Obsidian Emoji Shortcodes 插件使用教程
1. 项目介绍
Obsidian Emoji Shortcodes 是一个为 Obsidian 笔记应用开发的插件,旨在为 Obsidian 添加对 Emoji 短代码的支持。通过这个插件,用户可以在笔记中使用 Emoji 短代码来快速插入表情符号,例如 :joy: 会转换为 😂,:heart: 会转换为 ❤️。
该项目托管在 GitHub 上,由 phibr0 开发和维护。插件的源代码和相关文档都可以在 GitHub 仓库 中找到。
2. 项目快速启动
2.1 安装插件
-
打开 Obsidian 设置:
- 在 Obsidian 中,点击左下角的设置图标,进入设置页面。
-
进入社区插件:
- 在设置页面中,选择“社区插件”选项。
-
禁用安全模式:
- 确保“安全模式”处于关闭状态,以便安装第三方插件。
-
浏览并安装插件:
- 点击“浏览”按钮,搜索“Emoji Shortcodes”。
- 找到插件后,点击“安装”按钮。
-
启用插件:
- 安装完成后,在“已安装插件”列表中找到“Emoji Shortcodes”,并将其启用。
2.2 使用插件
在启用插件后,你可以在 Obsidian 笔记中直接使用 Emoji 短代码。例如:
# 示例笔记
这是一个示例笔记,包含一些 Emoji 短代码:
- :smile: 表示微笑
- :heart: 表示爱心
- :rocket: 表示火箭
保存笔记后,短代码将会自动转换为相应的表情符号。
3. 应用案例和最佳实践
3.1 应用案例
-
个人笔记:在个人笔记中使用 Emoji 短代码可以使笔记更加生动和有趣。例如,在日记中使用
:sunny:表示晴天,:cloud:表示阴天。 -
项目管理:在项目管理笔记中,可以使用 Emoji 短代码来标记任务状态。例如,使用
:white_check_mark:表示已完成,:warning:表示需要注意。
3.2 最佳实践
-
一致性:在同一笔记或项目中,尽量保持 Emoji 短代码的一致性,避免混用不同的短代码表示相同的意思。
-
简洁性:虽然 Emoji 可以使笔记更加生动,但不要过度使用,以免影响阅读体验。
4. 典型生态项目
Obsidian 作为一个强大的笔记应用,拥有丰富的插件生态系统。以下是一些与 Obsidian Emoji Shortcodes 插件相关的典型生态项目:
-
Obsidian Tasks:一个用于管理任务的插件,可以与 Emoji Shortcodes 结合使用,通过 Emoji 标记任务状态。
-
Obsidian Dataview:一个用于数据查询和展示的插件,可以与 Emoji Shortcodes 结合使用,通过 Emoji 标记数据的不同状态。
-
Obsidian Calendar:一个用于日历管理的插件,可以与 Emoji Shortcodes 结合使用,通过 Emoji 标记日历事件的类型。
通过这些插件的结合使用,可以进一步提升 Obsidian 笔记的效率和表现力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00