FWQ
在Obsidian笔记中有效运用语言模型
今天我在Hacker News上看到了一篇关于Obsidian集成了ChatGPT的新插件的文章。市场上有不少此类工具,我乐于看到人们用不同的方式把它们应用于Obsidian。它们能够帮助人们建立联系,让你的笔记内容更加深入。有评论者觉得这会替代你原本应自行完成的工作,然而我认为这实际上为你提供了新颖且惊人的能力。 与笔记对话 或许最直接也是你最想做的事情,就是与笔记内容对话。提出问题以深入了解。如果能直接将这个模型对准你的笔记,然后就一切顺利,那会非常便利。但是大部分模型无法一次性处理所有内容。 当你有问题时,并非所有笔记都与之相关。你需要找到相关部分,然后提交给模型。Obsidian提供搜索功能,但它只能搜寻确切的词语和短语,我们需要搜寻的是概念。这就是嵌入索引的用武之地。创建索引实际上是非常简单的。 构建索引器 创建Obsidian插件时,你可以设置它在启动时执行某些操作,然后当你执行命令、打开笔记或在Obsidian中进行其它活动时执行其他操作。所以我们希望这个插件一开始就能理解你的笔记,并且它应该保存它的进度,这样就不需要再次生成索引了。让我们看一段代码示例,它展示了如何为我们的笔记建立索引。我此处使用的是[],[]也是一个极好的选择。 import { VectorStoreIndex, serviceContextFromDefaults, storageContextFromDefaults, MarkdownReader } from “llamaindex”; const service_context = serviceContextFromDefaults({ chunkSize: 256 }) const…