Awesome-Obsidian-AI-Tools
danielrosehill/Awesome-Obsidian-AI-Tools加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图：仓库封面插画（Daniel Rosehill 的「树懒与安卓服务器机房」系列）
想象一个具体场景：你用 Obsidian 记了三年笔记——读书笔记、会议纪要、代码片段、语言学习记录。两万字的个人知识库安静地躺在硬盘里，你知道里面藏着答案，但翻不到。
这不是因为笔记写得不好，而是因为 Obsidian 本身是一个纯粹的本地文件系统 + 编辑器。它擅长记录，不擅长“理解”。要让这堆散落的 markdown 变成能对话、能检索、能联想的知识库，你需要 86 个不同的插件去补上这块短板——而这 86 个插件分散在 GitHub 上，名字各异，文档分散，有的已半年未更新。
Awesome-Obsidian-AI-Tools 解决的正是“最后一步”：它不实现任何 AI 功能，而是替你把整个 Obsidian AI 插件生态压缩成一张可导航的地图。
作者 Daniel Rosehill 是一位在英国工作的技术从业者，长期维护多个“聚合型索引”仓库（涵盖 MCP 服务器、AI 助手、Claude Code 工具等，累计 1749 个项目）。Obsidian AI Tools 是其中最具体的一个垂直切片。
仓库创建于 2024 年 9 月，2025 年 12 月做了一次关键改版：从手工维护转为脚本化自动分类。CLAUDE.md 记录了完整规则——按 GitHub topics、仓库描述关键词自动归类，对元数据质量差的仓库做手工覆盖，分类按组内星标总数排序。
这个转变既是效率提升，也是本项目最值得讨论的取舍。README 顶部的免责声明写得很直白：
本清单基于 GitHub 元数据自动组织，未经人工复核。部分插件可能已废弃、停止维护或分类错误。安装前请务必查阅插件文档与评价。
当前状态：86 个插件、合计 19,737 星标、17 个分类。头部五强分别是 Copilot（5,776★）、Smart Connections（4,357★）、Textgenerator Plugin（1,837★）、Chatgpt Md（1,229★）、Local GPT（569★）。
如果把 Obsidian 官方插件市场比作“机场大厅”——你可以自由走动、看到所有商店，但 800 多个插件平铺在一面墙上，你需要自己举着望远镜去辨认。
Awesome-Obsidian-AI-Tools 就是那块航班信息屏：把散落在 86 个航司柜台里的 AI 插件，按“目的地”重新编排——补全与写作辅助、知识管理与 RAG、本地 LLM 集成、对话与聊天、Canvas 视觉工作流、多模型一站式、语音与音频、日记与心理健康、学习与闪卡、集成与工具、标签与分类、图谱与可视化、模板与提示词、摘要与处理、内容生成、自动化与电脑控制、模型厂商专属。
每一屏还有实时显示的“票价”（星标数）与“准点率”（最后更新日期）。信息密度极高，但——它只是信息屏，不是航站楼本身。
README 开篇给出「86 个插件 / 19,737 星标 / 17 个分类」三项快速统计，紧接一个带星标汇总的目录。例如“知识管理与 RAG”11 个插件共 4,904★，“本地 LLM 集成”11 个插件共 4,001★。这种“按热度反推价值”的排序，对不想深挖 86 个仓库的人极其友好。
每个插件条目固定包含三枚徽章：GitHub 星标数、GitHub 仓库链接、Obsidian 官方「Add Plugin」安装链接，外加一句描述和 ***星标数** stars | Updated: 日期* 元信息行。第三枚徽章尤其贴心——它把你从 GitHub 跳转到 Obsidian 社区插件页，绕过了自行判断插件 ID 的麻烦。
CLAUDE.md 公开了分类的三条依据：GitHub topics、description 关键词、针对元数据差仓库的 manual overrides。这意味着清单的组织方式不是黑箱，用户可以自行判断某个插件被放进“本地 LLM 集成”是否合理。
