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！

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！

Key Takeaway

• AI正在改变学习和笔记方式，NotebookLM等工具改变了从文档获取知识的方式。
• Basic Memory项目旨在解决AI长期记忆问题，通过Markdown格式本地保存笔记，并用MCP连接AI，实现自然语言交互。
• 作者的AI笔记系统采用“漏斗结构”，由AI笔记库（Basic Memory创建和管理）和个人管理笔记库（Obsidian）组成。
• AI笔记库由AI自动创建文件夹和标签，作者只负责下达指令和筛选有价值笔记。
• 强调利用AI的智能和效率，将先进生产力引入个人体系，拉开人与人之间的差距。

Full Content

AI正在完全改变我们学习的方式。

比如，能联网搜索的Chatbot，以及更强大的Deep Research，改变了我们从互联网获取知识的方式。

一枝独秀的NotebookLM，改变了我们从文档里获取知识的方式。

现在，我们记录思考，或者说做笔记的方式也将发生改变。我给你们演示一下。

左边是Cursor，右边是Obsidian。我让它帮我记录这条笔记：

开源模型的价值体现在本地化的场景中。但是本地化场景里最重要的是数据和业务流改造，而不是模型。

接到请求后，Cursor调用了一个MCP，完成了笔记的创建。在右边可以看到，它根据笔记的意思，创建了一个文件夹，并且还给笔记打上对应的标签。

那既然它能记录笔记，当然也能完善笔记。比如当我有一些不太成熟的想法时，就可以这么做。

我跟Cursor说，帮我记录并完善这条笔记，关于如何提升AI产品性能。你看，它不仅把我想的东西补充完整了，还根据它自己的知识添加了两点。

我再演示一个很常见的场景。我们平时会遇到一些概念、观点之类的，觉得有价值，但是又不知道它们的确切意思。这个时候就可以让AI帮忙解释，然后记录下来。

比如，“数据中心是新的计算单元”，这个是老黄的观点。我让Cursor解释并且记录。

在这个时候，Cursor先调用了Sequential Thinking这个MCP，进行多步骤推理，确保解释的完整性。当它觉得逻辑完整了，就会开始记录。在右边的Obsidian里，咱们可以看到，它对这一句话做了很详细的拆解。

刚才这些只是非常简单的演示。在实际使用当中，我还加上了搜索的MCP，让AI的信息获取能力更强。而那个帮我记笔记的MCP，叫作Basic Memory，就是我今天要推荐给大家的项目。

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。已经有超过1000位小伙伴付费加入啦！

回到今天的主题：Basic Memory。

这个项目主要是想解决AI长期记忆的问题。我们平时跟AI对话，很多东西聊完就过去了、丢掉了，挺可惜的。于是，Basic Memory的想法就是，用笔记的方式存下来。

第一，所有笔记都以Markdown的格式保存。这种格式，人类看得懂，AI也看得懂，再合适不过了。

第二，所有笔记都保存在本地，不用担心隐私泄露。而且有需要的话，可以用其它工具处理，比如Obsidian、Cursor。

第三，笔记仓库和AI之间，用MCP连接。AI可以自动创建笔记、读取笔记。而且由于是MCP，所以完全支持自然语言交互，你直接发号施令就可以。

我其实没想这么多，完全不care什么长期记忆之类的。我的需求很简单：当我跟AI聊到什么有价值的东西，或者我脑子里冒出什么新想法的时候，我希望AI能充当记录员、小秘书的角色，帮我记录、帮我补充。

要安装Basic Memory很简单，一共就两步，有手就行。

第一步，在终端里运行uv tool install basic-memory这行命令。

我来解释一下。这个uv是一个快速、轻量级的Python包管理工具。大家经常安装开源项目的话，肯定有用过pip，比如pip install、pip list等等命令。uv的好处是，速度更快，功能更全。比如包管理、虚拟环境、工具管理，它全都有，不用再装一堆其它工具了。

