本文面向希望在本地电脑上搭建个人第二大脑的用户系统梳理两种 AI 化路径的完整配置流程。所有方案均确保知识库文件留在本机不主动外传。一、为什么要做私有化个人知识 AI1.1 知识库是核心资产每个人的 Obsidian Vault笔记仓库里沉淀的是多年工作经验、学习笔记、项目复盘、读书摘要甚至私人日记。这些内容有两个特征高度个性化公开大模型没有这些你的专属记忆隐私敏感客户信息、业务决策、健康记录、企业财务思考——不应进入任何第三方训练集1.2 本地知识 AI的三种价值层次层次表现举例检索层按意思找笔记不用记关键词那个……就是上次数据库主从切换后数据不一致的排查 → 精准定位理解层AI 读过多篇笔记后帮你总结、对比、提炼把过去三年所有关于 PostgreSQL 性能优化的笔记整理成一份 checklist推理层基于你的历史判断逻辑辅助新决策我之前两次拒绝闭源方案的理由是什么这次新提案该怎么评估1.3 私有化的底线知识库文件你的 .md 笔记永远只存在你电脑硬盘上。 无论选哪种 AI 方案索引数据由本地 Miyo 管理笔记原文不会批量上传。即使使用在线模型也仅将检索命中的少量片段发送给模型接口用于生成回答——而非整库同步。如果你要求连片段也不能出本机那就只能选方案 A全本地模型后文会明确标注。二、系统架构谁在干什么在动手之前先把角色搞清楚。这套系统的架构非常清晰┌─────────────────────────────────────────────┐ │ 你的电脑本机 │ │ │ │ ┌──────────┐ ┌──────────────────────┐ │ │ │ Obsidian │ │ Miyo索引管家 │ │ │ │ (编辑器) │◄──►│ · 扫描笔记 │ │ │ │ Copilot │ │ · 切分文本 │ │ │ │ (对话UI) │ │ · 调用向量模型建索引 │ │ │ └──────────┘ │ · 接收查询→返回片段 │ │ │ │ └──────────┬───────────┘ │ │ │ │ │ │ │ ┌───────────▼───────────┐ │ │ │ │ 模型层可切换 │ │ │ │ │ 方案A: Ollama(本机) │ │ │ │ │ 方案B: 腾讯云(在线) │ │ │ │ └───────────────────────┘ │ │ │ │ │ └──── 聊天时拿片段 → 发给聊天模型 → 回答回来 │ └─────────────────────────────────────────────┘核心组件说明组件性质作用是否必须Obsidian桌面软件免费笔记编辑 插件宿主✅ 必须Copilot 插件Obsidian 社区插件v4对话界面 模型调度✅ 必须Miyo独立桌面软件免费向量索引 语义检索服务✅ 必须聊天模型云端或本地理解问题、组织回答✅ 必须来源可选向量模型云端或本地把文字转成向量坐标✅ 必须来源可选关键认知Miyo 不是大模型。它是一个常驻后台的索引服务负责把笔记切成片段、调用向量模型做嵌入、存成本地索引库。无论你选哪种模型来源Miyo 都只装一个。Copilot 是前台。你看到的气泡聊天窗口、Agent 对话窗口都是 Copilot 提供的。它把 Miyo 检索到的片段交给聊天模型再把回答展示给你。Local / Remote 说的是 Miyo 跑在哪。选Local表示 Miyo 就装在你这台电脑上Remote表示 Miyo 跑在另一台机器如家庭服务器本机通过网络连接。这和模型在哪是两码事。三、两种方案总览对比项方案 A全私有化本地模型方案 B连接在线模型聊天模型Ollama 本地运行如 qwen2.5:7b腾讯云 hy4-preview向量模型Ollama 本地运行如 nomic-embed-text腾讯云 kinfra-text-embedding-4b知识片段是否出本机❌ 完全不出⚠️ 检索到的片段发往云端是否需要联网仅首次下载模型时需要每次问答都需要硬件要求16GB 内存起步无显卡可用但较慢几乎无要求回答质量取决于本地模型大小云端大模型质量更高隐私等级★★★★★ 绝对私有★★★☆☆ 片段外传两种方案都需要安装 Miyo。 Miyo 是索引层不是模型层。四、方案 A全私有化部署本地 Ollama适合对隐私要求极高、希望完全离线的用户。4.1 安装 Ollama访问 ollama.com下载 Windows 版双击安装完成后任务栏会出现羊驼图标常驻后台打开 PowerShell / CMD验证安装ollama --version4.2 拉取所需模型需要两个模型一个管说一个管听# 聊天模型嘴通义千问 2.5 的 7B 版本中文能力强8GB 内存可跑 ollama pull qwen2.5:7b # 向量模型耳朵nomic 嵌入模型轻量约 270MB ollama pull nomic-embed-text如果中文语义检索要求更高可换bge-m3约 1.2GBollama pull bge-m34.3 配置 Ollama 内存参数无显卡用户必看纯 CPU 推理时模型权重 上下文缓存会吃掉大量内存。