本地文件深度交互新玩法：Obsidian Copilot的深度开发

前言

当 "本地知识库管理" 撞上 "AI 智能分析"，会擦出怎样的火花？试想一下：你的 Obsidian 里存着多年积累的笔记、文档，却只能手动翻阅检索；而现在，一个插件 + 蓝耘 API，就能让这些 "静态文字" 瞬间 "活" 起来 ------ 自动总结核心内容、智能回答专业疑问，甚至挖掘隐藏关联！今天，就带大家拆解 Obsidian 联动蓝耘 API 的全新玩法，看看如何让本地文件从 "信息仓库" 变身 "智能助手" 。

蓝耘API KEY的创建

先进行API的创建 先点击蓝耘进行一个正常的注册流程 进入到主页之后，我们点击上方的MaaS平台 进入到平台后我们可以看到很多的大模型 不仅仅是文本生成、音频理解、视频理解还是视频生成，都有对应的大模型 每个模型都有很详细的介绍以及价格示例，用过api调用的都可以看到这个价格还是比较贴近平民的 并且可以进行在线体验的，这里是先进行思考的，然后再给出结果的，算上思考的时间，给出结果只花了几秒钟，效率还是很不错的 并且这里还有一个可视化的界面，观察你的tokens消耗数量 仔细发现还有大额的token，也是很香的，这就是我为什么选择蓝耘的原因 废话不多说，我们直接来到API KEY管理，点击创创建API KEY。创建好了之后我们直接点击复制就ok 了 格式如下：sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

进行obsidian Copilot的配置

这里的obsidian你如果没有下载的话可以私信我哦，我可以发给你的 进入到obsidian的主页，点击左下角的齿轮进入到设置中 来到第三方插件中，可以看到这里有一个社区插件市场，我们直接点击预览按钮 在搜索框中输入Copilot 选择第一个 然后我们可以看到这个插件相关的信息，下面都是一些展示样例 我们这里直接点击安装操作 等待安装 完成安装 点击启用 这里右上角报提示了 我们来到第三方插件这里，可以看到我们这里可以进行api的设置 我们来到Model

往下翻找到Add Custom Model，并进行点击操作，添加对话模型 进入到添加模型的界面是这样的 这里们将信息进行写入，写入之后我们点击右下角的Verify进行测试下是否能链接成功，如果链接成功的话是会在右上角反馈successful的，如下：

可以参考下我这里的数据

Model Nmae:/maas/qwen/Qwen3-235B-A22B

Provider:OpenAI Format

Base URL:https://maas-api.lanyun.net/v1

API KEY:你得去蓝耘MASS平台进行创建

测试成功了之后，我们直接点击这个Add Model进行模型的添加操作 然后这里我们就可以看到我们刚刚添加的蓝耘api模型

这里我在配置的时候一直报错，得亏蓝耘的工作人员反馈速度快，不然我一直处于报错现象

添加好了模型之后，我们这里是可以进行参数调节的，具体如何调节看你们的喜好 上面我们添加的是对话模型，下面的是嵌入模型，这里我们就不添加了，因为用不到，我们正常的进程对话就行了 然后我们来到Basic，我们将Default Chat Model默认对话模型设置为我们刚刚添加的 其他的参数我们就默认就行了

文件分析测试

我这里有一个表达式求值的实验报告 我们在安装了obsidian Copilot这个插件后，左侧有一个对话的按钮 我们直接进行点击，右侧就能看到我们的对话框了 我们这里可以根据提示，输入[[就能引用我们的文件了 输入好问题之后，我们直接点击chat进行问题的询问 如下是ai的回答 ai分析了我们的文件，然后对某些小点进行优化操作 他这里还询问我是否需要提供一个可视化的图，答案生成的速度也是非常的快 下面他的回答真的惊掉了我的下巴， 这种流程图的语法我是一点儿都不会，我这里直接就是让蓝耘的ai帮我生成，这看着就很舒服了

下面我还想试下更长的文章他是还能像这样进行优化操作 这里我们展示的是C++的日志系统项目，我们让ai帮我梳理下项目，生成一个流程图， 这里我们一定要先引用上这个文件，不然是会出现报错的 第一次我们这里出现了报错了，估计是文件太大了哈哈哈 所以我们这里得设置下我们上传的token数了，来到我们的Copilot Settings面板 将这三个参数进行一个适度的增加操作 看来还是不行哈哈哈，因为这个项目的字数到54761了，确实超过了上传的tokens了 那我们就针对于这个项目创建一个简单的介绍吧，这样应该是没问题了 效果如下：也是可以清晰的看到我们的项目的落地情况以及同步模式和异步模式 我们这里可以复制它的回答粘贴到文章中去 效果也是很不错的 像日常写项目的时候，写项目比较的时候，用到这个工具直接让ai分析我们的项目流程，也是很方便，再加上蓝耘的api快速反应，效率更高了

这里展示下这个生成的流程图吧，我觉得ai做的挺好的

flowchart TD A[开始日志记录] --> B{日志模式选择} B -->|同步模式| C[直接调用输出方法] B -->|异步模式| D[写入前端缓冲区] C --> E[选择输出目标] E --> F[控制台输出] E --> G[文件输出] E --> H[滚动文件输出] D --> I{缓冲区已满?} I -->|是| J[交换前后端缓冲区] I -->|否| K[继续写入] J --> L[后台线程处理] L --> M[批量写入输出目标] M --> N[控制台输出] M --> O[文件输出] M --> P[滚动文件输出] style A fill:#f9f,stroke:#333 style B fill:#bbf,stroke:#333 style D fill:#f96,stroke:#333 style L fill:#6f9,stroke:#333

Ai的Prompt的设置

使用 ctrl+P 唤出命令菜单，然后输入 copilot add 就会出现添加命令的选项

使用 Copilot 进行文本编辑时，有时你会遇到一个问题：Copilot 不知道你正在编辑的是哪篇文章。为了避免这种情况，你可以在自定义的 Prompt 中使用以下变量：

- `{activeNote}` 告诉 Copilot，你指定的是「当前窗口下激活的这篇文章」
- `{[[]]}` 告诉 Copilot 你指定的是哪一篇文章
- `{}` 告诉 Copilot 你指定的是光标选中的段落
- `{#tag1,tag2}`告诉 Copilot 你指定的是包含了哪些标签的文章，只要包含其中一个标签就会命中
- `{FolderPage}` 告诉 Copilot 你指定的是哪个文件夹路径下的所有文档
我们也可以在这里给ai设置角色设定

基于prompt的设定，ai会更加的智能化的 你们也可以设定一个自己的ai机器人哦，针对某些固定的事情进行回答操作

总结

通过 Obsidian 插件搭桥、蓝耘 API 赋能，我们见证了本地文件从 "被动存储" 到 "主动交互" 的蜕变 ------ 自动总结、智能问答，每一步都在重塑知识管理的效率边界。不过，这场 "AI + 本地工具" 的融合实验，还有多少潜力待挖掘？那得你自己循着轨迹来试试哦！！！