类似的还有npm，只不过它针对的是JavaScript，这个我就不多说了。

当我们通过刚才那行uv命令安装完毕之后，就可以进入第二步，把这几行贴到配置文件里。

这个uvx是刚才介绍的uv的一部分，属于子命令。用它可以运行Python包里的命令。而且它有一个好处，是可以自动创建一个临时的虚拟环境，很方便。

我是在Cursor里使用的，所以就在Cursor的MCP配置文件里，把这几行贴进去，然后保存。在MCP服务器列表里就可以看到这个项目了。

Basic Memory用起来很简单，就像最开始演示的那样。我重点谈谈我对它的定位和思路。

现在我会有两个笔记库：一个是原来的Obsidian Vault，完全由我亲手创建、亲手管理。另一个是新增的，由Basic Memory创建和管理的AI笔记库。

对于这个AI笔记库，我是完全放手，绝不干预。比如，里边的文件夹设置，每条笔记的标签，都交给AI去搞。我只做两件事：

第一，下达指令。有什么需要记录的，随时跟AI说。

第二，筛选笔记。AI笔记库承接了日常我跟AI对话中有价值、值得记录的内容。我会定期从里边筛选笔记，或者让AI帮我挑，然后放到由我管理的笔记仓库里。

这其实就是一个漏斗结构。AI笔记库是最上边那一层。我要发挥AI的智能、AI的效率，帮我先过一道。

这些是我目前的思路，供大家参考。今天AI发展非常快，不管是模型还是各种工具，都在飞速迭代。所以咱们一定要多动脑子，想想怎么把这些先进生产力引入到自己的体系中来。

你相信我：人和人之间的差距，就是这么拉开的。

OK，以上就是本期内容。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。那咱们下期见！

Key Takeaway

• ChatGPT在iPhone上效率不高，因为它没有与系统和其它APP打通，无法自动化运行。
• 利用iPhone的快捷指令功能，可以实现ChatGPT的自动化操作，如自动总结公众号文章、语音问答和内容创作。
• 快捷指令的核心逻辑是：输入（网页文字、语音转文本）-> 处理（ChatGPT总结、回答）-> 输出（Markdown格式笔记到备忘录）。
• 这种自动化工作流能显著提升ChatGPT的使用效率和便捷性，弥补其作为聊天机器人的局限。
• 文章通过“总结GPT”、“问答GPT”和“灵感GPT”三个快捷指令示例，展示了ChatGPT在个人生产力中的应用。

Full Content

ChatGPT在iPhone上还不够好用。主要原因是，它没有跟系统和其它APP打通，没法自动化运行，效率不高。所以，它还只是一个聊天机器人——每次都得打开APP才能用，然后还得输入一堆东西——难怪用户使用频率不高，这也太麻烦了。

在现阶段，要让iPhone上的ChatGPT有用起来，你肯定要用到快捷指令这个功能。我先演示一下我是怎么用的，再详细介绍怎么设置。

我相信大家都很头大这样的事儿：每天要看的公众号文章根本看不过来。怎么搞？

首先，用Google Chrome打开这篇文章。

然后，点击地址栏右边的分享按钮，选择最顶端的快捷指令（我设置的名称叫“总结GPT”）。

最后，稍等一会儿，ChatGPT就会按照我事先设置好的要求，用GPT-4o这个最新的模型，总结文章的核心内容，提炼文章的Key Points，并且在备忘录的指定文件夹里创建一条新笔记，把这些内容都用Markdown格式存进去。

这么做的好处是：

第一，我就不用在APP之间手动切换、各种输入——现在用快捷指令自动化完成，这显然方便多了。

第二，虽然ChatGPT里会有聊天记录，但我还是让它存到备忘录里了。因为备忘录是系统自带的，在iOS和macOS之间同步非常快。这样一来，我回到Mac上就可以直接编辑了。而且它是Markdown格式，我还可以把它贴到写作软件或者笔记软件里进一步处理。

刚才这个是“总结GPT”。按照同样的思路，我还设置了一个“问答GPT”，也是用语音输入。

比如我问：机械键盘的主流轴都有哪些区别？比如红轴、青轴等等。

接到一段语音输入后，这个快捷指令会先把语音转化成文字、给到ChatGPT。

然后，根据我事先的设置，ChatGPT回答完问题之后，同样会用Markdown格式，把内容存到备忘录里，方便我之后查找和编辑。

这两个快捷指令是我平时用得最频繁的。除此之外，还有“灵感GPT”：

当我有任何内容方面的想法时，就像刚才“问答GPT”那样，用语音的方式全部给到GPT。它会把我的那些零散的表述有逻辑地整理一遍，变成一个内容框架，然后往里边做补充和扩展。

