Obsidian Weread 插件使用教程
项目介绍
Obsidian Weread 插件是一个为 Obsidian 笔记应用设计的社区插件,用于同步微信读书中的书籍元信息、高亮标注、划线感想、书评等内容,并将这些信息转换为 markdown 格式保存到 Obsidian 的文件夹中。
核心功能特性
- 书籍元数据同步:自动同步书籍封面、作者、出版社、ISBN、出版时间等完整信息
- 完整笔记支持:支持同步划线笔记、页面笔记、章节笔记、书籍书评等多种笔记类型
- 微信扫码登录:支持微信扫码登录,与浏览器保持一致的长时间登录状态
- 智能同步机制:首次同步较慢,后续只更新有变化的书籍,速度很快
- 模板自定义:支持自定义笔记生成模板,满足个性化需求
- 移动端适配:完美支持手机和平板设备同步
- Daily Notes 集成:可将当日读书笔记同步至 Daily Notes 中
快速安装配置
第一步:插件安装
在 Obsidian 社区插件市场中搜索"weread",找到"Weread Plugin"点击安装,安装完成后点击启用插件。
第二步:账户登录配置
- 打开 Obsidian 设置,进入"Obsidian Weread Plugin"设置页面
- 点击右侧"登录"按钮,在弹出的登录页面扫码登录
- 登录完成后会显示个人昵称,表示登录成功
第三步:同步设置
配置笔记保存位置、笔记最小划线数量、笔记文件夹分类等参数,根据个人需求进行个性化设置。
基础使用方法
- 点击左侧 Ribbon 上的微信读书按钮
- 或使用 Command+P(Windows Ctrl+P)调出命令面板,输入"Weread"找到"Sync Weread command"执行同步
- 同步完成后,笔记将保存到指定文件夹中
高级功能配置
自定义模板设置
插件提供丰富的模板自定义功能,默认模板位于 src/assets/wereadOfficialTemplate.njk,用户可以根据需要修改模板格式。
Daily Notes 集成
在设置中打开同步到 Daily Notes 的开关,设置 Daily Notes 的目录以及文件格式,支持 Periodic Notes 格式管理。
文件名和文件夹配置
支持多种文件名格式设置(BOOK_NAME、BOOK_ID等),支持按书籍类型、作者等多种方式进行文件夹分类。
技术实现细节
插件通过微信读书官方 API 接口获取数据,核心 API 调用逻辑位于 src/api.ts,支持获取书籍详情、划线笔记、书评信息等多种数据。
同步逻辑实现位于 src/syncNotebooks.ts,采用智能同步机制,只更新有变化的书籍内容。
最佳实践建议
学术研究笔记管理
研究人员可以使用该插件将专业书籍的阅读笔记自动整理到 Obsidian 中,建立 interconnected 知识网络,便于论文写作时快速查找和引用相关资料。
团队知识共享
团队成员通过同步阅读笔记到共享知识库,实现知识的共享和协作,促进团队学习效率。
个人知识体系构建
结合 Obsidian 的双向链接功能,将读书笔记与个人知识体系深度融合,形成完整的知识图谱。
注意事项
- 本插件是覆盖式更新,请不要在同步的文件里直接修改内容
- 写永久笔记时建议使用 Block 引用的方式在外部进行批注
- 长期不使用插件时 Cookie 可能会失效,需要重新登录
- 偶尔可能会有网络连接问题,重新点击同步即可
技术支持与资源
- 官方 API 文档参考:docs/weread-api.md
- 设置配置管理:src/settings.ts
- 社区支持:Obsidian 官方论坛获取最新更新和技巧分享
通过本指南,您将能够充分利用 Obsidian Weread 插件,实现微信读书笔记的高效管理和知识整合,提升个人知识管理效率。
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