企业官网建设流程全解析

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 GPT's 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：

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Ctrl+M；再给"动作面板"绑上Ctrl+J。回到任意笔记，选中一句话按Ctrl+J，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（Ctrl+Shift+I）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Ctrl+M呼出上下文菜单、Ctrl+J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

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.ts，RAG 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 GPT's assistance for maximum privacy and offline access项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-local-gpt