你如果看过我上一期视频就会发现，这其实是在用快捷指令去搭建一套简易的Agent Workflow。在新版iOS、新版Siri出来之前，咱们先用这种方式实现AI自动化。

接下来，我拿刚才那个“灵感GPT”给大家详细讲解一下。这三个快捷指令，我已经把iCloud链接分享到知识星球和Patreon里了，newtype社群的小伙伴可以直接拿去用。包括这期视频，我也会在社群内首发，算是给大家的“超前点映”。

就像上期视频里说的那样，一般来说，一套Agent Workflow的起点是用户输入。在“灵感GPT”里，咱们是用语音转成文字，所以要用到“听写文本”这个功能。在“听写文本”的设置中，大家记得点开下拉列表，选择语言，否则会报错。

有了初始输入之后，第二步，咱们要添加一个“文本”，在里边写一段Prompt，把对AI的要求交代清楚，并且把第一步的内容贴在后边，就像我这样。这一整个文本，就是接下来要给到AI去处理的信息。

第三步，添加“询问ChatGPT”，把“文本”加进去。在下拉列表中，把“开始新聊天”勾选上，然后就可以选择要用哪个模型了。

第四步，再添加一个“文本”，把GPT的回答都放进去。你可以在文本的开头添加一些描述，比如我写的是“From GPT”，这样我就知道，这条笔记是AI生成的。

第五步，添加“备忘录”，选择事先创建好的文件夹，让GPT在里边新建一条备忘录，把上一步的文本都存进去，这样就大功告成了。

另外两个快捷指令也是同样的思路。其实这整套Workflow的核心就三个步骤，很好理解：

第一，初始信息从哪来（输入）？是网页里的文字，是语音转文本，还是一张照片？这个需要设置清楚。

第二，你要GPT帮你干啥（处理）？我一般会添加一个“文本”，把固定的指令和每次的需求都放进去。然后把整个文本给到GPT。

第三，你要什么样的结果（输出）？就像我刚才演示的，以备忘录加Markdown做输出。

输入、处理、输出，把这套逻辑想清楚了，你就知道怎么用快捷指令和ChatGPT去搭建一套简易的工作流了。

OK，以上就是本期内容。大家有什么想聊的，可以来newtype找我。那咱们下期见！

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！

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！

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！

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。

Key Takeaway

• 作者通过Omnivore和Readwise两款插件，对Obsidian笔记系统进行了升级，解决了外部信息同步到Obsidian的痛点。
• Omnivore负责将网页文章同步到Obsidian，支持桌面端和移动端。
• Readwise负责保存文章中的Highlights和Twitter推文，并能将同一文章的不同Highlights汇总到一条笔记中。
• Obsidian作为AI知识库的核心，本身具备AI插件和丰富的社区插件，支持云端和本地模型，且同步流畅。
• 通过这两个插件，Obsidian实现了外部信息的高效输入，使其成为更完善的AI知识库形态。

Full Content

我对我的AI知识库做了一点小升级。虽然只是加了两个插件，但是对整套工作流有很大影响。

我之前发了一期视频，介绍我的笔记系统，也就是AI知识库。它分为两大部分：一是外部信息的处理，以AnythingLLM为核心；二是笔记的记录和沉淀，以Obsidian为核心。

说实话，这套东西只能算是beta版，我并不是很满意。因为在实际使用过程中，我得把那些有用的内容从AnythingLLM搬到Obsidian里，还是太麻烦、太不顺畅了。于是，就有了我今天要推荐的两款插件。

一款叫Omnivore，我让它专门负责把网页上的文章原封不动地同步到Obsidian里。

在桌面端，我安装了Chrome插件，所以只要点一下浏览器上的按钮，那些公众号文章之类的，都会保存进我的Omnivore账户，然后再根据我事先的设置，同步到Obsidian的指定文件夹里。

