Obsidian CardBoard 插件安装与配置指南
2026-01-25 05:09:19作者:晏闻田Solitary
1. 项目基础介绍和主要编程语言
Obsidian CardBoard 是一个为 Obsidian 笔记应用开发的插件,旨在通过看板(Kanban)风格的方式,使任务管理变得更加愉快。该项目的主要编程语言是 TypeScript,这是一种在 JavaScript 基础上扩展的编程语言,广泛用于前端开发。
2. 项目使用的关键技术和框架
Obsidian CardBoard 插件使用了以下关键技术和框架:
- TypeScript:作为主要的编程语言,用于编写插件的核心逻辑。
- Webpack:用于打包和构建插件的代码。
- Jest:用于单元测试,确保代码的稳定性和可靠性。
- Obsidian API:Obsidian 提供的 API,用于与 Obsidian 应用进行交互。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装和配置 Obsidian CardBoard 插件之前,请确保你已经完成以下准备工作:
- 安装 Obsidian:确保你已经在你的设备上安装了 Obsidian 笔记应用。
- 启用第三方插件:在 Obsidian 设置中,启用第三方插件功能。
详细安装步骤
-
下载插件:
- 打开 Obsidian 应用,进入“设置”(Settings)。
- 在左侧菜单中选择“第三方插件”(Community Plugins)。
- 点击“浏览”(Browse)按钮,搜索“CardBoard”。
- 找到“Obsidian CardBoard”插件,点击“安装”(Install)按钮。
-
启用插件:
- 安装完成后,回到“第三方插件”页面。
- 找到“Obsidian CardBoard”插件,点击“启用”(Enable)按钮。
-
配置插件:
- 启用插件后,你可以在 Obsidian 的左侧菜单中看到一个新的图标,点击该图标启动 CardBoard 插件。
- 如果你还没有定义任何看板,系统会提示你添加一个新的看板。你可以选择以下三种看板类型之一:
- 日期型看板:适合按日期管理任务。
- 标签型看板:适合按标签管理任务。
- 空白看板:没有任何预定义的列,适合自定义看板。
- 你可以通过插件的设置页面添加、编辑、重新排序或删除列。
-
使用插件:
- 在看板中,任何任务都可以作为卡片显示在列中。要使任务显示为卡片,任务必须满足以下条件:
- 位于 Markdown 文件中。
- 不能缩进,必须位于行首。
- 使用以下格式之一:
- [ ] 任务标题、* [ ] 任务标题、+ [ ] 任务标题。
- 卡片的内容取决于任务的格式,缩进的任务将显示为子任务,缩进的文本将显示为笔记。
- 你可以通过点击卡片上的编辑图标来打开包含任务的笔记,或者通过右键点击卡片来更改任务的截止日期。
- 在看板中,任何任务都可以作为卡片显示在列中。要使任务显示为卡片,任务必须满足以下条件:
通过以上步骤,你就可以成功安装并配置 Obsidian CardBoard 插件,开始使用看板风格管理你的任务了。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
3D动漫渲染与卡通风格实现:Poiyomi Toon Shader全解析7个颠覆性技巧:用Virt-Manager实现虚拟机管理效率倍增告别会议截止日焦虑:AI Deadlines让全球学术日程管理化繁为简3个步骤掌握ESP32音频开发:从硬件连接到物联网音频方案突破设备限制:VR-Reversal解锁3D视频新玩法——普通设备实现自由视角观看的技术方案开源工具G-Helper启动优化与故障解决指南4大维度破解地理空间智能难题:面向研究者与从业者的AI工具指南3步掌握英雄联盟回放深度分析:从安装到战术拆解Windows驱动签名绕过与内核工具实践指南CyberdropBunkrDownloader:多平台文件下载工具全解析
项目优选
收起
暂无描述
Dockerfile
675
4.31 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
946
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212