断网也能用的免费本地离线 AI 知识库Obsidian Local GPT 十个步骤全落地【免费下载链接】obsidian-local-gptLocal Ollama and OpenAI-like GPTs assistance for maximum privacy and offline access项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-local-gpt周日下午我瘫在沙发上想整理上周的读书笔记。Wi-Fi 时好时坏云端 AI 转圈转了三分钟最后回了我一句请检查网络连接。那一刻我意识到把最私密的笔记交给在线服务还要看它的脸色实在不是长久之计。也是从那天起我开始认真寻找一款能彻底离线运行的本地 AI 助手最终在 Obsidian 生态里遇到了 Local GPT 插件——所有推理都在你电脑上完成断网照常工作数据一步不出设备。这篇指南会陪你把插件从下载到跑通全流程走一遍并附上一套能立刻复用的实战方法全程不需要写一行代码。先把话说明白本地离线 AI 到底比云端强在哪先说结论Local GPT 不是又一个聊天窗口它是长在笔记正文里的一双手。你选中一段文字右键就能让 AI 续写、总结、改语法、提取行动项它也支持选中图片直接交给多模态模型识别或是对 PDF 链接做增强分析。把它和常见的两类方案放在一起看差异会更直观对比维度云端 AI 插件普通本地 AI 工具Obsidian Local GPT网络依赖必须联网基本离线完全离线断网可跑数据流向上传服务器留在本机100% 留在本机与笔记联动粘贴复制弱选中即处理结果写回正文反向链接/PDF 上下文不支持不支持内置 RAG自动抓取关联笔记多语言界面视厂商视厂商内置 11 种语言跟随 Obsidian 切换表格里最值得展开的就是最后一行。你选中一句话插件会顺着笔记里的双链、反链甚至 PDF 文献自动拉取相关资料作为上下文喂给模型。这意味着你问这份会议纪要里有哪些待办它回答时真的去读了相关文档而不是凭空猜测。这套检索增强逻辑的核心实现就在源码的 src/rag.ts 里想深入研究的读者可以从这里入手。三十分钟部署实录从下载到首次成功对话本地离线 AI 的部署没有想象中复杂按时间线走就行。我们以 Ollama 作为推理后端演示全程大约需要 30 分钟不含模型下载时间。第 0-5 分钟准备运行时。先去 Ollama 官网下载对应系统的客户端并安装然后打开终端拉取两个模型——推理模型负责回答嵌入模型负责检索英文笔记为主ollama pull nomic-embed-text中文等多语言笔记ollama pull bge-m3第 6-15 分钟安装插件本体。打开 Obsidian → 设置 → 第三方插件 → 关闭安全模式 → 浏览社区插件搜索 Local GPT 安装并启用。这一步会自动装上 manifest、main.js 和 styles.css 三件套不需要手动拷贝。第 16-25 分钟配置 AI 服务。Local GPT 自己不直接对接模型 API而是通过配套的 AI Providers 插件统一管理提供商。所以还要在社区插件里搜索并安装 AI Providers然后在它的设置里新增一个 Ollama 提供商填上本地地址和模型名再把嵌入模型也指到 nomic-embed-text 或 bge-m3。第 26-30 分钟绑定快捷键并首测。进入 Obsidian 设置 → 快捷键搜索 Local 找到两项给显示上下文菜单绑一个顺手的组合键比如CtrlM再给动作面板绑上CtrlJ。回到任意笔记选中一句话按CtrlJ输入帮我总结这段回车——如果光标处开始逐字出现回复就说明整条链路已经通了。部署过程中没有界面截图可参考时有一个笨办法任何一步报错先看 Obsidian 开发者控制台CtrlShiftI的报错信息它通常直接告诉你缺模型还是缺连接。实战把一篇杂乱资料变成可检索的知识卡片光能跑通不算本事下面我们用一个完整案例演示它如何改变日常。任务把手头一篇 3000 字的行业报告草稿整理成一张张可检索的知识卡片。第一步把报告的正文粘贴进一篇 Obsidian 笔记标题起为行业报告-原始稿。 第二步全选正文右键选择总结文本本地 AI 会把长文压缩成几个核心观点段落直接插入原文之后。 第三步给每条核心观点单独建笔记并在笔记里写下[[行业报告-原始稿]]这样的双链。这里的价值在于以后你再打开新笔记问 AI这条结论的依据是什么插件会顺着双链把原始报告拉进来作为上下文回答就有出处。 第四步处理其中的 PDF 参考文献把 PDF 拖进库中在笔记里插入它的链接选中该链接调用增强分析动作插件会自动提取 PDF 文本并结合笔记上下文生成解析。最终你会得到一个卡片笔记 → 原始资料 → PDF 文献互相咬合的知识网络而这一切都发生在本地不产生任何云端请求。想调整 AI 的输出格式比如让它固定输出观点依据来源三段式可以在 docs/prompt-templating.md 里学习模板占位符的用法像{{SELECTION}}控制选中文本位置、{{CONTEXT}}控制上下文位置改完保存即生效。