ExcaliBrain 使用教程
1. 项目介绍
ExcaliBrain 是一个基于 Obsidian 的插件,旨在通过图形视图帮助用户导航和管理他们的 Obsidian 知识库。该插件受到 TheBrain 和 Breadcrumbs 的启发,提供了一个交互式的、结构化的思维导图,自动生成基于文件夹和文件的链接、dataview 字段、标签和 YAML 前言的思维导图。
ExcaliBrain 支持五种类型的关系:
- Children: 通过正向链接推断的子节点。
- Parents: 通过反向链接推断的父节点。
- Friends: 相互链接的文件。
- Other Friends: 右侧的横向关系。
- Siblings: 父节点的子节点。
2. 项目快速启动
2.1 安装 ExcaliBrain
首先,确保你已经安装并启用了 Obsidian 和 Dataview 插件。然后按照以下步骤安装 ExcaliBrain:
- 打开 Obsidian。
- 进入“社区插件”选项卡。
- 搜索“ExcaliBrain”。
- 点击“安装”并启用插件。
2.2 配置 ExcaliBrain
安装完成后,你可以在 Obsidian 的设置中找到 ExcaliBrain 的配置选项。以下是一个简单的配置示例:
{
"dataview": {
"enabled": true,
"fields": ["Author", "Tags"]
},
"excalidraw": {
"enabled": true
}
}
2.3 使用 ExcaliBrain
在 Obsidian 中创建一个新的笔记,并使用以下代码生成思维导图:
# 我的思维导图
## 子节点
- [[子节点1]]
- [[子节点2]]
## 父节点
- [[父节点1]]
## 朋友节点
- [[朋友节点1]]
## 兄弟节点
- [[兄弟节点1]]
3. 应用案例和最佳实践
3.1 知识管理
ExcaliBrain 非常适合用于知识管理,特别是当你需要可视化复杂的知识网络时。通过使用 ExcaliBrain,你可以轻松地查看和导航不同笔记之间的关系,从而更好地组织和管理你的知识库。
3.2 项目管理
在项目管理中,ExcaliBrain 可以帮助你可视化项目中的不同任务和子任务之间的关系。你可以通过创建不同的节点来表示任务,并通过链接来表示任务之间的依赖关系。
3.3 学习笔记
在学习过程中,ExcaliBrain 可以帮助你更好地理解和记忆知识点。通过创建思维导图,你可以将不同的知识点连接起来,形成一个完整的知识网络。
4. 典型生态项目
4.1 Dataview
Dataview 是一个强大的 Obsidian 插件,用于查询和展示笔记中的数据。ExcaliBrain 与 Dataview 紧密集成,允许你通过 Dataview 字段来定义和展示笔记之间的关系。
4.2 Excalidraw
Excalidraw 是一个用于绘制手绘风格图形的插件。ExcaliBrain 利用 Excalidraw 的功能来生成和展示思维导图,使得导图更加直观和美观。
4.3 Hover Editor
Hover Editor 是一个 Obsidian 插件,允许你在悬浮窗口中编辑笔记。ExcaliBrain 与 Hover Editor 配合使用,可以提供更加流畅的编辑体验。
通过以上模块的介绍和实践,你可以快速上手并充分利用 ExcaliBrain 的功能,提升你的知识管理和项目管理效率。
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