Obsidian-Export v25.3.0 发布:增强Markdown兼容性
Obsidian-Export 是一个强大的命令行工具,专门设计用于将 Obsidian 笔记库中的内容导出为其他格式。它能够处理 Obsidian 特有的语法和功能,如内部链接、嵌入内容等,并将其转换为标准 Markdown 或其他格式,方便用户在不同平台间迁移或发布内容。
最新发布的 v25.3.0 版本主要带来了对 GitHub Flavored Markdown (GFM) 的支持,这一改进显著提升了导出内容的质量和兼容性。
GFM支持:改善Obsidian callouts的导出效果
本次更新的核心特性是启用了 GitHub Flavored Markdown 扩展支持。这一变化特别针对 Obsidian 中的 callouts(标注框)功能,解决了之前版本中可能出现的格式混乱问题。
在 Obsidian 中,callouts 是一种常用的笔记组织方式,它允许用户创建带有特殊样式的注释块。例如:
> [!NOTE]
> 这是一个示例标注
在之前的版本中,这类 callouts 在导出时可能会被添加不必要的转义字符,导致格式损坏。v25.3.0 通过启用 GFM 支持,确保了这些特殊语法能够被正确识别和处理,从而保持原有的结构和样式。
技术实现细节
GFM 是标准 CommonMark 的一个扩展集,增加了表格、任务列表、删除线等额外语法支持。Obsidian-Export 通过集成 pulldown-cmark 库的最新功能,实现了对这些扩展语法的完整支持。
具体到 callouts 的处理,新版本采用了更智能的解析策略:
- 识别 Obsidian 特有的 callout 语法结构
- 在保持语义完整性的前提下进行转换
- 避免添加不必要的转义字符
- 确保输出与 GFM 规范兼容
使用建议
对于依赖 callouts 组织笔记的用户,升级到 v25.3.0 将获得更可靠的导出体验。建议所有用户及时更新,特别是:
- 经常需要将笔记发布到 GitHub 的用户
- 使用 callouts 进行知识管理的用户
- 需要保持笔记在不同平台间一致性的用户
安装与升级
用户可以通过多种方式获取新版本:
- 使用 shell 脚本一键安装(支持 Linux/macOS)
- 通过 PowerShell 脚本安装(Windows 用户)
- 直接下载对应平台的预编译二进制文件
所有发布文件都附带了 SHA256 校验和,确保下载安全可靠。
总结
Obsidian-Export v25.3.0 通过引入 GFM 支持,解决了长期存在的 callouts 导出问题,进一步巩固了其作为 Obsidian 生态中重要工具的地位。这一改进使得笔记导出过程更加无缝,减少了后期手动修正的工作量,对于内容创作者和知识工作者来说是一个值得欢迎的更新。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07