个【Text Generator: Templates Packages Manager】的按钮。打开之后，可以下载现成的模板。这些模板存储的位置就在你的Vault里，多了个textgenerator的文件夹。

在文件夹里，你可以挨个查看每一个模板的意思，都是非常简单的英文。

比如summarize这个。括号内的“context”就是上下文，也就是你选定的笔记内容。这一行的作用是告诉AI，你想对什么内容进行处理。下一行“prompt: summarize the content”就是字面的意思，让AI把上下文里的内容总结了。

在笔记里使用的话，按快捷键打开命令面板，输入“text”，在下拉列表里找到“Generate & Insert”这一项。在里边找到“Summarize”，然后点击执行。

等个几秒钟，我们会看到，AI确实总结完了，但是是英文的。这时我们只需要对模板做一点点修改，在Prompt里边加上“in Chinese”就完事了。

再执行一次，现在输出的结果就是中文的了。

你看，对现成模板的修改就是这么简单。甚至你可以按照自己的需求，用同样的模板格式，去制作你自己的模板——这是我最最喜欢这款插件的地方。

如果你觉得刚才那些操作比较麻烦的话，还可以设置快捷键。这样一键就能打开“Generate & Insert”，然后选择你想使用的模板。

当然，你也可以不用任何模板，直接点击左边的“Generate”按钮，AI会顺着上下文的意思去自由发挥。

Copilot

我要推荐的第二个插件是Copilot。

Text Generator主要是通过模板、针对一条笔记发挥作用。如果我就是想自由问答呢？如果我想在所有笔记的基础上生成一点什么呢？Copilot的作用就在这里。

我一般在这三种情况下使用这款插件。

第一，对话 + 搜索。

我其实很烦，每次想用大模型的时候，都要再另外去开个网页，比如ChatGPT。我觉得但凡你是个生产力工具，就应该集成了大模型的能力。做笔记的时候也是这样。如果还要从Obsidian切到浏览器，那其实是对思路的干扰。

所以，Copilot能在软件右侧提供这样一个对话框就挺好的。我想用哪个大模型就直接切换。如果要联网简单搜点什么，就切到Open Router。它是一个大模型的集成平台。我通过它去使用Perplexity来搜索。

这样一来，我在Obsidian里就能完成该做的事儿，不需要别的软件辅助——这一点对我来说很重要。

第二，基于笔记做交互。

Copilot有一个特别贴心的功能，就是下边这个Send Note按钮。点击之后，就会把当前打开的笔记自动发送给AI，这样就省去了中间的环节，可以直接开始对话。

我每次写好脚本之后，都会把脚本发给AI，让它帮我生成个大纲。我通过大纲就能知道，这个脚本的逻辑是不是清晰的。如果AI总结的大纲有点混乱，那肯定是我的逻辑有问题，否则AI肯定能总结清楚。

最强AI编程工具Claude Code，五个使用Tips

Key Takeaway

  • Claude Code被认为是地球上最强的AI编程工具，因为它与Claude模型深度适配和优化，且不计较上下文长度消耗。
  • /init命令用于初始化项目，创建CLAUDE.md文件，记录项目背景信息，提高效率和上下文一致性。
  • Plan Mode允许用户在执行复杂功能前，让Claude Code进行规划，尤其适用于不确定如何操作的场景。
  • /ide命令支持Claude Code与VS Code、Cursor等IDE集成，提供更好的代码修改和提示体验。
  • 用户可以自定义命令，将常用操作（如解释代码）转化为快捷命令，提高工作效率。
  • /cost命令用于查看API消耗，并可通过/model命令切换模型以节省成本。
  • 作者强调，模型能力相同时，拥有更多工具的AI生产力更高，鼓励用户积极使用和探索MCP。

