构建智能知识库 - 知识获取：Obsidian Web Clipper 的 AI 自动化流程

本文重点讲解知识获取阶段的 AI实践。通过 Obsidian Web Clipper 和 DeepSeek 平台，实现自动提取 文章标签、智能总结关键点、生成价值评价 等功能。 文章提供了详细的实践指南，包括插件下载、基础配置、解释器配置等步骤，以及 Android 移动端的实操示例。

知识库建设分 4 个阶段（知识获取→知识整理 →知识连接 →知识输出）。

graph LR
    B[知识获取] --> C[知识整理] --> D[知识连接]--> E[知识输出]

我们知识获取阶段用哪些工具，如何使用 AI 来提效？

提取内容

我们收藏一篇文章稍后阅读，起码需要了解以下内容才能支撑我们制作一张卡片笔记。

1. 一句话总结 + 关键点提取
2. 生成评价，突出其价值和适用场景
3. 提取文章标签：限定领域的标签，比如软件开发

在没有 AI 之前，我们可能需要通读过后才能得出结论，但现在收藏后立刻就能提取上面的信息。

实践指南

插件下载

obsidian web clipper 是浏览器插件的形式。 插件安装：下载地址，支持 chrome，firefox，edge，safri 等主流浏览器。

基础配置

1. 新建模板配置用来将网页保存为 markdown。这里比较重要的几个设置包括笔记存放的 vault 和 文件夹
2. 新增一个 未归档 的 标签，这样在 obsidian 里面可以按未归档来查询整理

解释器配置

什么是解释器

解释器是一个为 obsidian web clipper 的专门设计的功能，允许用户使用自然语言与网页交互。解释器帮助用户捕获和修改采集的内容并保存到 Obsidian。例如：

1. 提取特定文本片段。
2. 总结或解释信息。
3. 将文本翻译成另一种语言。

本质上这是一个 RAG 程序，上下文是解释器用于处理提示的页面，上下文越小，解释器运行越快。

解释器模型配置

1. 在 DeepSeek 官网开通 DeepSeek-api服务，创建 1 个 API key
2. 在 Obsidian Web Clipper 插件配置页，添加模型供应商，添加 DeepSeek 模型;

采集内容配置

配置解释器，定制提示词，采集时生成摘要

建议配置 2 个模板，1 个启用 AI，1 个不启用

解释器上下文使用默认即可，采集特定的网站可以定制 html 选择器，减少 token 消耗

笔记内容配置

未归档,{{"3个标签,逗号分隔"}}
 
# {{"本文的中文标题"}}
{{"本文的中文摘要，1句话提取核心内容，以及3个关键点,用有序列表展示"}}
{{"本文的简短评价，突出其价值和适用场景"}}
 
---
 
{{content}}

移动端

我使用的是 android 系统，安装好 obsidian 和 firefox 浏览器，然后火狐浏览器开启账号同步，在 obsidian clipper 中导入配置

导入电脑上的配置

文章高亮示例

采集示例

点击添加到 Obsidian，markdown 会自动存储到 vault 对应的目录。 手机端检测到文件更新后，liveSync 插件会自动同步，然后就可以进入知识整理阶段了。

---

📌 总结 本文聚焦知识库建设最关键的 知识获取 阶段，介绍如何使用 Obsidian 官方的 Obsidian Web Clipper 来实现数据采集和 AI 智能提取。 之前分享过使用 miniflux rss 阅读 来定制自己的阅读源，我们在使用 miniflux 阅读时，也可以直接用 Obsidian Web Clipper 进行剪藏。