16GB 机器建议这样设Windows 永久配置设置 → 系统 → 关于 → 高级系统设置 → 环境变量新建系统变量变量名值含义OLLAMA_NUM_CTX2048上下文窗口大小越小越省内存OLLAMA_NUM_PARALLEL1并发数单人用设 1OLLAMA_NUM_THREAD4线程数填你 CPU 物理核心数不是超线程数OLLAMA_ORIGINSapp://obsidian.md*允许 Obsidian 跨域访问CORS 放行确定 → 重启电脑或重启 Ollama 服务4.4 安装 Miyo 并连接从 miyo.md 下载 Miyo 桌面版安装并打开首次引导Get started → 可跳过添加文件夹保持 Miyo 后台运行右下角托盘图标4.5 Obsidian Copilot 配置设置 → Copilot →BYOK添加聊天模型字段填写中文说明Model Nameqwen2.5:7bOllama 里的模型名Display Name本地千问界面显示名ProviderOllama选 Ollama 格式Base URLhttp://localhost:11434Ollama 本机服务地址API Key留空本地不需要 KeyCapabilities勾Chat聊天用途添加向量模型字段填写中文说明Model Namenomic-embed-textOllama 里的向量模型名Display Name本地向量界面显示名ProviderOllama选 Ollama 格式Base URLhttp://localhost:11434同上API Key留空本地不需要Capabilities勾Embedding向量用途点 Verify → 显示 Verified4.6 连接 Miyo设置 → Copilot →Miyo选Local本机模式点Connect弹窗确认注册当前 Vault → 等待索引到Watching4.7 开启语义搜索同一页面打开Semantic search for agents紫色开关。完成。此时你的整套系统完全在本机运行不依赖任何外部网络。五、方案 B连接在线大模型以腾x云为例适合希望高质量回答、不介意片段外传、不想折腾本地硬件的用户。5.1 准备工作腾讯云账号 → 已开通 TokenHub获得 API Keysk-开头的一串字符确认可用模型聊天hy4-preview向量kinfra-text-embedding-4b5.2 Obsidian Copilot BYOK 配置添加聊天模型字段填写中文说明Model Namehy4-preview模型标识名必须与云端一致Display Name腾讯混元随便起界面上显示的名字ProviderOpenAI Format接口格式腾讯云兼容 OpenAI 协议Base URLhttps://tokenhub.tencentmaas.com/v1API 接入地址API Keysk-你的密钥腾讯云密钥本地存储不上传Model Capabilities勾选Chat指定为聊天用途Verify验证按钮 → 绿色Verified表示连通。添加向量模型字段填写中文说明Model Namekinfra-text-embedding-4b向量模型标识名Display Name腾讯向量4b界面显示名ProviderOpenAI Format同上Base URLhttps://tokenhub.tencentmaas.com/v1同上API Keysk-你的密钥同一个 KeyModel Capabilities勾选Embedding指定为向量用途两个模型共用一个 Key不需要申请两次。5.3 开启 CORS跨源请求放行在模型配置行右侧找到Enable CORS 开关 → 打开。CORSCross-Origin Resource Sharing跨源资源共享Obsidian 是本地应用要向云端发请求浏览器安全机制默认拦截。打开 CORS 等于给请求加了一张通行证。5.4 安装 Miyo 并连接步骤与方案 A 完全相同下载安装 Miyo → 打开Obsidian → 设置 → Copilot → Miyo → 选Local →Connect注册 Vault → 等索引完成区别仅在于Miyo 建索引时会调用腾讯云kinfra-text-embedding-4b做向量化需要联网而非本地 Ollama。5.5 开启语义搜索设置 → Copilot → Miyo → 打开Semantic search for agents。六、混合搭配鱼与熊掌可以兼得回答你的题外话完全可以。