【亲测免费】 Obsidian Weread Plugin 下载及安装教程
1. 项目介绍
Obsidian Weread Plugin 是一个社区插件,用于将微信读书中的书籍元信息、高亮标注、划线感想、书评等同步到 Obsidian Vault 中。该插件将这些信息转换为 Markdown 格式保存,方便用户在 Obsidian 中进行笔记管理和知识整理。
2. 项目下载位置
Obsidian Weread Plugin 的项目源码托管在 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/zhaohongxuan/obsidian-weread-plugin.git下载完成后,项目文件将保存在当前目录下的
obsidian-weread-plugin文件夹中。
3. 项目安装环境配置
3.1 安装 Node.js
Obsidian Weread Plugin 依赖于 Node.js 环境。请确保在安装项目之前已经安装了 Node.js。
-
访问 Node.js 官方网站下载并安装最新版本的 Node.js。
-
安装完成后,在终端中运行以下命令验证安装是否成功:
node -v npm -v如果显示版本号,则说明 Node.js 安装成功。
3.2 安装 Obsidian
Obsidian Weread Plugin 是一个 Obsidian 插件,因此需要先安装 Obsidian 客户端。
- 访问 Obsidian 官方网站下载并安装 Obsidian。
- 安装完成后,打开 Obsidian 客户端。
3.3 配置项目环境
-
进入项目目录:
cd obsidian-weread-plugin -
安装项目依赖:
npm install此命令将自动安装项目所需的所有依赖包。
4. 项目安装方式
4.1 通过插件市场安装
- 打开 Obsidian 客户端。
- 进入“设置” -> “社区插件”。
- 在搜索框中输入“Weread”,找到“Weread Plugin”并点击“安装”。
- 安装完成后,点击“启用”使插件生效。
4.2 手动安装
- 在项目目录中找到
main.js和manifest.json文件。 - 将这两个文件复制到 Obsidian 的插件目录中。插件目录通常位于
Vault/.obsidian/plugins/下。 - 重新启动 Obsidian 客户端,插件将自动加载。
5. 项目处理脚本
Obsidian Weread Plugin 提供了一些处理脚本,用于同步微信读书中的笔记和标注。以下是一些常用的脚本:
5.1 同步脚本
在项目目录中,运行以下命令以同步微信读书中的笔记:
npm run sync
此命令将自动同步微信读书中的高亮标注和笔记到 Obsidian Vault 中。
5.2 更新脚本
如果需要更新插件,可以运行以下命令:
npm run update
此命令将更新插件到最新版本。
5.3 清理脚本
如果需要清理插件生成的文件,可以运行以下命令:
npm run clean
此命令将删除所有生成的文件,恢复插件的初始状态。
通过以上步骤,您可以成功下载、安装并配置 Obsidian Weread Plugin,开始在 Obsidian 中同步和管理微信读书的笔记。
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 StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00