Vault Curate
Obsidian 的本地第二大腦

找到、看見、重新想起自己的筆記。用意思搜尋,看見你從沒手動連過的關係,把當初寫得很好卻早就忘了的筆記重新撈回眼前。
全程在你自己的電腦上運作,不需要 API 金鑰、不註冊、不追蹤。

Obsidian 外掛,桌機與手機皆可用 · 完全免費、開放原始碼(MIT 授權)· 不連網也能用 · 繁體中文表現強

English

取得外掛

正在取得最新版本…

在 Obsidian 裡的路徑:設定 → 第三方外掛 → 瀏覽,搜尋 Vault Curate,按安裝再啟用。完整步驟(含 BRAT 與手動安裝)見下方「安裝說明」。

Vault Curate:找到、看見、重新想起自己的筆記
開始之前:Vault Curate 需要 Obsidian 1.7.2 或更新的版本。索引在桌機上建立,模型只需下載一次(約 110 MB),之後一個約 5,000 個片段的知識庫大約一分半鐘建完。手機與平板則透過你原本就在用的同步方式讀取同一份索引,裝置上不必設定、也不必下載模型。AI 整理功能預設關閉,沒有你的明確點擊,任何東西都不會被寫進你的筆記。

這是什麼?

找到一則筆記只是第一步。更難的在後面:看見筆記之間的關係(包含那些你從來沒有手動連起來的),以及不要讓寫得好的筆記默默沉底。Obsidian 內建搜尋是照字面找的(搜「禱告」就漏掉「靈修」),關聯圖只顯示你自己畫過的連線,舊筆記則會慢慢淡出視野。

Vault Curate 在你的知識庫裡把這個迴圈補完:用意思找到筆記,看見它和什麼有關,再把你早就忘了的重新撈回來。它只負責提議,決定權在你,沒有聊天機器人代你回答,也沒有背景程序偷改你的筆記。

示意圖:語意關聯如何把整個知識庫的筆記串起來
本來就該放在一起的筆記,不管你當初有沒有連過

它會做什麼

畫面

以下截圖來自一個以繁體中文為主的真實知識庫。

側邊欄的搜尋結果,可以直接拖到 Obsidian 白板上
搜尋結果留在側邊欄,附相關度分數,可以直接拖到白板上
白板上的關聯圖:一則筆記被最接近的鄰居圍繞,每條邊標著相關度
關聯圖:中間是那則筆記,周圍是最接近的鄰居。紫色邊是有關聯但還沒連起來的,灰色邊是你已經連過的
發掘側邊欄顯示與目前開著的筆記相關的其他筆記
發掘:打開一則筆記,相關的就出現在旁邊,其中很久沒讀的會被特別標示

安裝說明

從社群外掛安裝(建議)

  1. 在 Obsidian 打開設定 → 第三方外掛,確認安全模式已關閉,然後按瀏覽
  2. 搜尋 Vault Curate,按安裝再按啟用
  3. 歡迎畫面會自己跳出來:選內建的本機模型,按 Index my vault now。建完索引後點側邊欄的指南針圖示就可以開始搜尋。

手動安裝

Releases 下載 main.jsmanifest.jsonstyles.css,放進知識庫裡的 .obsidian/plugins/vault-curate/,再到設定 → 第三方外掛啟用。兩個 .wasm 執行檔會在第一次啟動時自動取得。

透過 BRAT(跟著 GitHub 發布更新)

安裝 BRAT,執行 BRAT: Add a beta plugin for testing,輸入 notoriouslab/vault-curate。之後新版本會自動被抓到。

常見問題

免費嗎?之後會收費嗎?

完全免費,而且開放原始碼(MIT 授權),沒有付費版、沒有內購、不需要任何帳號。它原本就是作者為自己的知識庫做的工具。

我筆記的內容會離開這台電腦嗎?

用內建模型不會,它在你自己的裝置上運算;接本機 Ollama 也不會。唯一會送出去的是「OpenAI 相容」這個選項,而且只送到你自己指定的位址(那個位址也可以是 LM Studio 這類本機服務)。三種模式都沒有任何遙測或使用行為追蹤。

它會改動我的筆記嗎?

不會自己動。它顯示的每一項都是等你點頭或搖頭的提議。連結只會寫進你在確認視窗裡勾選的那些組合;而會寫入描述或產生目錄筆記的 AI 功能預設是關的,開了之後也要你手動執行才會跑。

手機或平板能用嗎?

1.5.0 起可以,角色是唯讀:讀桌機建好的那份索引。搜尋、找相關筆記、撈回被遺忘的筆記、產生白板圖都能用;建索引、把提議寫成連結、AI 功能則留在桌機。索引會跟著你原本在用的同步方式(iCloud、Obsidian Sync、Syncthing 等)到裝置上,手機端不必設定,也不用下載模型。

中文的效果如何?

內建模型是針對中文調校的,人名、宗教與專業術語、口語說法這些通用多語模型容易失手的地方特別有感。繁體中文的知識庫有專門處理:比對時在背後做正規化,而你看到與搜尋到的內容一律維持繁體。其他語言可以把供應者改成 Ollama 或任何 OpenAI 相容的服務。

第一次建索引要多久?

本機模型約 110 MB,只下載一次。之後一個約 5,000 個片段的知識庫,在支援 WebGPU 的機器上大約一分半鐘建完;沒有 WebGPU 也能跑,只是慢一些。後續的修改會增量更新,不需要整份重建。

遇到問題怎麼回報?

GitHub 的 Issues 頁開一則(需要一個免費的 GitHub 帳號),描述你看到的畫面即可。請不要把自己的筆記附上去。