效率提速清单今天就能勾掉的五个习惯下面的每一条都是即装即用的小动作照着做就能明显感觉顺手给常用操作各绑一个快捷键比如CtrlM呼出上下文菜单、CtrlJ打开动作面板比鼠标右键快一倍把提取行动项绑定到你每周复盘笔记会议纪要点一下就能产出待办列表新建动作时自定义系统提示词把你是专业学术编辑回答需附出处写进去让每次输出都符合你的口味中文用户把嵌入模型换成 bge-m3检索准确率比默认英文模型高一个档次在设置里浏览社区动作库看到合适的直接安装系统会自动更新到最新版避坑指南老用户替你踩过的六个坑可能踩的坑应对方案报模型未找到回到 Ollama 确认模型已拉取且 AI Providers 里选对了模型名注意大小写检索到的上下文完全无关动作面板模式下你的提问本身是唯一检索信号问题里要写清楚主题词中文检索效果差把嵌入模型切到 bge-m3不要用英文专用模型动作面板提交前看不到内容这是设计如此面板会以芯片形式列出所有将发送的文件可逐个移除提交前请务必确认PDF 无法解析确认文件是文本型 PDF 而非扫描图片扫描件需先做 OCR插件更新后动作行为变化社区动作默认自动更新想锁版本改一下它的提示词即可关闭自动更新收尾让每一次思考都留在自己的地盘里本地离线 AI 的价值说到底是把AI 能力和隐私主权同时装进了同一个笔记软件。你不需要再为网络波动焦虑也不用担心私密想法被服务器记住。今天就可以动手装好插件、拉下模型、把快捷键绑上然后拿一篇旧笔记试试总结文本。想深入研究的读者推荐从这几处源码读起插件入口在 src/main.tsRAG 检索链路在 src/rag.ts提示词模板语法在 docs/prompt-templating.md架构总览在 docs/local-gpt-architecture.md。动手之前先在自己的库上跑一遍基准测试npm test -- tests/RAG.benchmark.test.ts看看 61 个笔记图场景能通过多少或许你也会被它的严谨程度惊讶到。本地知识库的下一步就由你自己来定义。【免费下载链接】obsidian-local-gptLocal Ollama and OpenAI-like GPTs assistance for maximum privacy and offline access项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-local-gpt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 断网也能用的免费本地离线 AI 知识库：Obsidian Local GPT 十个步骤全落地
断网也能用的免费本地离线 AI 知识库Obsidian Local GPT 十个步骤全落地【免费下载链接】obsidian-local-gptLocal Ollama and OpenAI-like GPTs assistance for maximum privacy and offline access项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-local-gpt周日下午我瘫在沙发上想整理上周的读书笔记。Wi-Fi 时好时坏云端 AI 转圈转了三分钟最后回了我一句请检查网络连接。那一刻我意识到把最私密的笔记交给在线服务还要看它的脸色实在不是长久之计。也是从那天起我开始认真寻找一款能彻底离线运行的本地 AI 助手最终在 Obsidian 生态里遇到了 Local GPT 插件——所有推理都在你电脑上完成断网照常工作数据一步不出设备。这篇指南会陪你把插件从下载到跑通全流程走一遍并附上一套能立刻复用的实战方法全程不需要写一行代码。先把话说明白本地离线 AI 到底比云端强在哪先说结论Local GPT 不是又一个聊天窗口它是长在笔记正文里的一双手。你选中一段文字右键就能让 AI 续写、总结、改语法、提取行动项它也支持选中图片直接交给多模态模型识别或是对 PDF 链接做增强分析。把它和常见的两类方案放在一起看差异会更直观对比维度云端 AI 插件普通本地 AI 工具Obsidian Local GPT网络依赖必须联网基本离线完全离线断网可跑数据流向上传服务器留在本机100% 留在本机与笔记联动粘贴复制弱选中即处理结果写回正文反向链接/PDF 上下文不支持不支持内置 RAG自动抓取关联笔记多语言界面视厂商视厂商内置 11 种语言跟随 Obsidian 切换表格里最值得展开的就是最后一行。你选中一句话插件会顺着笔记里的双链、反链甚至 PDF 文献自动拉取相关资料作为上下文喂给模型。这意味着你问这份会议纪要里有哪些待办它回答时真的去读了相关文档而不是凭空猜测。这套检索增强逻辑的核心实现就在源码的 src/rag.ts 里想深入研究的读者可以从这里入手。三十分钟部署实录从下载到首次成功对话本地离线 AI 的部署没有想象中复杂按时间线走就行。我们以 Ollama 作为推理后端演示全程大约需要 30 分钟不含模型下载时间。第 0-5 分钟准备运行时。