1. 为什么要在 Obsidian 里接本地模型Obsidian 的强项是双向链接和本地 Markdown 存储笔记全在自己硬盘上但它的 AI 能力一直偏弱。Smart Connection 这个插件把聊天、摘要、改写、问答塞进了侧边栏默认走的是云端 API。问题在于很多场景下你并不想把整库笔记发到外部服务公司内网限制、学校网络策略、或者单纯觉得私人日记不该出本机。Ollama 解决的就是这一层。它把 Llama 3、Qwen、Mistral 这类开源权重模型跑在你自己的机器上暴露一个兼容 OpenAI 风格的 HTTP 接口默认监听http://127.0.0.1:11434。Smart Connection 支持自定义 Base URL所以只要把请求指向本机端口笔记问答就完全在本地闭环。但本地模型有它的边界。7B 到 14B 的量化模型在中文长文理解、复杂推理上和云端旗舰模型差距明显。我的做法是双通道日常快速问答、隐私内容走 Ollama需要高质量改写、跨笔记深度总结时切到 TaoToken 的统一 Key 通道调用云端模型。TaoToken 在这里的角色是「一个 Key 管多家模型」你不用为每个厂商单独维护密钥和 Base URL插件里换一个配置就能切换。这篇面向三类人已经在用 Obsidian 但没接 AI 的笔记党、想试本地 LLM 又怕配置太复杂的新手、以及需要本地云端混合方案的知识工作者。下面从 Ollama 安装讲到插件配置再到一条完整的笔记问答验证每一步都能直接复制。2. 前置准备Ollama 安装与 TaoToken Key 获取2.1 安装 Ollama 并拉取模型Ollama 的安装包覆盖三大平台。macOS 直接下载Ollama-darwin.zip解压拖入 ApplicationsWindows 用OllamaSetup.exe一路下一步Linux 用官方脚本curl -fsSL https://ollama.com/install.sh | sh装完后验证服务是否起来ollama --version curl http://127.0.0.1:11434/api/tags第二条命令返回 JSON 说明 HTTP 服务正常。接着拉一个中文友好的模型我常用qwen2.5:7b体积适中、中文理解稳ollama pull qwen2.5:7b ollama run qwen2.5:7b进入交互后输入「用一句话解释什么是双向链接」能正常回复就说明模型可用。退出用/bye。注意模型名要记准后面插件里填的必须和ollama list显示的一致差一个字符都会 404。2.2 获取 TaoToken 统一 Key本地模型搞不定高质量任务时需要云端兜底。TaoToken 的控制台地址是https://taotoken.net/console注册后在 API Keys 页面创建一个 Key形如sk-xxxx。这个 Key 可以调用多个模型省去分别申请各家账号的麻烦。接入文档在https://taotoken.net/doc里面有各语言的调用示例。API 根地址是https://taotoken.net/api兼容 OpenAI 的/v1/chat/completions路径。也就是说任何支持自定义 OpenAI Base URL 的客户端把地址填成这个、Key 填 TaoToken 的就能用。这里有个容易踩的坑Base URL 到底带不带/v1。TaoToken 的规范是根地址https://taotoken.net/api具体路径由客户端拼接。Smart Connection 里如果它自动补/v1/chat/completions你就填根地址如果它要求完整路径就填https://taotoken.net/api/v1。下面配置章节会给出两种写法。2.3 确认端口与网络Ollama 默认只监听127.0.0.1:11434这是好事外部访问不了。如果你在 Docker 里跑 Obsidian 或者需要局域网访问才需要改OLLAMA_HOST环境变量但那样会暴露服务不建议在公共网络下这么做。本文所有配置都基于默认本机回环地址。3. Smart Connection 插件配置Base URL 与模型名填写3.1 安装并启用插件Obsidian 设置 → 第三方插件 → 关闭安全模式 → 浏览 → 搜索「Smart Connection」→ 安装 → 启用。启用后在设置页左侧能看到它的配置面板。3.2 配置本地 Ollama 通道在插件设置里找到 Provider 或 Model 相关区域选择「Custom OpenAI Compatible」这类选项。关键三项这样填配置项填写值说明Base URLhttp://127.0.0.1:11434/v1Ollama 的 OpenAI 兼容端点API Keyollama本地服务不校验随便填非空值Model IDqwen2.5:7b必须与ollama list完全一致有些版本的 Smart Connection 用 JSON 配置文件管理多模型格式类似{ providers: [ { name: local-ollama, baseUrl: http://127.0.0.1:11434/v1, apiKey: ollama, models: [qwen2.5:7b, llama3:8b] }, { name: taotoken-cloud, baseUrl: https://taotoken.net/api/v1, apiKey: sk-你的TaoToken密钥, models: [gpt-4o-mini, claude-3-5-sonnet] } ] }如果你用的是 Cline、Continue 这类同样支持 OpenAI 兼容接口的工具配置逻辑一模一样Base URL 填https://taotoken.net/api/v1Key 填 TaoToken 的Model ID 填你要的模型名。三件套缺一不可尤其是 Model ID写错会直接报model not found。3.3 配置云端 TaoToken 通道同一份配置里加第二个 providerBase URL 用https://taotoken.net/api/v1Key 换成控制台创建的。这样在聊天界面顶部就能切换模型写日记摘要用本地做跨库综述切云端。注意TaoToken 的 Key 不要提交到 Git 仓库。Obsidian 的.obsidian/plugins/目录如果同步到公开仓库配置文件里的 Key 会泄露。