Full Content

地球上最好的AI编程工具，肯定是Claude Code。而且它接下来还会越来越好。

为什么它最强？我在社群里发过这么一段话：

如果把Claude模型比作引擎的话，那么，虽然各家公司都可以买到这个引擎，然后组装成赛车，但是只有Anthropic能发挥出它的究极实力。

大概率，Anthropic在训练Claude 4的时候，就已经把Claude Code内置的十几种工具给它用上了，对它做针对性的强化训练。

也就是说，这款引擎在研发阶段就已经跟底盘等等系统做适配、做优化了。它们就是最佳组合。其他厂商又怎么可能跟得上。

而且为了效果，Anthropic现在特别豪气，可以不计较上下文长度的消耗。相比之下，Cursor他们就得精打细算过日子，导致有时用户体验会很差。

Claude Code这么强，但是国内介绍得不多。原因很简单：中国的自媒体水平太差了。他们就只会喊“震惊”、“放大招”。碰上这种复杂的工具，还是命令行，而且还需要配置纯净的住宅IP，他们就不知道怎么下手了。

没有关系，我会出一系列视频深度介绍这款工具。今天先来五个非常实用的Tips，帮助大家用好Claude Code。

/init

当你开始一个新的项目，或者让Claude Code中途参与某个项目的时候，一定要先运行/init这条命令，也就是initialize，初始化。

这条命令最主要的作用，是创建一个CLAUDE.md文件。这个文件会包含项目所有的背景信息，包括：项目的核心概述和目标；重要的代码约定和风格指南；关键的文件和工具函数列表，等等。

有了这份文件，每次你启动Claude Code，它就会自动加载，这样它就明白整个项目的情况，不需要你重复说明。另外，当你的项目开发有了任何进展，也可以让Claude把进展写进这个文档。

所以，这行简单的命令，以及它生成的CLAUDE.md文件对于提高效率、保持上下文一致性非常重要。大家记得用起来。

Plan Mode

大部分情况下，我们都是让Claude Code在那边“自动驾驶”。但是，当有一些比较复杂的功能想要实现，或者我们自己也没想好究竟该怎么做的时候，可以切换到Plan Mode，让Claude Code先帮我们做好规划，然后再执行。

要切换到Plan Mode很简单，按快捷键shift加tab就行。比如，我想要提升高并发、服务器断连的应对能力。我自己想了一些解决方案，比如搞个API Key的备用池子等等。我把这些告诉Claude Code，让它帮我完整规划。

接到需求后，它会把需求有关的代码全部过一遍，然后给出非常详细的方案。如果觉得OK，可以让它照着开始执行。

说真的，这个模式挺好用的。当你拿不准的时候，记得让Claude帮你规划。

/ide

虽然Claude Code主要通过命令行界面，也就是CLI进行交互，在终端里运行，但是它也支持跟VS Code、Cursor集成，让用户在IDE的环境中获得更好的体验。

比如，集成之后，你可以看到文件中代码的改动，就像在Cursor里看到的一样。另外，当你选中几行代码之后，Claude Code那边也会有提示。

那么，要做到这一点，你需要做两件事，非常简单：

第一，安装Claude Code插件。这个搜一下就有，然后点击install安装。

第二，运行/ide命令，然后选择对应的IDE，比如我这边是Cursor。然后回车就搞定了。

Custom Command

Claude Code有很多现成的命令可以使用。除此之外，其实你也可以根据自己的需要去自定义命令。

用Cursor做UI，最有效的两个方法

Key Takeaway

  • 作者介绍了两种使用Cursor进行UI设计的方法：免费的通过通用大模型生成JSON配置，以及付费的通过v0模型API。
  • 通用大模型直接生成UI效果不佳，但通过JSON等结构化数据输入能显著提高准确性和效率。
  • v0模型是专门针对UI和前端开发训练的，通过API接入Cursor可以获得更好的UI生成效果。
  • 完成UI后，可以通过Framer Motion或Reactbits等工具添加动画效果，提升用户体验。
  • 现代前端UI开发工具箱包括React、Radix UI、Tailwind CSS和Framer Motion。

Full Content

用Cursor做UI，我这边有两个最简单、最有效的方法——一个免费，一个付费。不管你是做网页的UI还是应用程序的UI，都可以。

为什么不直接用Cursor里的模型？因为那些模型画UI都太差了，即使是Claude 4也不太行。

举个例子，这是我用Keynote为第二款产品画的UI。我把图片导出来，贴进Cursor里，使用MAX模式，选择目前最牛逼的模型Claude Opus 4，让它照着生成。

