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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00