Obsidian是一个本地优先的笔记软件，笔记文件以markdown形式存储在本地硬盘中，而且markdown是一种文本文件格式，非常适合于将其制作为知识库。

有很多Obsidian插件可以用来构建知识库，今天要使用的是Smart Connections。前面用过的Smart Second Brain其实表现也不错，不过如果笔记文件太多，前期文件处理的时间太长了。Smart Connections的前期处理效率比较高，对于有大量文本笔记需要处理的时候比较方便。

1 插件安装

Smart Connections插件可以在Obsidian插件库中直接安装。

2 插件配置

插件安装完毕后需要进行大模型配置才能使用。

• 打开设置面板中的第三方插件，找到插件Smart Connections右侧的设置按钮进入设置面板

• 进入Smart Connections设置面板后，需要设置大模型参数，如下图所示为使用ollama中加载的deepseek-coder-v2模型。这里需要注意的是选择Notes Embedding Model及Blocks Embedding Model的选择，非常影响前期处理效率。BGE-micro-v2模型的处理效率非常不错。

也可以选择使用商业版本的大模型，如下图所示为使用硅基流动提供的DeepSeek接口。

Smart Connections支持众多的模型接口，如下图所示。通过使用OpenAI format基本上可以兼容大部分的主流大模型了。(注：本地模型也可以选择使用Custom Local选项进行配置)。

模型配置完毕后，软件会自动对Obsidian中的所有笔记文件进行处理。这个过程非常耗费时间（取决于嵌入模型的性能）。文件处理完毕后，会在Obsidian笔记路径下生成一个名为.smart-connections的文件夹，处理后的数据都存在此文件夹中。每一个笔记文件对应一个json文件，因此如果笔记文件非常多的话，这里生成的文件也会非常的多。

3 插件使用

Smart Connections插件的使用非常简单。当Smart Connections安装完毕后，会在Obsidian的侧边栏添加一个名为Open:Smart Chat Conversation的按钮，点击此按钮即可开始使用。

点击此按钮后，会在Obsidian右侧打开一个对话面板，如下图所示。在其中输入提示词即可使用了，插件会自动搜索知识库中的信息进行回答。

简单尝试一下。

这里我使用的是本地版Deepseek-code-v2，在知识库的加持下效果表现还不错。所有在Smart Connection中的对话都会作为笔记文件存储在Obsidian中，下次打开Obsidian的时候会自动将之前更新的笔记信息添加到知识库中。

（完）