你看，这是它最终的成品，真挺拉跨的。比如，大标题分成了两行；Submit按钮没有居中；How It Works部分明明有三个容器，结果有一个跑到下边去了。

我做上一款产品Prompt House的时候，就遇到了模型怎么都画不好UI情况。非常恼火。后来实在没办法，只能让它告诉我具体的代码位置，我手动调整。

那今天要分享的方法，是这几天我新学到的。先说免费的。

当你有了一张UI的图片，不要直接放到Cursor里。你可以打开Gemini、ChatGPT或者Claude——不管哪个都行。比如我这边用的是Gemini，并且打开了Canvas功能。

我把图片贴进去，让它根据图片的样子生成一份JSON格式的设计系统配置文件。这份JSON输出包含了整体设计风格、结构元素和布局原则等等。

然后，再把这份JSON配置贴到Cursor里边，让模型完全按照它来输出。你看，这个结果是不是好多了？基本是一模一样。

那么，为什么这套方法有效？

因为，虽然模型理解自然语言完全没问题，但是一旦涉及需要精确、结构化、无歧义的数据输入场景，JSON这样的结构化数据格式，能让模型的理解更准确、处理更高效、输出更稳定。

OK，这是第一种方法，完全免费，但是略微麻烦一点。如果你做UI的需求比较强，比如需要来回修改什么的，那我推荐，直接通过API调用v0的模型。

v0模型是Vercel推出的，专门针对UI和前端开发做了训练。所以在处理这个类型的工作上，v0会比Claude之类的通用大模型更擅长、更适合。

我之前经常用v0.dev这个网页来生成UI。那如果要用API调用模型的话，就需要订阅，一个月20美金。我一般需要的时候就开一个月，集中把前端的工作都搞定了。

订阅之后，来到后台，可以生成一个API Key。回到Cursor，在模型设置里，选择API Keys选项，在这边我们可以使用自己的Key。

因为v0的API符合OpenAI的规范，所以我们把Override OpenAI Base URL选项打开。把URL中间部分改成v0.dev。填入v0的API Key，再选择Verify就搞定了。

当我们要使用的时候，可以选择一个OpenAI的模型，比如GPT-4o。虽然它显示的是GPT-4o，但其实走的是v0的通道，所以调用的是v0的模型。这样一来，我们就可以直接在Cursor里完成所有工作啦。

最后，one more thing。完成基础的UI之后，我们可以添加一些动画效果来提升用户体验。比如，可以让Cursor添加Framer Motion。我在Prompt House就用上了，网页版和Mac版都有，整体会流畅许多。

或者，你也可以使用Reactbits之类的网站，把动画的代码复制粘贴到Cursor里，让模型去集成。

就像我在社群里说的，整个前端UI会涉及到这四个部分：React是项目经理和架构师；Radix UI是功能工程师；Tailwind CSS是视觉设计师；Framer Motion是动效设计师。它们共同构成了一个非常现代和强大的前端UI开发工具箱。大家在开发的时候可以组合使用。

OK，以上就是本期内容。想交流AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

给AI全局记忆

Key Takeaway

  • “全局记忆”对于提升AI对话连贯性、实现个人助理功能以及构建全球知识共享工具至关重要。
  • OpenMemory项目通过独立存储聊天记录并利用MCP协议，实现了跨客户端和跨对话的AI记忆共享。
  • OpenMemory的功能实现依赖于大模型（用于语义理解和检索）、本地化存储（确保隐私、数据可移植性和扩展性）以及MCP协议（实现不同客户端间的内存共享）。
  • 作者强调了上下文对于AI创造价值的重要性，并指出“全局记忆”领域为创业者提供了开放和发展的机会。
  • 建议将知识库的存储与调用分离，本地存储数据，通过MCP调用，从而获得更自由的模型选择。
  • 智能是吸引用户的手段，而数据才是长期留住用户的关键。