先去 Ollama 官网下载对应系统的客户端并安装然后打开终端拉取两个模型——推理模型负责回答嵌入模型负责检索英文笔记为主ollama pull nomic-embed-text中文等多语言笔记ollama pull bge-m3第 6-15 分钟安装插件本体。打开 Obsidian → 设置 → 第三方插件 → 关闭安全模式 → 浏览社区插件搜索 Local GPT 安装并启用。这一步会自动装上 manifest、main.js 和 styles.css 三件套不需要手动拷贝。第 16-25 分钟配置 AI 服务。Local GPT 自己不直接对接模型 API而是通过配套的 AI Providers 插件统一管理提供商。所以还要在社区插件里搜索并安装 AI Providers然后在它的设置里新增一个 Ollama 提供商填上本地地址和模型名再把嵌入模型也指到 nomic-embed-text 或 bge-m3。第 26-30 分钟绑定快捷键并首测。进入 Obsidian 设置 → 快捷键搜索 Local 找到两项给显示上下文菜单绑一个顺手的组合键比如CtrlM再给动作面板绑上CtrlJ。回到任意笔记选中一句话按CtrlJ输入帮我总结这段回车——如果光标处开始逐字出现回复就说明整条链路已经通了。部署过程中没有界面截图可参考时有一个笨办法任何一步报错先看 Obsidian 开发者控制台CtrlShiftI的报错信息它通常直接告诉你缺模型还是缺连接。实战把一篇杂乱资料变成可检索的知识卡片光能跑通不算本事下面我们用一个完整案例演示它如何改变日常。任务把手头一篇 3000 字的行业报告草稿整理成一张张可检索的知识卡片。第一步把报告的正文粘贴进一篇 Obsidian 笔记标题起为行业报告-原始稿。 第二步全选正文右键选择总结文本本地 AI 会把长文压缩成几个核心观点段落直接插入原文之后。 第三步给每条核心观点单独建笔记并在笔记里写下[[行业报告-原始稿]]这样的双链。这里的价值在于以后你再打开新笔记问 AI这条结论的依据是什么插件会顺着双链把原始报告拉进来作为上下文回答就有出处。 第四步处理其中的 PDF 参考文献把 PDF 拖进库中在笔记里插入它的链接选中该链接调用增强分析动作插件会自动提取 PDF 文本并结合笔记上下文生成解析。最终你会得到一个卡片笔记 → 原始资料 → PDF 文献互相咬合的知识网络而这一切都发生在本地不产生任何云端请求。想调整 AI 的输出格式比如让它固定输出观点依据来源三段式可以在 docs/prompt-templating.md 里学习模板占位符的用法像{{SELECTION}}控制选中文本位置、{{CONTEXT}}控制上下文位置改完保存即生效。效率提速清单今天就能勾掉的五个习惯下面的每一条都是即装即用的小动作照着做就能明显感觉顺手给常用操作各绑一个快捷键比如CtrlM呼出上下文菜单、CtrlJ打开动作面板比鼠标右键快一倍把提取行动项绑定到你每周复盘笔记会议纪要点一下就能产出待办列表新建动作时自定义系统提示词把你是专业学术编辑回答需附出处写进去让每次输出都符合你的口味中文用户把嵌入模型换成 bge-m3检索准确率比默认英文模型高一个档次在设置里浏览社区动作库看到合适的直接安装系统会自动更新到最新版避坑指南老用户替你踩过的六个坑可能踩的坑应对方案报模型未找到回到 Ollama 确认模型已拉取且 AI Providers 里选对了模型名注意大小写检索到的上下文完全无关动作面板模式下你的提问本身是唯一检索信号问题里要写清楚主题词中文检索效果差把嵌入模型切到 bge-m3不要用英文专用模型动作面板提交前看不到内容这是设计如此面板会以芯片形式列出所有将发送的文件可逐个移除提交前请务必确认PDF 无法解析确认文件是文本型 PDF 而非扫描图片扫描件需先做 OCR插件更新后动作行为变化社区动作默认自动更新想锁版本改一下它的提示词即可关闭自动更新收尾让每一次思考都留在自己的地盘里本地离线 AI 的价值说到底是把AI 能力和隐私主权同时装进了同一个笔记软件。你不需要再为网络波动焦虑也不用担心私密想法被服务器记住。今天就可以动手装好插件、拉下模型、把快捷键绑上然后拿一篇旧笔记试试总结文本。想深入研究的读者推荐从这几处源码读起插件入口在 src/main.tsRAG 检索链路在 src/rag.ts提示词模板语法在 docs/prompt-templating.md架构总览在 docs/local-gpt-architecture.md。动手之前先在自己的库上跑一遍基准测试npm test -- tests/RAG.benchmark.test.ts看看 61 个笔记图场景能通过多少或许你也会被它的严谨程度惊讶到。本地知识库的下一步就由你自己来定义。【免费下载链接】obsidian-local-gptLocal Ollama and OpenAI-like GPTs assistance for maximum privacy and offline access项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-local-gpt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考