在移动端也可以同步，只是操作不一样：需要安装Omnivore的APP，然后从浏览器分享给APP，就搞定了。

除了保存整篇文章，其实Omnivore也可以保存文章中的某一段话。只不过我设置了Template，即使是保存一段话，它后边也会把全文给带上——这让我感觉挺不清爽的。所以，这个工作就交给另一个插件，叫Readwise。

Readwise用起来很简单：同样是先安装好浏览器插件，然后选中一段文字，然后右键选择“Save Hightlights to Readwise”，最后根据事先设置好的格式，自动同步到Obsidian的指定文件夹里。

这个功能最让我喜欢地方是，它可以汇总同一篇文章的不同Highlights。

一篇稍微长一点的文章，往往会有好几个Highlights是我想保存下来的。很多工具的做法是，一条Highlight对应一条笔记。一篇文章看下来，会有好多条笔记生成，然后我又得特意去把它们集中到一条笔记里边，把多余的删除。

Readwise在这方面就做得很贴心。比如这篇文章我已经保存了几条Highlights，也同步到Obsidian里生成笔记了。之后如果还有新的Highlight，它会在原有的笔记基础上做补充。一篇文章消化完了，对应生成一篇笔记，这个就舒服多了嘛。

除了保存文章片段，我还用Readwise保存Twitter上的推文。它支持两种方式：在回复里@Readwise让它save，或者把推文链接私信发它。我不想敲字，所以选择私信的方式。

Readwise本身是个聚合器，跟市面上主流的工具都打通了。它甚至可以把Kindle里的笔记同步过来，特别强悍，大家可以试试。

所以，有了这两个插件，我Obsidian里的文件夹做了调整，新增了Input，里边放三个子文件夹：

Articles专门放Omnivore那边过来的文章，我在插件的设置里的Folder选项把文件夹目录填进去了。

Highlights和Tweets放Readwise的内容。除了在插件的设置里填上文件夹名称，我还在网站的后台更改了Category Folder的名字，把Articles改成了Highlights，不然就跟Omnivore那边重合了。

这两个插件都支持你自定义内容的格式。我参考了网上大佬的template，然后自己做了修改。这些格式我都发在newtype社群了，知识星球或者Patreon的小伙伴可以直接拿去用。

做完这一切的设置、调整之后，Obsidian就成为我的AI知识库的核心了：

第一，它本来就有AI插件，比如之前介绍过的Copilot、Text Generator，云端和本地的模型都支持，做一些对话、内容生成、知识库查询完全没问题。

第二，它本来就是一款非常好用的笔记软件，社区插件超级丰富。在PC、Mac、iPhone之间通过iCloud同步也很顺畅。

通过刚才介绍的两款插件，把外部信息同步这一环补上之后，这才是我比较满意的AI知识库的形态。

OK，以上就是本期内容。大家有什么想聊的，来newtype找我，我都在。那咱们下期见！

Key Takeaway

• Agent是AI智能体的核心，用于自动化执行任务，其搭建关键在于明确需求和工作流设计。
• Multi-Agent System通过角色分工协作，解决复杂任务，例如Researcher、Editor和Note Taker的组合。
• Agent除了大模型作为“大脑”，还需要工具作为“手脚”，如搜索工具（Tavily）和笔记工具（Obsidian）。
• 搭建Agent系统需要Python脚本，即使编程能力不高，也能通过现有脚本进行修改和拼装。
• RAG和Agent是AI原生应用的关键技术，理解并实践它们能提升AI使用效率。

Full Content

我对自己的笔记系统做了一点小升级。

之前的系统只是“离线版”，只能根据已有的内容去生成新内容。

升级之后的系统就是“联机版”：增加了AI搜索、报告生成的功能。而且，全都搞定之后，还会自动生成一条笔记，省得我还要手动贴进Obsidian。

这些功能的背后，是Agent / AI智能体的能力。

我在上期视频介绍了Agent的基本概念。有些小伙伴说，想看看具体的案例。所以这期也算是一个简单的演示，让你知道Agent是怎么搭建的、怎么工作的。

现在虽然有不少工具，比如difi.ai之类的，能让你点几下鼠标就完成搭建。但是，要完全实现自己的需求，完全按照自己的心意来，还是得靠代码。

不过也不用担心，一是网上有很多现成的Python脚本，你稍微改一改、拼装一下，完全可以用；二是它也不要求你有多高的编程能力，看得懂就行。甚至你把它当成英语四级的阅读理解都OK。像我这种小学生水平都能上手，你肯定没问题。

