T-Wiki for Obsidian

T-Wiki 是一个桌面端 Obsidian 插件，用于把文档、网页和剪藏内容整理成结构化、可追溯、相互链接的 Markdown Wiki。

项目地址：OperationT00/T-wiki

功能简介

• 导入 Markdown、TXT、文本型 PDF、本地音视频、公开网页、Bilibili 和抖音公开视频
• 将不同来源统一解析为干净的 raw/ Markdown
• 使用 PDF.js 本地解析 PDF，并可选用 MinerU 处理扫描件或复杂 PDF
• 使用用户配置的 LLM API 提取、比较和合并知识
• 自动创建或更新 Source、Entity、Concept 和 Synthesis 页面
• 自动维护 WikiLink、索引和知识图谱关系
• 支持 Diff 审阅，确认后才写入 wiki/
• 支持基于 Wiki 索引和链接图谱的多跳查询
• 原件、解析记录和 Agent 操作均可追溯

T-Wiki 不要求安装 Claude Code。Agent Runtime 已内置在插件中，但需要用户自行提供兼容的 LLM API。

使用说明

1. 安装与初始化

从 Obsidian 社区插件中搜索 T-Wiki 并安装。也可以从 GitHub Releases 下载 main.js、manifest.json 和 styles.css，放入：

<Vault>/.obsidian/plugins/t-wiki/

启用插件后，打开 T-Wiki 工作台，点击“初始化 T-Wiki”。插件会创建 raw/、wiki/、templates/ 和内部数据目录。

2. 配置 LLM API

进入 Obsidian 设置 → T-Wiki → Agent Runtime / LLM API：

1. 选择 Anthropic Messages 或 OpenAI-compatible 协议。
2. 填写服务的 Base URL 和 API Token。
3. 配置 Fast、Default、Deep 三档模型；不需要区分时可填写同一个模型。
4. 点击“测试连接”。

兼容服务需要支持原生 Tool Calling。API Token 只保存在 Obsidian Secret Storage，不会写入 Wiki 或插件配置文件。

Ingest 和 Query 会把相关的 raw Markdown 与 Wiki 上下文发送到所配置的 LLM API，请根据资料的隐私要求选择服务。

3. 配置文档解析

默认情况下无需额外配置：

• Markdown：保留正文并规范化格式
• TXT：支持 UTF-8 和带 BOM 的 UTF-16
• PDF：优先使用本地 PDF.js 解析
• 网页：输入公开 URL 后在本地提取正文

可选功能：

• MinerU：在设置的“文档解析 / MinerU”中选择 Cloud 或自托管服务，填写 Token 后启用。扫描型或复杂 PDF 可自动回退到 MinerU，也可以手动选择“使用 MinerU 重新解析”。启用远程 MinerU 会上传 PDF 原件。
• Web Clipper Inbox：配置 Obsidian Web Clipper 的保存目录后，T-Wiki 可以扫描其中的新 Markdown。导入后只生成 raw，不会自动执行 Ingest。
• Bilibili：在“解析在线视频”中输入 BV/AV/b23 地址。优先读取公开作者字幕或平台 AI 字幕；没有字幕时才提供远程语音转写选项。
• 抖音：先安装 yt-dlp，然后在“在线视频 / 抖音”中自动检测或填写 yt-dlp.exe 路径并启用。通过“解析在线视频”输入公开单视频链接；插件会在确认后下载视频并复用 ASR、FFmpeg 和视觉解析。默认不读取浏览器 Cookie，只有抖音明确要求登录时才会请求一次性授权。
• 音视频转写：在“音视频解析”中选择 OpenAI-compatible /audio/transcriptions 或自托管 Whisper ASR Webservice /asr。默认由 FFmpeg 提取 16 kHz 单声道音频并按 15 分钟分片顺序转写；网络中断后可在 24 小时内继续，已完成分片不会重复上传。每次开始或恢复远程上传都需要单独确认。
• 视频关键画面：可在“音视频解析 → 关键画面”中启用。先配置共用的 FFmpeg/FFprobe，再填写独立的 OpenAI-compatible 视觉 Base URL、Token 和图片模型。插件合并场景抽帧与周期抽帧，只上传 512px 缩略图及其前后 30 秒文字；部分视觉批次失败时仍保留其他成功截图。
• 音视频智能标题：ASR 完成后，插件会调用 Agent 的快速模型，根据代表性文字稿生成简短的内容标题，并按“作者 ID - 内容简述”命名新 raw 文档。没有平台作者 ID 时使用作者名，本地文件回退为 local；模型失败只会回退到来源标题，不影响解析结果发布。

4. 导入并生成 Wiki

1. 在“素材”页选择文件、抓取网页、解析 Bilibili/抖音视频，或扫描 Clipper Inbox。音视频处理前请核对远程上传目标。
2. 等待解析完成，并按需查看 Markdown 预览和质量报告。
3. 点击“开始 Ingest”。
4. Agent 会读取来源、比较已有 Wiki，并生成新增或更新建议。
5. 在 Diff 中审阅变更，确认后写入 Wiki。
6. 在“智能”页面提问，或继续导入其他资料。

权限与隐私

• 默认文档与 Wiki 操作只访问当前 Vault；Clipper 仅扫描配置的 Inbox，索引仅遍历 raw/ 和 wiki/。
• FFmpeg、FFprobe 和 yt-dlp 是可选桌面能力，仅在用户启用并主动发起音视频任务时以参数数组执行，不会向 LLM 暴露 Shell。
• LLM、MinerU、ASR 和视觉服务可能接收相关正文或媒体；Token 仅保存到 Obsidian Secret Storage，远程媒体上传按任务确认。
• 详细的安全边界见 SECURITY.md。

常用命令

以下 Slash Command 可在 T-Wiki 的 Agent/智能输入框中使用：

命令	作用
/query <问题>	查询 Wiki
/query <问题> --deep	深度查询，并允许回溯 raw
/query <问题> --scope wiki|raw|hybrid	指定查询范围
/save [内容]	将内容或最近回答保存为 Wiki 页面
/save --type output|synthesis	指定保存页面类型
/lint	检查 Wiki 健康状态
/lint --fix	生成可审阅的修复建议
/reindex	重建 Wiki 索引
/agent status	查看当前 Agent 状态
/agent cancel	取消当前 Agent 任务

Ingest 通常直接在“素材”页操作；也支持以下命令：

命令	作用
/ingest scan	查看可处理来源
/ingest process <sourceId或raw路径>	处理单个来源
/ingest batch <来源1> <来源2> ...	批量处理 1–5 个来源
/ingest status [sourceId]	查看 Ingest 状态
/ingest retry <sourceId或raw路径>	重试失败的 Ingest

开发者常用命令：

npm.cmd install
npm.cmd run verify
npm.cmd run build