Obsidian Local REST API 使用教程
1. 项目介绍
Obsidian Local REST API 是一个为 Obsidian 笔记应用提供的插件,它允许用户通过 REST API 与 Obsidian 中的笔记进行交互。这个插件的主要目的是帮助用户自动化与笔记相关的任务,例如创建、更新、删除笔记,以及执行 Obsidian 中的命令。通过这个插件,用户可以轻松地将 Obsidian 与其他工具集成,实现更高效的工作流程。
2. 项目快速启动
2.1 安装插件
首先,确保你已经安装了 Obsidian 应用。然后按照以下步骤安装 Obsidian Local REST API 插件:
- 打开 Obsidian 应用。
- 进入“设置” -> “社区插件”。
- 在“社区插件”页面中,点击“浏览”按钮。
- 搜索“Local REST API”插件,并点击“安装”。
- 安装完成后,点击“启用”按钮。
2.2 配置插件
安装完成后,你需要配置插件以生成 API 密钥:
- 进入“设置” -> “Local REST API”。
- 点击“生成新的 API 密钥”。
- 保存生成的 API 密钥,以便后续使用。
2.3 使用 API
以下是一个简单的示例,展示如何使用 API 创建一个新的笔记:
curl -X POST "http://localhost:4567/notes" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"title": "My New Note",
"content": "This is the content of my new note."
}'
3. 应用案例和最佳实践
3.1 自动化笔记创建
你可以使用 Obsidian Local REST API 来自动化笔记的创建过程。例如,你可以编写一个脚本,定期从外部数据源获取信息,并自动生成笔记。
3.2 与浏览器扩展集成
通过与浏览器扩展(如 Obsidian Web)集成,你可以直接从浏览器中保存网页内容到 Obsidian 笔记中。
3.3 定时任务
你可以设置定时任务,定期执行某些笔记操作,例如备份笔记、更新笔记内容等。
4. 典型生态项目
4.1 Obsidian Web
Obsidian Web 是一个浏览器扩展,它允许用户直接从浏览器中保存网页内容到 Obsidian 笔记中。通过与 Obsidian Local REST API 结合使用,你可以实现更高效的网页内容保存流程。
4.2 Obsidian Advanced URI
Obsidian Advanced URI 是一个插件,它扩展了 Obsidian 的 URL 方案,允许用户通过自定义 URL 执行特定的 Obsidian 命令。结合 Obsidian Local REST API,你可以进一步扩展这些功能,实现更复杂的自动化任务。
通过以上步骤和示例,你可以快速上手并充分利用 Obsidian Local REST API 的功能,提升你的笔记管理和自动化能力。
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