【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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03