README 末尾直接给出 Obsidian 官方插件页的定向搜索链接（AI / GPT / LLM / Ollama），把“清单可能滞后”这个问题用官方检索兜底——这是很务实的设计。
值得注意的是分类表里出现了几个新维度：Canvas & Visual Workflows（6 个，1,046★）指向 Obsidian 白板与 AI 的结合，Automation & Computer Control（1 个，33★）是较早期的 agent 方向尝试，Journaling & Wellbeing（2 个，241★）则是 AI 日记与 CBT（认知行为疗法）对话插件——这些细分方向在通用 awesome-list 里几乎看不到。
这不是一个软件，是一份文档。 它的部署成本低到荒谬：
/tmp/categorize_repos_v2.py，并未纳入版本管理三种使用方式：直接在 GitHub 上滚动浏览 README；克隆到本地用 Obsidian 打开（毕竟是 markdown，天然适配）；或通过作者的博客页 https://blog.danielrosehill.com 获取带跳转的网页版。
真正需要“部署”的其实是你最终选中的那 1-3 个插件本身。届时门槛才出现：多数插件需要配置 API Key（OpenAI / Anthropic / Gemini），或本地跑 Ollama（需显卡与模型权重），或自建向量库（如 Smart Connections 的 embeddings、obsidian-ai-tools 的 Supabase）。
仓库自己写明未经人工复核。星标数是唯一的排序依据，而星标不等于维护质量——一个 2023 年停更但有 800 星的项目，会被排在一个活跃更新的 300 星项目之前。对“扫雷”需求强的人，这份清单的参考价值明显打折。
README 标注的更新时间是 2025-12-15，而仓库最后一次实质提交也在同一天（2026-11-03 只是加了个博客链接）。清单已基本停更一年，而 Obsidian AI 插件生态恰恰是变化最快的地方。
GitHub API 返回 license 为 null，仓库也没有 LICENSE 文件。虽然 awesome-list 的“署名使用”惯例宽松，但从法律角度看缺乏明确授权条款。
分类脚本放在 /tmp 而非仓库内，意味着这个 README 无法被重新生成，也无法审计分类逻辑的实际实现。你只能相信 CLAUDE.md 的文字描述。
清单本身零数据收集，但它指向的插件几乎都要把用户的私人笔记内容送进外部模型 API。插件作者的信任度 becomes 你的隐私敞口——而清单恰恰不做人工审查。在企业或涉密场景下，这个风险需要额外评估。
这份清单最大的信号不是它收录了什么，而是它证明了一件事：Obsidian 的 AI 化已经越过“有没有”进入“选哪个”的阶段。 86 个插件、总计近 2 万星标，说明知识管理场景下的 LLM 需求已经被充分验证，分散出了完整的子生态。
更有意思的是分类本身透露出两条并行技术路线：
两条路线的 star 总量接近，说明 Obsidian 用户在隐私与能力之间尚未形成共识——而一份自动化清单恰好是这种“尚未定论”状态的镜像。
从更大的开源生态看，Awesome-Obsidian-AI-Tools 属于“垂直领域 awesome-list”这一品类：GitHub 上同类还有 awesome-obsidian、Obsidian-Templates 等，但绝大多数是人工维护的。而本项目走了全自动路线并公开标注了自己的局限，这在实践中是更诚实也更可持续的选择——只要作者接受“最后更新时间”这个标签。
把一份没有代码、没有测试、没有 LICENSE 的 README 说成“AI 项目”，容易显得名不副实。但它的价值恰恰不在代码层：
它教给我们的一件事或许更值钱：当一个领域的选择空间膨胀到上百个选项时，“整理”本身就是一种稀缺能力——只是这份整理必须诚实地标注自己会过期，而这恰恰是本项目做得最好的地方。
数据来源：GitHub API（2026-11-04 采集，276★ / 30 forks / 9 open issues / 1 contributor / 无 LICENSE）、README.md、CLAUDE.md 及作者博客公开文章。