背景

使用 Obsidian 来记录笔记已经有很多年了，近几年 AI 普及之后就一直想着能把 Obsidian 作为本地知识库对接 AI 来使用。但是因为这些年在 Obsidian 里面记录了不少隐私的东西，担心使用云端的 AI 服务不安全，而在尝试了 Obsidian 的一些 RAG 相关的插件之后，效果又都不是很好，这个事情于是就搁置了。

然后是 RAGFlow，最早去年初就试用过，但是尝试上传了几个 pdf 文件解析都失败了，之后每隔几个月都会再尝试一下更新后会不会更好用，但是也没有明显的改善。直到前两天看到一篇文章，介绍了一个新思路，就是用 mineru 来解析 pdf 文件，然后再调用 RAGFlow 的 API 来直接将解析后的文本传入 RAGFlow 的知识库。自己手动尝试了一下之后，发现真的好用，于是这才开始真正使用 RAGFlow 来作为自己的本地知识库。（关于这个方案，因为原始方案的坑比较多，后面我会再写一篇详细的保姆级教程来讲）

RAGFlow的安装步骤和配置

关于 RAGFlow 的安装，可参考官网，在此就不赘述：

https://github.com/infiniflow/ragflow/blob/main/README_zh.md

安装好之后，设置好大模型，我目前都是用本地 Ollama 跑的，如下：

然后是创建知识库，注意要记住知识库的名字，例如我这里是"obsidian"，如下图：

obsidian-ragflow-sync 插件安装步骤

在开始真正使用 RAGFlow 之后，目前 pdf 文件的导入和使用已经没问题了，下一步就是考虑 Obsidian 里的笔记，于是很自然的想到，能否使用类似的思路，把 Obsidian 里的笔记自动同步到 RAGFlow 的知识库里面。先搜了一下，发现目前没有现成的 Obsidian 插件可以干这个，所以干脆直接让 AI 来帮我写一个这样的插件。

这里要吐槽一下 Cursor，一开始是让 Cursor 来写的，但最近 Cursor 降智很明显，写出来的插件功能很简单，关键是一堆错误，改了几遍都改不好。刚好这两天在试用 AI IDE 的后起之秀 Augment，没想到效果出奇的好，不单单完成了我要起的功能，还很贴心的增加了一个控制的界面。

下面进入正题，说一下如何使用，因为目前已经申请发布到 Obsidian 官方的插件市场，但是审核还需要时间，所以暂时只能手动安装：

• 进入项目主页，https://github.com/colin4k/obsidian-ragflow-sync，，点击右侧 “Release"下面的"1 tags”，然后点击版本号"1.0.0"，下载压缩包

  

• 解压后，将三个文件 main.js,style.css,manifest.json 放在目录obsidian-ragflow-sync下面(注意一定要叫这个名字)，然后复制到你的 Obsidian 仓库的插件目录，例如 ：MyVault/.obsidian/plugins/

• 然后重启 Obsidian - 进入 Obsidian 的设置页面，然后选择“第三方插件”，找到“RAGFlow Sync”，打开它

• 再点击小齿轮，进入插件的设置界面，主要设置如下：

• A PI Key：即 RAGFlow 提供的 API Key，在 RAGFlow 主页点击右上角头像，然后在左侧菜单栏找到“API”页面进入即可创建

  

  

• Base URL：RAGFLow 的URL，如 http://localhost:80

• Knowledge Base Name：也就是前面创建的知识库的名称 ‘obsidian’

• Sync Startup：是否在 Obsidian 启动时自动同步，按需设置

• Exclude Folds：按需设置，建议保持默认

• Chunk Size：建议 384

这样参数就都设置好了。

• 设置好之后，在 Obsidian 中进入命令窗口，不知道怎么进的，注意看左侧工具栏的这个位置：

• 这时会弹出控制窗口，点击左下角的’Start Sync’即可开始同步，这里需要注意：

• 开始同步之后，点击任意地方会退出控制界面，但是后台仍会继续同步，除非你手动点击’Stop Sync’，或者退出 Obsidian
• 也可以通过打开 View - Toggle Developer Tools 查看后台同步进度
• 有部分笔记因为内容格式问题，会被 RAGFlow 拒绝，这个只能你自己手动调整了。

最后看看效果吧：

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​