Full Content

虽然我经常喷OpenAI，不过他们关于“全局记忆”的判断和观点我是非常认同的。

往小了说，“全局记忆”关系到对话的连贯性。这是今天AI在体验上的一大痛点。

你回想一下，今天大多数的AI客户端，你每开一个新的对话，是不是就好像在跟一个陌生人对话。因为你们过去交流的，它都不知道，你又得重新聊一遍。

这么搞，效率很低，而且工具感很强，你不会觉得这是个有智能的生命。

往大了说，“全局记忆”不只覆盖所有的历史对话，还可以、也应该包括用户的各种资料，甚至包括更广的知识库。

一旦技术成熟，把AI打造成为一个全面的个人助理、一个全球知识共享工具是很有可能的。这个就是OpenAI的野心。

当然啦，这个愿景有点远。不过站在今天，我们还是可以先体验一下的——通过OpenMemory这个项目。

简单来说，OpenMemory的作用就是把聊天记录单独存储。任意一个客户端里聊的东西都可以存进去。然后通过MCP进行调用。任意一个客户端都可以调用任何记录。我给你们演示一下就明白了。

我已经安装OpenMemory，并且通过SSE的连接方式与客户端ChatWise连上了。可以看到，这个MCP一共有四个tools，分别是添加、查询、检索、删除。

我这边准备了一段话，让AI把这些关于Prompt House的内容保存。LLM接到请求后，通过MCP调用add_memories这个tool，成功把那一段话保存起来了。

这时，在同一个对话框，我提出问题：记忆中都有哪些内容？可以看到，LLM很顺利把刚才保存的那条记录调出来了。

接下来，我们打开一个新的对话框，看看AI是否还“记得”刚才的内容。问题很简单：Prompt House主要解决哪两个问题？通过list_memories和search_memories两个tools，LLM把刚才存进去的内容调出，并基于内容完成回答。

同一个客户端的不同对话框，LLM能够自由存储和调用记忆。那么，跨应用呢？我这边打开Cursor，同样的问题：Prompt House主要解决哪两个问题？Claude Sonnet 4也是使用search_memories这个tool，把记忆取回。

你看，无论是跨对话框还是跨客户端，OpenMemory MCP都能实现记忆的存储和调取。

为了实现这些功能，OpenMemory做了三点：

第一，调用大模型。

要把用户的对话存储起来，首先要做的就是“理解”——先理解语义，才能区分哪些是噪音，哪些是重要信息。

不仅如此，在存储的时候，还需要大模型去区分记忆当中的冲突，完成更新。在检索的时候，也需要大模型在语义层面进行检索，而不只是关键词检索。

默认情况下，OpenMemory用的是OpenAI的模型，需要我们输入OpenAI API Key。不过它也支持别家的模型，包括开源大模型。如果你对隐私安全非常非常重视的话，可以连接Ollama。

第二，本地化存储。

为了让用户放心，OpenMemory把所有信息都存在本地。它采用双数据库架构，一个负责存储记忆的向量嵌入，一个存储结构化元数据。

这么设计的好处，一是完全本地化，敏感信息不会上传到云端；二是数据可移植，可以轻松备份和迁移整个数据目录；三是扩展性高，可以切换不同的大模型提供商，或者用本地模型。

第三，MCP。

任何支持MCP协议的客户端都可以通过SSE连上OpenMemory。它的MCP提供四个工具：添加，检索，查看，删除。

有了这四个工具，不同客户端就可以共享同一个内存。上下文就可以在不同客户端之间无缝传递。

我非常看好“全局记忆”这个方向。虽然巨头在做，但是，创业者也有很大机会。

因为，既然是“全局”，那就不能一家独大，就必须开放。在现阶段，有哪家能做到？这不就给了创业者生存、发育的窗口吗？

而且，现在巨头的主要精力还是放在提升模型能力上。所以，几个月前我就在社群里分享了一个思路：

把知识库的存储和调用分开。存储就放在本地，用Cursor创建一个Milvus向量数据库。调用就通过Milvus MCP。当时看大家挺感兴趣的，我还特意出了一期社群专属视频，介绍怎么搭建。

站在用户的角度看，这套思路的好处是，模型的选择会更加自由。谁的模型牛逼，我就对接过去。

站在做产品的角度看，最终留住用户的，不是智能，而是数据。智能只是一个钩子，把用户吸引过来，完成数据的迁移。

而且，智能要发挥作用、要创造价值，一定离不开上下文。这个就是我之前在社群内说的：Context Matters。

回过头来看，过去几个月我分享的那些零散的思路，还有我最近的尝试，全都串起来了。

OK，不多说了。我要继续做产品去了。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。我所有的感悟和认知，都会在社群内分享。那咱们下期见！