在 Obsidian 里用上 AI：一份从 0 到 1 的 Copilot + DeepSeek 接入指南

📌 导语

过去用 Obsidian，本质是在“写笔记”。

现在，一个更实用的用法正在出现：

在笔记里直接调用 AI，让内容可以被理解、改写、甚至“找出来”。

这篇文章带你一步一步完成这件事：

把 Copilot 插件接入 DeepSeek 聊天模型，并（可选）接入 embedding 模型（如 BAAI/bge-m3），让 Obsidian 具备真正的 AI 能力。

但在开始之前，有一个关键问题必须说清楚：

👉 embedding 不是必须，但它决定了你是“能用 AI”，还是“用好 AI”。

🧭 最终效果是什么？

根据你的配置不同，你会得到两种“完全不同”的体验：

🟢 基础版（只接 DeepSeek）

• 💬 AI 对话 / 写作 / 总结
• 📄 选中文本改写
• ⚡ 快速生成内容

👉 本质：AI 写作助手

🔵 完整版（DeepSeek + embedding）

• 🔍 语义搜索（不靠关键词）
• 🧠 基于你所有笔记回答问题
• 🔗 自动利用上下文

👉 本质：AI 知识库

👉 一句话总结：

embedding 决定了 AI 能不能“用你的知识”。

⚠️ 前提准备

开始之前，你需要：

• 已安装 Obsidian
• 注册 DeepSeek（聊天模型）
• 注册 SiliconFlow（embedding 模型，可选）

👉 注意：

• DeepSeek 按 token 收费
• embedding 按调用量收费（可控）

⚙️ Step 1：开启第三方插件

路径：

• 设置 → 第三方插件 → 关闭安全模式

👉 作用：

允许安装 AI 插件（Copilot）

🧩 Step 2：安装 Copilot 插件

• 浏览插件市场
• 搜索 Copilot
• 安装并启用

👉 可以理解为：

Copilot = Obsidian 的 AI 接口层

🤖 Step 3：配置聊天模型（DeepSeek）

进入 Copilot → Models → Chat Models：

Display Name：deepseek-chat
Model：deepseek-chat
Provider：OpenAI
API Base URL：https://api.deepseek.com/v1
API Key：你的 DeepSeek Key

🔑 获取 API Key

• 登录 DeepSeek 平台
• 创建 API Key
• 粘贴即可

👉 到这里，你已经可以：

• 写作
• 总结
• 对话

🧠 Step 4（可选但关键）：配置 embedding 模型

先说结论：

❗ 这一步不是必须，但强烈建议做

🤔 为什么需要 embedding？

很多人以为 AI 是这样工作的：

提问 → AI 回答

但当涉及“你的笔记”时，真实流程是：

提问
 ↓
embedding（找相关笔记）
 ↓
把内容喂给 AI
 ↓
生成回答

👉 换句话说：

📌 不用 embedding 会怎样？

你会遇到：

• ❌ “AI 不知道我写过什么”
• ❌ 只能基于当前页面回答
• ❌ 无法跨文档理解

👉 本质上：

AI 看不到你的知识库。

⚙️ 如何配置 embedding（BAAI/bge-m3）

进入：

• Models → Embedding Models → Add model

Display Name：BAAI/bge-m3
Model：BAAI/bge-m3
Provider：OpenAI
API Base URL：https://api.siliconflow.cn
API Key：你的 SiliconFlow Key

🔑 获取 Key

• 登录 SiliconFlow
• 创建 API Key
• 粘贴

🧠 embedding 到底做了什么？

一句更直白的解释：

把你的每一篇笔记，变成一组“语义坐标”

这样 AI 才能：

• 找到“意思相近”的内容（不是关键词）
• 理解上下文
• 做跨文档推理

👉 这一步，本质是：

让知识库“可计算”。

⚙️ Step 5：设置默认模型

在 Copilot 设置中：

• Chat Model → deepseek-chat
• Embedding Model → BAAI/bge-m3（如果配置了）

✅ Step 6：验证效果（重点对比）

🟢 没有 embedding

你问：

“我写过 Transformer 吗？”

👉 AI：不知道（除非当前打开）

🔵 有 embedding

👉 AI：

• 找到相关笔记
• 总结内容
• 给出答案

👉 差别非常明显：

一个是“聊天”，一个是“知识调用”。

⚠️ 常见问题

❌ 能聊天，但不能搜索笔记

👉 原因：embedding 没配

❌ 成本高吗？

其实很低：

• embedding 只在索引/查询时调用
• 日常成本远低于 chat

👉 可以放心用

🧩 怎么选？给你一张决策表

👉 简单理解：

你只是“写内容” → 不需要 embedding
你要“用知识” → 必须 embedding

🚀 进阶玩法

当你接入 embedding 后，可以这样用：

1️⃣ 全库问答

“我最近在研究什么方向？”

2️⃣ 知识总结

“帮我总结所有关于 LLM 的笔记”

3️⃣ 写作增强

“基于我所有笔记，写一篇文章”

👉 这才是 Obsidian + AI 的真正形态。

🧠 一句话总结架构

Obsidian = 知识存储
Copilot   = AI 接口
DeepSeek  = 生成能力
Embedding = 检索能力

📌 结语

很多教程会把 embedding 当成“配置步骤”。

但更准确的说法是：

它决定了你是在用 AI，还是在用“带记忆的 AI”。

当你把 Obsidian 接上 DeepSeek（以及 embedding）之后：

你不再需要记住知识在哪里。

因为：

AI 会帮你找到它，并用起来。