建议用环境变量或本地不同步的配置。3.4 模型名匹配的细节Ollama 的模型名区分 tag。qwen2.5:7b和qwen2.5是两个不同引用后者会拉默认 tag。插件里填的名字会原样传给/v1/chat/completions的model字段Ollama 拿它去匹配本地已拉取的模型。匹配不上就返回 404错误信息通常是model xxx not found, try pulling it first。所以配置前先跑一遍ollama list把输出里的 NAME 列复制过去。4. 验证请求一条笔记问答的完整过程4.1 用 curl 先验证 Ollama 接口在配置插件之前先用命令行确认 Ollama 的 OpenAI 兼容端点能通curl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5:7b, messages: [{role: user, content: 你好用一句话介绍你自己}] }返回 JSON 里choices[0].message.content有内容说明本地通道 OK。如果这里就失败插件里也不可能成功先解决 Ollama 本身。4.2 在 Obsidian 里发起笔记问答打开一篇笔记选中一段文字右键或命令面板调用 Smart Connection 的「Ask AI」或「Chat with note」。侧边栏弹出对话框输入「总结这段内容的三个要点」。观察返回本地模型首次响应有几秒加载延迟之后流畅内容质量取决于模型大小。云端模型响应快总结更凝练。我实测下来7B 模型总结 500 字中文笔记大约 3 到 5 秒出结果14B 要 8 秒以上取决于显卡或内存。如果机器只有 8GB 内存建议用 3B 或 4B 量化版否则会频繁 swap 卡顿。4.3 验证云端 TaoToken 通道把插件模型切到taotoken-cloud同样问一句「把这段笔记改写成更正式的书面语」。如果返回正常说明 TaoToken 的 Key 和 Base URL 都对。若报 401检查 Key 是否复制完整、有没有多余空格若报local proxy failed多半是 Base URL 写成了https://taotoken.net/api缺/v1或网络层拦截。4.4 一条完整的验证链路把上面串起来ollama list确认模型 →curl确认端点 → 插件填三件套 → 选中笔记提问 → 切换云端再问一次。五步都过你的智能笔记助手就算搭好了。整个过程不需要任何外部网络工具本地部分完全离线。5. 常见报错排查对照5.1 401 Unauthorized本地 Ollama 出现 401通常是 API Key 字段留空。Ollama 虽然不校验但部分客户端要求非空填ollama即可。TaoToken 出现 401是 Key 错误或过期去控制台重新生成。注意 Key 前后不要有换行和空格复制时容易带上。5.2 local proxy failed / connection refused这个报错说明客户端连不上 Base URL。检查三点Ollama 服务是否在跑curl http://127.0.0.1:11434/api/tagsBase URL 端口是不是 11434有没有写成https而实际是http。本地回环地址用 http不要加 s。5.3 reading choices 报错返回体里没有choices字段客户端解析崩溃。常见原因是 Base URL 路径不对请求打到了非兼容端点返回了 HTML 或错误 JSON。确认路径是/v1/chat/completionsTaoToken 用https://taotoken.net/api/v1Ollama 用http://127.0.0.1:11434/v1。5.4 OAuth / 认证流程报错如果你用的是 Claude Code 或 Codex 这类带 OAuth 的工具报 OAuth 相关错误说明它走的是官方登录流程而不是 API Key 模式。这类工具需要显式配置auth.json或环境变量指向自定义端点。以 Codex 为例~/.codex/auth.json里要写{ OPENAI_API_KEY: sk-你的TaoToken密钥, OPENAI_BASE_URL: https://taotoken.net/api/v1 }Claude Code 则在 settings 里配ANTHROPIC_BASE_URL和ANTHROPIC_API_KEYBase URL 用 TaoToken 的 Anthropic 兼容端点。三件套Base URL、Key、Model ID任何一项缺失都会导致认证失败。5.5 模型名不匹配报model not found时跑ollama list对照。Ollama 的 tag 必须完整qwen2.5:7b不能简写成qwen2.5。云端模型名也要和 TaoToken 文档里列出的 ID 一致大小写敏感。5.6 响应极慢或超时本地模型首次加载要读盘几十秒正常。如果每次都慢检查内存是否够、有没有用 GPU 加速。Ollama 在 Apple Silicon 上默认用 MetalNVIDIA 卡需要装对应驱动。云端超时则检查网络TaoToken 的请求走标准 HTTPS公司网络若有限制需要联系网管。6. 本地优先 云端兜底的长期用法搭好之后我的日常是这样分配的随手记的灵感、私人日记、公司内部文档全部走 Ollama数据不出本机写公众号草稿、做跨笔记主题综述、需要长上下文推理时切到 TaoToken 通道调云端模型。两套配置在插件里并存切换成本就是点一下模型下拉框。如果你要长期跑编码类 Agent 或者高频调用可以了解下 TaoToken 的 Coding Plan按量计费比单次调用更划算。模型对话入口在https://taotoken.net/models可以先去那里试试不同模型的效果再决定插件里配哪个。API Keys 管理在https://taotoken.net/api-keys接入文档在https://taotoken.net/doc遇到配置问题先翻文档大部分报错都有对应说明。一个实用技巧把常用提示词存成 Obsidian 模板配合 Smart Connection 的快捷命令选中文字一键触发。本地模型负责初稿云端负责润色两边各干各擅长的活。这样一套下来笔记库才真正变成会思考的第二大脑而不是一堆躺着的 Markdown 文件。