awesome ai notebook tools

#ai #llm #obsidian

背景

现在是看了挺多的ai相关的知识，有一部分都停留在理论层面上。也想有个实践的机会，日常都有写笔记的习惯，笔记也是你的日常经验和工作的积累，也是最懂你的一个地方。是你长期以往的记忆，是不是一天到晚写你的日报、周报以及月报都感觉到很累，要收集资料整理资料。如果发给外界的大模型，外界的大模型没有上下文，就没有一定的连续性。如果能够把日常笔记和问题都被LLM能够解读，就像vibe coding类的工具一样能够读取整个代码库，学习理解项目的知识既是一个agent又是一个rag类的工具。除了能够用我的笔记作为它的本地知识库，也应该有complete功能，因为自己肯定也会要写一些笔记，在写的过程中如果能够有自动补全的功能，就能更快的完成每次的笔记。

笔记产品

原生类ai笔记应用

• https://github.com/lfnovo/open-notebook
• https://github.com/codexu/note-gen
• https://notebooklm.google/?location=unsupported
• https://github.com/reorproject/reor?referrer=grok.com
• https://github.com/MrSibe/KnowNote?referrer=grok.com

拥有的功能

• open-notebook
• note-gen
• notebooklm
• reor
• KnowNote

集成类ai笔记应用

与obsidian集成

chatgpt-md

没有看具体的实现，按照官方文档上说的，现在最新的功能能够支持Vault Search 、File Read 
Web Search，按照作者说的能够支持，我觉得还是比较好用的功能。整个obsidian vault相当于你的一个整体的rag知识库，这样对于自己总结一些阶段性的工作都能提供一些帮助。

• 本地文件读取，通过 [[]]的方式可以链接到对应的文件，这些文章可以作文新写文章的上下文被输入进来
• 本地模型的支持，支持ollama和llm studio这些工具，保证数据的安全
• 在工具调用上也做到了精细化的权限控制，必须将model的provider加入到白名单中，才能具备工具调用的能力，同时还需要将 tool call打开才行
• 支持本地的调试
• 支持从模版来创建一个新的聊天，可以规范每次聊天的主体，构建文章的格式

不足

• 将聊天和笔记在一个md中揉在一次，对于第一次生成的是挺好的，但是不支持在原有笔记上进行修改的功能，不能很好和ai进行交互
• 简单的使用了tool call，没有使用default白名单中的ai model，添加了本地的deepseek-r1，但是还是不能识别对应的tool，调试模式也打开了，但是看不到任何又用的信息

推荐指数

简单尝试ai+obsidian的用户是可以，但是如果要作为一个真正的ai+note的助手还是有一定的差距，60分

local-gpt

local gpt算一个比较基础的基于LLM的ai笔记工具，但是主流类型的LLM都能支持，比如说推理模型、嵌入模型以及视觉模型。所以基于ollama能够满足笔记工作完全本地化，同时支持的功能还算比较多
，但操作都是集中在一个文件中。

• 支持多种default的Action，工具已经提供好了原生的Prompt，同时也支持自定义新的Action
• 支持目前主流的LLM，chat、embedding和vision模型，能够支撑对应的对话场景
• 支持本地的RAG
• 与第三方的AI provider插件集成，当前插件只需要关心自身的业务
• debug日志比较全，对于问题的排查比较友好
• 支持选中段落的文章翻译

不足

• 内部link后的文章作为rag的上下文不够准确，不能将总结全部的内容，有待提升
• 所有的操作都是基于一个md文件的，没有调用obsidian的内部api
• 不支持web search的功能，文章内容不能达到最新
• 不支持对选中部分的修改，只能产生新的内容
• 如果在一个有文字的md使用Prompt功能，生成的东西准确度不高

推荐指数

交互方式比较友好，并且能够支持多种类型的模型，推荐指数70，对于日常的文章编写足够

khoj

这个算是和cherry-studio同一类型的产品了，将本地的文件进行检索到pgvector中作为交流中的rag的knowledge base了。同时这款软件还支持vision和voice相关的技术，比如VLM和音频数据提取作为input。同时它还与obsidian集成，obsidian能够通过访问khoj接口来做向量化操作，类似计算完相似性之后的rerank操作，说白了也是一个带有rag的agent平台

