obsidian-garden 的安装和配置教程
1. 项目的基础介绍和主要的编程语言
obsidian-garden 是一个开源项目,它旨在为 Obsidian这款强大的知识库应用提供插件支持。Obsidian 是一款基于本地文件的Markdown知识库应用,它允许用户通过链接块的方式将笔记相互连接,形成一种“第二大脑”。obsidian-garden 插件则进一步增强了Obsidian的功能,提供了更多的自定义和优化选项。该项目主要使用JavaScript进行开发,同时也可能涉及到HTML和CSS。
2. 项目使用的关键技术和框架
项目使用的关键技术主要是基于Electron和Vue.js框架。Electron是一个允许使用Web技术(HTML、CSS和JavaScript)来创建桌面应用程序的框架。Vue.js则是一个渐进式JavaScript框架,用于构建用户界面和单页应用程序。此外,项目可能还会使用Webpack作为模块打包器,以及ES6+等现代JavaScript特性。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装之前,请确保您的系统中已经安装了以下软件:
- Node.js(推荐版本 LTS)
- Git
您可以通过在终端中运行以下命令来检查是否已安装这些工具:
node -v
git -v
如果上述命令没有返回版本号,请先安装或更新这些工具。
安装步骤
-
克隆项目
打开您的终端或命令提示符,使用以下命令克隆项目到本地:
git clone https://github.com/tanepiper/obsidian-garden.git -
进入项目目录
克隆完成后,进入项目目录:
cd obsidian-garden -
安装依赖
在项目目录中,运行以下命令安装项目依赖:
npm install -
构建项目
依赖安装完成后,构建项目:
npm run build -
配置Obsidian
将构建后的插件文件(通常为
obsidian-garden.zip)移动到Obsidian的插件文件夹中,并解压。通常,Obsidian的插件文件夹路径为:C:/Users/<Your User Name>/AppData/Roaming/obsidian/plugins或者:
~/Library/Application Support/obsidian/plugins请根据您的操作系统选择正确的路径。
-
重启Obsidian
重启Obsidian应用,您应该能在插件列表中看到
obsidian-garden插件。点击启用插件,然后根据需要配置插件设置。
完成以上步骤后,您就可以开始使用obsidian-garden插件来增强您的Obsidian体验了。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00