【亲测免费】 Obsidian Image Toolkit 项目下载及安装教程
1. 项目介绍
Obsidian Image Toolkit 是一个为 Obsidian 笔记软件开发的插件,旨在提供一些图像查看工具。通过该插件,用户可以点击图像后进行预览、缩放、移动、旋转、翻转、反色和复制图像等操作。该插件支持两种模式:普通模式和固定模式,用户可以根据需要选择不同的模式进行图像查看。
2. 项目下载位置
Obsidian Image Toolkit 项目的源代码托管在 GitHub 上。用户可以通过以下步骤下载项目:
-
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/sissilab/obsidian-image-toolkit.git下载完成后,项目文件将保存在当前目录下的
obsidian-image-toolkit文件夹中。
3. 项目安装环境配置
3.1 环境要求
- 操作系统:Windows、macOS、Linux
- Obsidian 版本:0.10.0 及以上
- Node.js:12.x 及以上
- npm:6.x 及以上
3.2 环境配置步骤
-
安装 Node.js 和 npm:
访问 Node.js 官网 下载并安装 Node.js。安装完成后,npm 会自动安装。

-
验证安装:
打开终端或命令行工具,输入以下命令验证 Node.js 和 npm 是否安装成功:
node -v npm -v如果显示版本号,则表示安装成功。

4. 项目安装方式
4.1 通过 Obsidian 社区插件安装
-
打开 Obsidian 软件,进入设置页面。
-
在左侧菜单中选择“社区插件”。
-
关闭“安全模式”。
-
点击“浏览”按钮,搜索“Image Toolkit”。
-
找到插件后,点击“安装”按钮。
-
安装完成后,关闭插件浏览窗口,回到社区插件页面,激活新安装的插件。

4.2 手动安装
-
下载项目的最新发布版本。
-
解压下载的压缩包,找到
obsidian-image-toolkit文件夹。 -
将
obsidian-image-toolkit文件夹复制到 Obsidian 的插件目录中:<vault>/.obsidian/plugins/(注意:
.obsidian文件夹可能是隐藏的,需要先显示隐藏文件夹) -
打开 Obsidian 设置页面,进入“社区插件”,点击“重新加载插件列表”。
-
找到并激活新安装的插件。

5. 项目处理脚本
Obsidian Image Toolkit 项目包含一些处理脚本,用于构建和打包插件。以下是常用的处理脚本:
-
安装依赖:
npm install -
构建插件:
npm run build -
打包插件:
npm run package
通过这些脚本,开发者可以方便地进行插件的开发和打包。
以上是 Obsidian Image Toolkit 项目的下载及安装教程。希望这篇文章能帮助你顺利安装和使用该插件。
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