我把 Obsidian 接上 AI 之后，笔记才算真正好用了
用 Obsidian 记了快两年笔记，有段时间我觉得它已经是我能用的最好的工具了。
然后有一天下午，我在找一个月前记过的某个 Redis 配置问题，翻了二十多分钟没找到。不是没有这篇笔记——后来我用全局搜索找到了，文件名叫「2025-11-03-随手记」，里面夹着一段关键信息，周围是完全无关的内容。
那一刻我意识到：我有一个仓库，但我没有一个真正可用的知识库。
两者的区别不在于笔记有多少，而在于你能不能在需要的时候找到它。
从「存」到「用」的断层
作为程序员，我的笔记大概分几类：技术踩坑记录、架构思考、读技术文章的摘抄、还有各种会议记录和临时想法。
问题是，这些内容散落在 400 多个文件里，用 Obsidian 自带的搜索只能关键词匹配。我记得某件事，但不一定记得当时用什么词描述它。比如我知道记过「消费队列的延迟问题」，但当时写的标题可能是「消息推送踩坑」，两个词没有交集，全文搜索就废了。
这个问题让我开始研究 Obsidian 的 AI 插件。
折腾了大概三周，最终留下来的是两个：Smart Connections 和 Obsidian Copilot。
Smart Connections：终于能「搜到」那篇笔记了
Smart Connections 干的事很直接：把你的笔记向量化，支持语义搜索。
配置不复杂，装好插件后在设置里填一个 OpenAI API Key，它会扫描你的 Vault，给每篇笔记生成 Embedding。这个过程我的 400 多个文件花了大概十分钟。
装好之后左边多了一个「Smart View」面板。打开一篇笔记，它会自动展示语义相似的其他笔记，不是靠标签或链接，而是靠内容本身的相似度。
第一次用就找到了那篇「随手记」——我打开一篇新写的关于 Kafka 消息延迟的文章，Smart View 里直接冒出来了，标题排在第三位。
真正好用的是 Smart Chat。 打开侧边栏的对话框，可以直接问你自己的笔记：「我有没有记过 Docker 多阶段构建的内容？」「三个月前我做那个支付模块时用了什么架构？」
它会从 Vault 里检索相关内容，组合成回答，并且会标注来源是哪几篇笔记。
这个功能帮我打捞出来不少「沉底」的好内容。有几次在写新文章的时候，突然想到「我好像记过类似的内容」，问一下，就找到了。没有它，我可能会把同样的踩坑经历记两次。
一个踩坑： API 费用比我想象的要高一点。前两周我没注意控制调用频率，Smart Chat 用得比较频繁，一个月下来 API 费用花了大约 ¥35。后来我把模型换成了 text-embedding-3-small，同时减少 Smart View 的自动刷新频率，费用降到了 ¥10 以内。
Obsidian Copilot：把笔记变成对话
Copilot 插件跟 Smart Connections 的方向不一样。Smart Connections 是「找内容」，Copilot 更像是「处理内容」。
装好之后，左下角多一个 Chat 图标。可以直接问问题，也可以框选一段笔记内容，右键用 Copilot 处理——比如总结、翻译、生成行动项、改写成技术文档格式等。
我用它最多的场景是处理会议记录。开完会随手记的内容通常很乱，格式不统一，有些是句子有些是词组。用 Copilot 的「生成行动项」功能，三十秒就能提取出需要跟进的事情，再手动检查一遍。
还有一个场景是读技术文章的时候。我习惯把觉得重要的段落粘进 Obsidian，Copilot 可以帮我用自己的话重写一遍——不是翻译，而是用更简洁的中文重新表达核心意思。这样的笔记再看的时候，理解成本比原始摘抄低很多。
Copilot 的局限也很明显： 它不感知你的整个 Vault，只处理你当前选中或打开的内容。如果你想跨笔记提问，还是得用 Smart Connections。两个插件配合着用，覆盖的场景才算完整。
我现在的工作流
折腾了一圈，最终形成了一个相对稳定的用法：
记录阶段：还是原来那套，随手记的往 Inbox 文件夹扔，不在乎格式，先把内容留下来。
整理阶段：用 Copilot 的摘要/改写功能处理 Inbox 里的草稿，会议记录提行动项，技术摘抄改成自己的话。这一步以前完全靠手动，现在快了很多。
检索阶段：用 Smart Connections 的 Smart Chat 找历史内容。我给自己定了个规则：写新内容之前，先问一下有没有相关的旧笔记，避免重复积累。
输出阶段：写技术文章或者复盘文档的时候，打开 Smart View，看看有没有散落的相关内容可以引用或整合进来。
这套流程的核心变化是：笔记从一个「存档系统」变成了「可查询的外部记忆」。区别在于，我现在写东西的时候会主动去问它，而不是靠脑子里隐约记得有这么一篇。
值不值得折腾
Obsidian 本身是免费的，AI 插件也是免费的，成本主要来自 API。用量克制的话，一个月 API 费用大概 ¥10-20，对大多数程序员来说不是问题。
但折腾成本要算进去。配置两个插件、调整参数、等待 Embedding 生成、适应新工作流——前两周你可能觉得效率不升反降。
我个人觉得这个投入是值得的，但有一个前提：你得有一个已经积累了一定量笔记的 Vault。如果你的笔记库还在 50 篇以下，AI 能帮你找到的东西有限，用普通搜索反而更快。
等你的笔记超过 200 篇，而且你开始频繁说「我好像记过这个但找不到」的时候，Smart Connections 基本上会成为刚需。
用之前也可以先做一件事：整理一下你的笔记里有多少是真的「沉底」了的，永远找不到第二遍的内容。数量越多，AI 插件能给你带来的价值越大。
目前我还在用的第三个插件是 Templater，主要用来统一笔记模板，跟 AI 关系不大，改天单独写。
顺便一提，Obsidian 最近发布的 Bases 功能（类似 Notion 的多维表格）值得关注，用来管理技术调研记录、书单、工具评测表格都不错，等我用稳了再写一篇。