green-dalii/obsidian-llm-wiki

它解決的問題

許多使用者在 Obsidian 中擁有龐大的筆記收藏，隨著筆記數量增加，導航變得困難。傳統的搜尋或資料夾結構往往無法揭示想法之間的非顯而易見的連結。此外掛程式可自動從這些筆記建立結構化且相互連結的 Wiki，讓使用者能與知識庫對話，並在不需手動標記或整理每份檔案的情況下發現關係。

如何運作

此外掛程式使用 LLM 從您的筆記中提取實體（人物、組織）與概念（理論、術語），為每個項目建立獨立的 Wiki 頁面。與使用向量資料庫或嵌入（embeddings）不同，它採用基於圖形的檢索系統，透過 Personalized PageRank（PPR）與在 [[wiki-link]] 圖形上的蒙特卡洛模擬來實現。這讓 AI 能根據筆記之間的結構連接性來取得相關內容，而不僅僅依賴語義相似性。

適用對象

• Obsidian 使用者：希望擁有可透過 AI 查詢的「第二個大腦」。
• 注重隱私的使用者：偏好本地優先的設定（透過 Ollama 或 LM Studio），以確保資料離線。
• 非技術使用者：希望一鍵安裝，無需管理 Python 環境或向量資料庫。
• 研究人員：需要將 PDF、圖片與 Office 文件（如 DOCX、PPTX、XLSX）納入知識圖譜。

主要特色

• 零嵌入架構：使用基於圖形的檢索（PPR）取代向量資料庫，無需嵌入模型。
• 廣泛的提供者支援：相容 16 種以上的 LLM 提供者，包含 OpenAI、Anthropic、Gemini，以及 Ollama 等本地選項。
• 多格式匯入：透過 MinerU 或原生雲端提供者 PDF 支援，支援 Markdown、PDF、圖片與 Office 檔案（DOCX、PPTX、XLSX）。
• 整合式工作流程：完全在 Obsidian 內運行，利用原生圖形檢視進行可視化，並透過右側停靠的側邊欄進行對話。
• 雙語／多語支援：支援 11 種原生語言，適用於使用者介面與生成的 Wiki 輸出。