项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1347
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- 已安装 Obsidian（桌面端或移动端均可）
- 能访问 Obsidian 社区插件市场
- （可选）一个 AI 提供商账号或本地模型服务，用于嵌入与对话
- （可选）网络可访问你所配置的 AI 提供商接口
安装与启动步骤
-
1打开社区插件市场
启动 Obsidian，进入设置，找到第三方/社区插件页面，关闭安全模式以允许安装社区插件。
-
2搜索插件
在社区插件市场的搜索框中输入 Smart Second Brain，确认作者与仓库信息无误。
-
3安装并启用
点击安装，安装完成后点击启用。README 未提供手动安装或命令行安装方式。
-
4立即使用搜索与图谱
启用后无需任何配置，Search 与 Smart Graph 已经可用，可先在库中试用关键词与语义混合搜索。
-
5添加嵌入模型
可选步骤：添加一个嵌入模型并分配给搜索和图谱，解锁语义搜索与基于内容（而非仅链接）的主题聚类。
-
6配置 AI 提供商
可选步骤：添加 AI 提供商后即可启用智能助手，用自然语言向你自己的笔记提问。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
Embedding Model（嵌入模型） | 否 | 为搜索和 Smart Graph 提供语义嵌入，不配置则只有关键词匹配与链接图谱。 | 在插件设置中选择已配置的嵌入模型 |
AI Provider（AI 提供商） | 否 | 启用智能助手对话能力，不配置则无法使用 agent 问答。 | 在插件设置中选择已配置的提供商 |
如何确认成功
安装并启用插件后，搜索与 Smart Graph 立即在库中可用、无需任何配置，即表示安装成功。
常见问题
Q：必须配置 AI 模型才能用吗？
A：不必须。搜索与 Smart Graph 开箱即用；只有语义搜索、内容主题聚类和 AI 助手需要额外配置嵌入模型与 AI 提供商。
Q：我的笔记会被上传到云端吗？
A：默认情况下没有任何数据离开你的机器，唯一的网络请求是发往你自己配置的提供商，插件不含遥测。
Q：支持手机端吗？
A：支持，插件可运行在桌面端和移动端。
Q：有详细的安装文档吗？
A：有，官网 smartsecondbrain.dev 提供演示视频、功能说明、安装指南与文档，README 中也给出了 getting started 链接。
注意事项
- 请从 Obsidian 社区插件市场安装，README 未提供命令行或手动安装方式。
- 配置嵌入模型可解锁语义搜索与基于内容主题的图谱。
- 配置 AI 提供商后才能使用智能助手问答。
- 详细安装与配置请参考官网 smartsecondbrain.dev 的安装指南。
核心亮点
- 支持 Ollama 本地模型，数据不出本机，隐私保护到位
- RAG 检索精准，能基于笔记内容给出带上下文的回答
- 配置灵活，可切换多种 AI 服务商，适配不同需求
不足之处
- 依赖外部 AI 服务，首次配置嵌入模型有一定门槛
- 文档/社区待观察
适用场景
- 个人知识库智能问答，快速定位笔记中的关键信息
- 研究学习时，用对话方式梳理复杂主题的笔记关联
- 隐私敏感场景下，使用本地模型处理笔记内容
替代项目
Obsidian Copilot、Smart Connections、Text Generator
上一篇：chatgpt-nav
下一篇：OpenDeepWiki
同类项目推荐
A-Survey-on-Mixture-of-Experts-i···
开源
一张图看懂大模型 MoE 的论文地图与工程要点
[TKDE'25] The official GitHub page for the survey paper "A Survey on Mixture of Expe···
backstage-plugin-qeta
开源
在 Backstage 里搭建团队问答库，让知识随手可得。
Internal Q&A and knowledge base for Backstage. Empower teams to share knowledge, ask···
rag-all-in-one
开源
一站式搞定 RAG 应用开发，从入门到落地少走弯路
Guide to Building RAG (Retrieval-Augmented Generation) Applications
farfalle
开源
自建私有 AI 搜索，接入任意大模型，告别广告和隐私焦虑。
AI search engine - self-host with local or cloud LLMs
autoflow
开源
用图谱增强的RAG，让知识库问答更聪明
pingcap/autoflow is a Graph RAG based and conversational knowledge base tool built w···
FlashRank
开源
让搜索排序快如闪电，CPU 上也能跑大模型重排序。
Lite & Super-fast re-ranking for your search & retrieval pipelines. Supports SoTA L···
llm-wiki-plugin
开源
把零散资料自动整理成可维护的 Markdown 知识库
Andrej Karpathy's LLM Wiki pattern as a skill & Claude Code plugin — turn accumulat···
RAGMeUp
开源
喂入任意数据，快速搭出可问答的 RAG 应用
Generic rag framework to apply the power of LLMs on any given dataset
amazon-bedrock-rag
开源
在 AWS 上快速部署托管 RAG，无需自建向量库
Fully managed RAG solution implemented using Knowledge Bases for Amazon Bedrock