• 将整个obsidian的vault都同步作为khoj的知识库
• 在做笔记的时候，支持在obsidian使用khoj插件作为chat的工具并使用khoj提供的能力，并且提供对应的能力，类似是否使用当前笔记作为参考、是否是hkoj自身知识库的作为参考、上网查询等类似一个基础款的agent，提供的能力较强
• 支持全部使用本地模型作为能力的提供源
• 简单做一个文件搜索引擎，会借助embedding模型来做检索，获得获得比较准确的文件

不足

• hkoj只能作为一个聊天助手，不能对当前的文件进行修改，没法执行修改的Action
• 全local版本的hkoj需要一个性能较高计算机，不然在本地运行的流畅度较低，特别是chat+similar的时候server服务会直接崩掉

推荐指数

适合本地计算机性能较高的用户使用，类似一个启动在本地的ai agent应用，obsidian再集成对应的能力，可以被当做是一个带有本地知识库的obsidian chatbox，推荐指数75分，但是需要比较好的机器性能

copilot

这个插件类似于vs code中的copilot助手，提供了文件本地索引化，记忆存储本地化，以及模型索引化，还有一个很重要的功能就是提供了自动化命令的自定义，意思就是说我们可以总结一些通用的命令来将一段文字，一篇文章或者很多篇文章作为上下文在一个prompt中起作用。之外的还有提供了多种chatbox的模型，仅聊天、以当前vault被index的数据作为rag chatbox以及composer的chat box，整体使用下来，流畅度和易用性都比较不错

• 支持不同的chat模式，可以提供仅仅是一个chatbox、带有vault作为上下文的chatbox还有一些plus功能
• 使用 command + P可以使用激活的command【prompts】来直接修改文章
• 支持多种上下文作为输入，file、folder、web tabs还有默认就是当前的note
• 在plus下，可以开启对应的agent功能
• 在付费模式下，可以使用composer模式对文章进行修改
• 日志打印的很清晰

不足

未深度使用，暂未发现不足之处，后续会深度使用

推荐指数

对比其他的ai note插件，copilot明显在用户的易用性上，交互上做了很大提升，支持的功能较为完善，推荐指数85分

Text generator

和其他的ai writer一样，都是辅助类型的ai笔记助手。不同的是它控制LLM属性确实比其他的插件要多，其他插件可能就是配置一个大模型，最多就是配置不同类型的大模型，chat、embedding或者视觉的ai model provider配置，但是类似文字是否能够以stream方式输出，支持的auto suggestion以及支持obsidian中所有的的placeholder![[Pasted image 20260210154605.png]]，并且在他们的官网上也宣称他们与其他ai writer工具的区别也是对于过程的绝对控制

• 对于AI writer的控制选项很多
• 支持本地LLM
• 支持auto suggestion，根据上下文获取模版生成对应的结果，这也是其他工具不支持的
• 支持的extractors数量较多，PDF，web等
• 支持template

不足

• 不支持vault文件的embedding，不能以整个vault作为上下文来辅助生成数据
• 不能修改已有的笔记，其实就是不支持composer功能

推荐指数

对应结果的生成的控制程度较高，以及可以支持auto-suggestions功能，推荐指数80分

Smart composer

当前工具也是类似与obsidian copilot一样的工具，提供了composer功能，可以对原笔记系统进行修改，我理解这是这个工具的最大亮点之一，类似与在vibe coding的时候提出需求之后，对代码的修改，让用户来决定是否接受，并且composer的功能在这里也是免费的，算得上是一个完全开源的项目

• 支持MCP功能，类似于一个obsidian版本的agent
• 支持网页搜索，再将结果作为context作为input
• 支持本地的RAG功能，对与本地所有的数据做一个整体的embedding，所以在操作的时候可以选择单纯的chat功能和RAG的chat功能
• 支持OCR功能，在对话的过程可以输入图片

不足

在使用的过程，发现实际产生的内容的准确度不是特别高，可能是因为本地的模型量化级别比较低

推荐指数

完全开源，对于ai目前的技术，agent和rag都支持，同时也支持agent用mcp来调用工具，在功能上是比较丰富的，推荐指数90分