智能知识库搭建攻略：利用 Obsidian Web Clipper 与 AI 实现自动化知识获取
本文聚焦知识库建设中的核心环节——知识获取，详细讲解如何借助 Obsidian Web Clipper 与 DeepSeek 平台，实现文章标签自动提取、关键点智能总结以及价值评价自动生成等 AI 驱动的功能。
文章提供了完整的操作指引，涵盖插件下载、基础配置、解释器配置等步骤，并展示了 Android 移动端的实际应用场景。
知识库建设通常划分为四个阶段（知识获取 → 知识整理 → 知识连接 → 知识输出）。
知识获取→知识整理→知识连接→知识输出
在知识获取阶段，选用哪些工具、如何借助 AI 提升效率？这正是本文要解答的核心问题。
内容提取：抓住文章的核心要素
收藏一篇文章并计划稍后阅读时，你必须明确几个关键信息，才能为后续制作卡片笔记打下基础。其中最重要的三点是：
- 一句话概括 + 关键要点提炼
- 生成评价，突出其价值与适用场景
- 提取文章标签：限定领域内的标签，例如软件开发
在没有 AI 辅助的时代，你需要通读全文、手动总结提炼，既耗时又费力。而现在，当收藏动作完成的瞬间，这些信息即可被自动提取。这才是真正意义上的“智能获取”。
实操指南：一步步搭建自动化流程
插件下载
Obsidian Web Clipper 以浏览器扩展形式运行。安装方法十分简便，直接在 Chrome、Firefox、Edge、Safari 等主流浏览器的扩展商店搜索“Obsidian Web Clipper”即可下载安装。
基础配置
- 新建一个模板配置，用于将网页保存为 Markdown 格式。其中比较关键的设置包括：笔记存放的
vault（仓库） 和文件夹路径。 - 添加一个
未归档的标签，这样在 Obsidian 中即可按未归档状态进行查询和整理。
解释器配置：让 AI 理解网页内容
什么是解释器
解释器是 Obsidian Web Clipper 的一项特色功能，允许你用自然语言与网页交互。通过它，你可以捕获、修改采集的内容并保存到 Obsidian 中。常见应用包括：
- 提取特定文本片段。
- 总结或解读信息。
- 将文本翻译成其他语言。
本质上这是一个 RAG（检索增强生成）程序，上下文是解释器处理提示时所依据的页面内容。上下文越小，解释器运行越快。
解释器模型配置
- 在 DeepSeek 官网开通 DeepSeek API 服务，并创建一个 API Key。
- 进入 Obsidian Web Clipper 插件配置页面，添加模型供应商，然后配置 DeepSeek 模型。
采集内容配置：定制自动摘要
配置解释器并编写提示词，这样在采集网页时就能自动生成摘要信息。
建议设置 2 个模板：一个启用 AI 功能，另一个不启用，以适应不同场景。
解释器的上下文参数保持默认即可。如果你经常采集特定网站，可以定制 HTML 选择器来减少 token 消耗。
笔记内容模板参考
未归档,{{"3个标签，用逗号分隔"}}
# {{"本文的中文标题"}}
{{"本文的中文摘要：一句话概括核心内容，以及3个关键要点（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}}
移动端操作（以 Android 为例）
安装好 Obsidian 和 Firefox 浏览器后，在火狐浏览器中开启账号同步，然后在 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 文件会自动保存到 vault 对应的目录中。
手机端检测到文件更新后，liveSync 插件会自动同步，随后即可进入知识整理阶段。
总结
本文聚焦知识库建设中最关键的 知识获取 阶段，系统介绍了如何使用 Obsidian 官方推出的 Obsidian Web Clipper 实现数据采集与 AI 智能提取，帮助你高效构建个人知识体系。