【亲测免费】 Obsidian Local Images Plus 插件安装和配置指南
2026-01-21 05:11:15作者:平淮齐Percy
1. 项目基础介绍和主要编程语言
项目基础介绍
Obsidian Local Images Plus 是一个为 Obsidian 笔记应用开发的插件,主要功能是将 Markdown 笔记中的网络图片下载到本地存储。这个插件是 Obsidian-local-images 插件的重生版本,旨在提高笔记的本地化管理,确保图片的可访问性和稳定性。
主要编程语言
该项目主要使用 TypeScript 进行开发,同时也包含少量的 JavaScript 和 CSS 代码。
2. 项目使用的关键技术和框架
关键技术
- TypeScript: 用于编写插件的主要逻辑和功能。
- JavaScript: 辅助 TypeScript 实现某些特定功能。
- CSS: 用于插件的样式设计。
框架
- Obsidian API: 插件通过 Obsidian API 与 Obsidian 笔记应用进行交互。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
- 安装 Obsidian: 确保你已经安装并配置好了 Obsidian 笔记应用。
- 下载插件: 从 GitHub 仓库下载最新的插件版本。
详细安装步骤
步骤 1: 下载插件
- 打开浏览器,访问 Obsidian Local Images Plus GitHub 仓库。
- 在页面右侧找到并点击“Code”按钮,选择“Download ZIP”下载插件的压缩包。
步骤 2: 解压插件
- 找到下载的 ZIP 文件,右键点击并选择“解压到当前文件夹”或使用解压软件解压。
- 解压后会得到一个文件夹,文件夹名称通常为
obsidian-local-images-plus-main。
步骤 3: 安装插件
- 打开 Obsidian 应用,进入你的笔记库(Vault)。
- 点击左侧边栏的“设置”图标,进入设置页面。
- 在设置页面左侧菜单中,找到并点击“社区插件”。
- 在“社区插件”页面,点击“浏览”按钮,搜索“Local Images Plus”。
- 找到插件后,点击“安装”按钮进行安装。
步骤 4: 启用插件
- 安装完成后,回到“社区插件”页面,找到“Local Images Plus”插件。
- 点击“启用”按钮,启用插件。
步骤 5: 配置插件
- 启用插件后,点击插件名称进入插件设置页面。
- 根据你的需求,配置插件的各项设置,如图片保存路径、自动处理选项等。
注意事项
- 备份笔记: 在配置和使用插件时,建议定期备份你的笔记,以防数据丢失。
- 插件冲突: 确保没有其他插件与 Local Images Plus 插件功能冲突,如 Paste Image Rename 等。
通过以上步骤,你就可以成功安装并配置 Obsidian Local Images Plus 插件,享受本地化图片管理带来的便利。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271