【亲测免费】 Obsidian Local Images 插件下载及安装教程
1. 项目介绍
Obsidian Local Images 是一个为 Obsidian 桌面版本开发的插件。该插件的主要功能是查找笔记中所有指向外部图片的链接,并将这些图片下载并保存到本地,最后调整笔记中的链接以指向本地保存的图片文件。例如,如果笔记中有一个指向外部图片的链接 [](https://picsum.photos/200/300.jpg),该插件会将图片下载并保存到 vault 的 media 子目录中,然后将链接调整为指向本地保存的图片 [](media/300.jpg)。这对于从网页中复制内容并希望将图片保存在 vault 中的用户非常有用,因为外部链接可能会在未来被移动或失效。
2. 项目下载位置
Obsidian Local Images 插件的源代码托管在 GitHub 上。你可以通过以下步骤下载该项目:
- 打开终端或命令行工具。
- 使用
git clone命令下载项目:
git clone https://github.com/aleksey-rezvov/obsidian-local-images.git
3. 项目安装环境配置
在安装 Obsidian Local Images 插件之前,你需要确保你的开发环境已经配置好。以下是所需的软件和工具:
- Node.js:用于运行 JavaScript 和 TypeScript 项目。
- npm:Node.js 的包管理工具,用于安装项目依赖。
- Obsidian:确保你已经安装并配置好了 Obsidian 桌面版本。
3.1 Node.js 安装
首先,你需要安装 Node.js。你可以从 Node.js 官方网站 下载并安装适合你操作系统的版本。

3.2 npm 安装
安装 Node.js 后,npm 会自动安装。你可以通过以下命令验证 npm 是否安装成功:
npm -v
3.3 Obsidian 安装
确保你已经从 Obsidian 官方网站 下载并安装了 Obsidian 桌面版本。

4. 项目安装方式
下载并配置好环境后,你可以按照以下步骤安装 Obsidian Local Images 插件:
- 进入项目目录:
cd obsidian-local-images
- 安装项目依赖:
npm install
- 启动开发模式(可选):
npm run dev
-
将插件文件夹复制到 Obsidian 的插件目录中。通常,Obsidian 的插件目录位于
~/.obsidian/plugins/或%APPDATA%\Obsidian\plugins\,具体路径取决于你的操作系统。 -
在 Obsidian 中启用插件:
- 打开 Obsidian。
- 进入设置(Settings)。
- 选择“社区插件”(Community plugins)。
- 点击“浏览”(Browse),找到并启用“Local Images”插件。
5. 项目处理脚本
Obsidian Local Images 插件提供了两个主要的处理脚本:
- Download images locally:处理当前活动页面的所有外部图片链接。
- Download images locally for all your notes:处理 vault 中所有页面的外部图片链接。
你可以在插件的设置中配置这些脚本,并选择是否在粘贴外部链接时自动处理图片。
5.1 使用示例
假设你在笔记中有一个外部图片链接 [](https://picsum.photos/200/300.jpg),使用插件后,图片将被下载并保存到 media 目录中,链接将自动调整为 [](media/300.jpg)。

通过以上步骤,你已经成功下载并安装了 Obsidian Local Images 插件,并了解了如何使用它来处理笔记中的外部图片链接。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00