Copilot Miyo 的架构天然支持模型来源混搭。你可以在同一台电脑上同时装好 Ollama 和腾讯云配置然后按需切换。六种组合方式组合向量建索引聊天生成回答适用场景①本地 nomic本地 qwen2.5完全离线绝对隐私②腾讯云 4b腾讯云 hy4高质量回答不介意片段外传③本地 nomic腾讯云 hy4索引在本地建笔记不出门回答用云端强模型④腾讯云 4b本地 qwen2.5索引快云端向量回答完全离线⑤本地 nomicOpenAI GPT-4o索引本地 最强云端聊天⑥腾讯云 4bClaude同上换聊天后端怎么切换切换聊天模型Copilot 聊天窗口顶部有模型选择器点一下就能换hy4 / qwen2.5 / 其他已配置的模型。切换向量模型需要进 Miyo 设置里改 embedding provider。注意换了向量模型 维度变了 必须清掉旧索引、重新建索引一次。推荐组合组合③本地向量 在线聊天 是最务实的选择建索引时笔记片段只发给本地 nomic 模型或腾讯云看你选哪个向量坐标存在本机问答时只有 Miyo 检索到的 Top-K 片段发给腾讯云 hy4既保证了索引过程可控又享受了云端大模型的回答质量七、日常使用指南7.1 两种对话入口入口图标模式行为Agent Chat 房子智能体自动调用 Miyo 语义搜索全库再回答Quick Chat 气泡轻聊只带当前笔记上下文不搜全库问知识库问题 → 用房子图标Agent Chat7.2 提问技巧好的提问 明确意图 给范围❌ 不好✅ 更好帮我找一下Use Miyo to find notes about Oracle 主从同步延迟的排查步骤那个项目的事找我关于 A 客户 ERP 上线期间的所有风险记录按时间线总结总结一下把我 2024 年所有技术复盘笔记里关于性能优化的要点整理成一份 checklist7.3 笔记写作建议AI 检索效果取决于笔记质量一篇一主题别把周会 技术方案 报销塞一篇写过程不只写结论先试了方案 A不行因为 XX后来换 B成了——这种最值钱适当用标签#项目#踩坑#决策方便 Miyo 过滤日期写清楚AI 能区分三年前和上个月八、常见排错问题原因解决找不到 Semantic Search 开关V4 移到了 Miyo 子页面设置 → Copilot → Miyo → 开 Semantic search for agentsMiyo 显示 Offline软件没开打开 Miyo 桌面版确认托盘有图标Connect 失败端口被占或没运行重启 Miyo 重启 ObsidianVerify 报 Failed to fetchCORS 没开 / 网络不通开 Enable CORS检查防火墙Agent Chat 转圈不动opencode 后端未安装设置 → Copilot → Basic → Agents → opencode → Configure → Download install搜不到笔记索引未完成Miyo 里看状态等Watching换了向量模型后搜出乱的旧索引维度不匹配Miyo 里 Clear index → 重新建九、总结你拥有什么意味着什么本地知识库你的记忆外挂十年经验不丢失Miyo图书管理员7×24 小时帮你翻书大模型本地或云端能读懂你笔记、用你的语言回答你的顾问Obsidian Copilot统一工作台写作和问答在同一个界面最终效果你问我三年前那个项目最后为什么换了数据库——AI 翻遍你几百篇笔记找到三处相关记录然后说根据 2023-04-15 的复盘和 2023-06-02 的决策记录主要原因是……这不是科幻。按本文步骤配完它就是你的日常。附配置检查清单方案 A全本地[ ] Ollama 安装完成后台运行[ ]ollama pull qwen2.5:7b完成[ ]ollama pull nomic-embed-text完成[ ] 环境变量OLLAMA_NUM_CTX2048等已设[ ] Miyo 安装并运行[ ] Copilot BYOK 添加 Ollama 聊天 向量模型[ ] Miyo → Local → Connect → Watching[ ] Semantic search for agents 开启方案 B在线模型[ ] 腾讯云 API Key 已获取[ ] Copilot BYOK 添加 hy4-previewChat[ ] Copilot BYOK 添加 kinfra-text-embedding-4bEmbedding[ ] CORS 已开启[ ] Miyo 安装并运行[ ] Miyo → Local → Connect → Watching[ ] Semantic search for agents 开启混合模式[ ] 两种方案的模型都在 BYOK 里配好[ ] Miyo 里选好当前用的向量来源[ ] 聊天时在窗口顶部切换模型即可
