news 2026/4/23 12:40:04

Obsidian如何使用Claude Code+Skills

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Obsidian如何使用Claude Code+Skills

大家在用Obsidian过程中,经常需要根据笔记生成各种图形(如结构图或流程图等),如何在Obsidian中使用Claude Code,并借助已安装的skills进行笔记完善,生成新的内容等等。本次主要介绍Obsidian的另一个插件Claudian,包括插件的下载安装和配置使用,供大家参考。

一、下载Claudian

下载地址,主要下载三个文件:main.js,manifest.json 和 styles.css

二、安装和配置Claudian
1.安装

进入到自己的Obsidian仓库根目录,进入到 .obsidian/plugins 目录,新建claudian目录,将上述3个文件拷贝进去。并在Obsidian的已安装插件中启用。

2.配置

在自定义配置中,配置大模型服务的环境变量,具体如下。

ANTHROPIC_AUTH_TOKEN=你的token ANTHROPIC_BASE_URL=大模型服务地址,如https://api.siliconflow.cn/ ANTHROPIC_MODEL=模型名称,如moonshotai/Kimi-K2-Instruct-0905

配置Claude CLI路径,详见下图。

Claude CLI的自定义路径:D:\nodejs\@anthropic-ai\claude-code\cli.js
三、配置Obsidian仓库的skills

进入到自己的Obsidian仓库根目录,新建.claude/skills目录。
下载obsidian-skills,将skills目录里面的内容整个拷贝到上述目录,比如json-canvas,obsidian-bases,obsidian-markdown。
这里也可以将自己编写的各种skills放入到.claude/skills目录下,在点击左侧图标后,在右侧的对话框直接进行交互即可调用相应的skill进行笔记内容生成或完善等。

四、运行测试
1.测试使用

点击Obsidian左侧图标进行测试,将markdown格式的比较转换为 Canvas 结构图。详见下图。

2.生成的结构图

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 16:16:45

AI原生应用如何改变事实核查行业?深度剖析

AI原生应用如何改变事实核查行业?深度剖析 关键词:AI原生应用、事实核查、大模型、多模态分析、知识图谱 摘要:在信息爆炸的今天,虚假信息以“秒级速度”传播,传统人工事实核查面临效率低、覆盖窄、成本高的困境。本文将从“AI原生应用”的核心特征出发,结合自然语言处理…

作者头像 李华
网站建设 2026/4/23 11:28:09

PHP技术在毕业设计中的核心难点与重点总结(附避坑指南)

在计算机专业毕业设计中,PHP凭借入门快、生态完善、部署简单等特点,成为Web类毕设的首选技术栈,但真正做到功能完整、代码规范、可答辩、可运行,依然存在大量容易踩坑的重难点。本文结合历年毕设项目实战经验,梳理PHP毕…

作者头像 李华
网站建设 2026/4/23 11:27:44

大数据领域存算分离的系统构建

深度剖析:大数据领域存算分离的系统构建 摘要/引言 在大数据时代,数据量呈指数级增长,传统的存算一体架构在应对海量数据处理时逐渐捉襟见肘。存算分离架构因其能够灵活应对大数据的存储与计算需求,正成为大数据领域的热门解决方案…

作者头像 李华
网站建设 2026/4/23 12:14:46

【YOLOv13多模态创新改进】全网独家复现创新 | TGRS 2025 | 引入MROD-YOLO的 MSIA多尺度迭代聚合模块,优化可见光与红外信息的特征交互融合、提升复杂环境中小目标检测效果

一、本文介绍 🔥本文给大家介绍使用 MSIA多尺度迭代聚合模块改进 YOLOv13 多模态目标检测模型,可在特征融合阶段通过多尺度通道注意力引导的迭代聚合机制,充分强化高层语义特征与低层细节特征之间的交互,避免小目标信息在多模态、多尺度融合过程中被高层特征淹没。MSIA 能…

作者头像 李华
网站建设 2026/4/23 11:27:51

【YOLOv8多模态创新改进】联合Mamba创新首发 | SCI一区 2025| 引入CMFM 跨模态特征融合Mamba模块,实现 RGB与红外等多模态特征的高效融合,含多种创新改进,顶会顶刊发文热点

一、本文介绍 🔥本文给大家介绍使用 CMFM 跨模态特征融合Mamba模块改进 YOLOv8多模态融合目标检测框架,可在保持实时性的前提下实现高效稳定的跨模态特征融合,充分利用可见光与红外信息的互补优势,显著提升复杂环境下的检测鲁棒性。该模块基于 Mamba 状态空间模型进行全…

作者头像 李华