技术小白的福音：AI 语义搜索本地开箱即用方案
大家好，我是麦冬。
上次聊完 AI 知识库和语义搜索 后，不少朋友都说，理论虽然很酷，但一想到要折腾 Ollama 这样的本地服务就望而却步。就像粉丝 Xylon 留言说的："想用，但不知道怎么配置。"
如果这也是你的痛点，那么今天这篇文章就是为你准备的。
现在，告别折腾的时候到了。
InfioCopilot 插件的 0.7.1 新版，直接将本地嵌入模型 LocalProdver (bge-micro-v2) 内置了进去。这意味着：
你可以在 Obsidian 中即刻拥有强大的语义搜索功能，无需任何外部服务，真正实现开箱即用。
对于痴迷于用 Obsidian 构建第二大脑的我们来说，这无疑是一次巨大的体验飞跃。我亲测，bge-micro-v2 模型在笔记搜索场景下效果相当出色。
它是如何实现的？
你可能好奇，一个小小的插件是如何做到这一切的。这背后有几个关键技术：
- 核心驱动：使用了
transformers.js库，甚至可以利用WebGPU进行加速，确保流畅体验。 - 模型格式：模型文件采用
ONNX（开放神经网络交换格式），它轻量、高效，运行时你几乎感觉不到它的存在。 - 默认模型：内置的
bge-micro-v2模型仅有384维，非常精悍。请注意，由于维度降低，你需要将 RAG 配置中的分块大小从过去的 1000 调整为500，以获得最佳效果。 - 更多选择：系统内置了十几种小型模型，如
nomic、bge、jina等系列。你随时可以在配置中切换，一键重建索引，系统会自动完成新模型的下载和部署。
bge-micro-v2是一个sentence-transformers模型，它能将句子和段落转化为一个 384 维的向量。正是这些向量，让电脑拥有了理解文字深层含义的能力，从而实现精准的语义搜索。
语义模型配置
现在，我们来看看如何配置。重点关注 嵌入模型 和 聊天模型。
将 嵌入模型 设置为 LocalProdver，你就开启了本地化 AI 之旅。
RAG 分块配置
接着，调整 RAG（检索增强生成）的参数。这一步是为了让 AI 更好地"阅读"和"理解"你的笔记。
如前所述，关键是把 分块大小 改成 500。你还可以点击 测试模式，查看哪些文件将被纳入 AI 的知识体系。
向量构建
配置完成后，只需一步，即可为你的知识库注入灵魂。
打开 Obsidian 的指令面板，选择 infio copilot: 重建整个 Vault 索引。
本地模型的构建速度非常快。我测试了 600 个文件，大约 5000 个知识块，5 分钟左右就完成了。一杯咖啡的时间，你的知识库就已焕然一新。
像与人交谈一样搜索笔记
新版 infio 引入了 工作区 (workspace) 的概念，这是一个极其有用的功能。你可以将特定的文件夹、标签或文件限定为一个独立的工作区。
我的建议是，为不同的主题建立少量、精准的工作区，而不是对整个库进行无差别搜索。这不仅效果更好，也促使我们用 PARA 或 MOC 等方法论，更好地组织自己的笔记体系。
工作区配置
例如，我为自己的 卡片盒、极客工具 资料库和带有 #daily 标签的日常待办建立了一个工作区。
实践：语义搜索与 RAG 对话
配置好工作区后，真正的魔法开始了。
当我搜索一个模糊的概念，比如：常青笔记的实践方法，它能精准地找到相关的笔记，而不是仅仅匹配关键词。
更进一步，我们可以进行 RAG 对话。比如我提问：常青笔记有哪些技巧可以直接实践。
infio 会首先在我的笔记中进行语义搜索，找到最相关的内容，然后让 AI 大模型基于这些私有知识进行总结和回答。
下面是 AI 的"思考过程"：
Markdown
用户想了解常青笔记的实践技巧。我首先应该在现有的笔记中查找有关常青笔记的信息，看看是否已经有相关的技巧总结。如果找到相关笔记，我会提取其中的关键信息，整理成易于实践的步骤或建议。如果信息不足，我会考虑使用网络搜索来补充，并确保提供的信息具有实践性。考虑到用户是中文用户，我需要用中文组织这些技巧。
* Goal 1: 使用语义搜索查找与常青笔记相关的笔记。
* Goal 2: 从找到的笔记中提取实践技巧。
* Goal 3: 如果笔记中的信息不足，使用网络搜索补充信息。
* Goal 4: 整理实践技巧，确保步骤清晰、易于操作，并用中文表达。最终，它会像一个真正的助理一样，为你生成条理清晰的回答。
总结
Google NotebookLM 的核心理念是：Think Smarter, Not Harder（巧思胜苦干），并将其定位为 Your Personalized AI Research Assistant（你的个性化研究助理）。
曾几何时，我们以为这样的能力需要依赖大型云服务才能实现。但现在，借助 infio 这样强大的插件，我们完全可以在自己熟悉的 Obsidian 环境里，拥有一个不受服务商绑定的、完全私有的个性化 AI 学习助理。
Obsidian 天然的本地化优势，远比任何一句 我们非常重视您的隐私权 的承诺，都来得更安心、更可靠。
希望这篇指南能帮你轻松迈入 Obsidian 的 AI 新时代。
更多延伸阅读，按需探索：