【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。
kernelopenEuler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。C0134
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00