OK，咱们进入正题。

Agent是用来干活儿的。所以，一切的出发点肯定是需求，越明确越好。

我的需求很简单，来自于我日常经常遇到的情况：

当我在Obsidian里整理笔记或者写东西的时候，经常会需要去查点资料。搜到好多个网页之后，我需要创建一条新笔记，把里边有用的内容提取出来，规整一下，变成一个比较有逻辑的东西，存在笔记里边，方便下一步处理。

这些繁琐的、技术含量不高的工作，我希望能交给几个Agent合作完成。

就像我在知识星球newtype里说的，搭建一套Multi-Agent System，最重要的是，你想让它怎么做。

所以，为了满足这个需求，需要三个角色，分别完成三个任务：

Researcher：负责上网查资料，然后把找到的内容汇总成一份报告。 Editor：它的内容能力强、文笔好，负责根据Researcher提供的报告，撰写一篇笔记。 Note Taker：它的任务很简单，就是在Obsidian里创建一条新笔记，然后把Editor写好的东西贴进去。

这是一个非常简单的分工，很好理解。难点在于给Agent配什么工具。

你可以把大模型看作是一个单独的大脑，就像科幻电影里的那种。它只有“思考”能力，没有行为能力。所以，Agent除了装上大模型这个大脑之外，还得拿上工具——咱不能人家不能空手去干，对吧？

根据分工内容，Agent需要用到两个工具：

搜索工具：有了这个，Agent才能联网搜索。 笔记工具：Agent需要知道，笔记放在哪个位置，什么格式，以及新笔记的标题该叫啥。

关于搜索工具，今天已经有很多现成的了。比如Google、DuckduckGO，都可以直接用。我这边选择的是Tavily。他们提供的搜索API，专门为大模型和RAG优化过，效果挺好的。直接加两行代码就可以用。

关于笔记工具，这边需要动点脑子，因为Obsidian并没有提供一个接口让其它程序能够接入去创建笔记。不过，解法还是有的：

Obsidian的所有笔记都是md格式的。那么，咱们就直接在笔记所在的文件夹创建一个md格式的文件。也就是说，通过在外部创建笔记的方式，绕开在软件内创建的这一步。

所以，基于这个解法，就有了CustomTools这几行代码，指明了笔记文件夹的位置，以及文件名的规则——按照笔记创建的时间来命名。

当把这些组合在一起之后，就形成了这样一份脚本，包含这几部分：

基础设置，包括API Key是什么，具体的模型用哪个，以及工具的设置。 刚才介绍过的那三个Agent，它们分别负责干什么，以及允许它们使用什么工具。 分几个子任务完成，以及每一个子任务都由哪些Agent参与。

当把这些拼装完毕之后，运行脚本，等个十几秒，任务就完成了。

以后每次使用，我只需要把这一行修改了，也就是告诉Agent，让它帮我搜什么。

其实我也可以用Gradio添加一个可视化的界面。不过我自己使用就不讲究那么多了。

按照同样的逻辑，我们可以对这个脚本做一些修改。比如，输入一个公众号文章的链接，让Agent读取它，然后把内容全扒下来，做提炼和总结，最后存进笔记里，都可以。

我这边介绍的都是最简单的Workflow，主要是想让大家有个概念。真要是搞大一些的项目，整套系统设计会麻烦得多，会用到更多的工具和大模型，Agent之间以及Agent和用户之间的协作也会复杂起来。

OK以上就是本期内容。希望通过这期和上一期视频，大家能对Agent有一个基本的认知。还是那句话：RAG和Agent是用好AI的关键。大家有什么问题就来知识星球newtype找我。咱们下期见！