markitdown-mcp联动Obsidian-mcp | 一个极简知识管理工作流

向量数据库大模型NoSQL数据库

关注我~第一时间学习如何更好地使用AI。

重要的不是我们是否会被AI替代,

而是我们要比被替代的人更懂AI。

往期精华:

1.MCP使用

Excel-MCP应用 | 自动提取图片数据到Excel的极简工作流手把手教程

【15合1神器】不会代码也能做高级图表!这个MCP工具让我工作效率翻了不止三倍!

萌新靠MCP实现RPA、爬虫自由?playwright-mcp实操案例分享!

想玩玩极简版AI Agent?MCP就够了!手把手教你用Cherry Studio整活~

高德、彩云MCP全体验:让Cherry Studio化身私人小助理的喂饭版指南!

2.AI Workflow编排

Coze工作流编排指南6:聊天陪伴类智能体基本工作流详解-快来和玛奇玛小姐姐谈心吧~

Agent | 工作流编排指南5:长文扩写自由 — Coze循环节点用法详解

Agent | 工作流编排指南4:萌新友好的Coze选择器节点原理及配置教程

AI工作流编排手把手指南之三:Coze智能体的工作流

AI工作流编排手把手指南之二:Coze智能体的插件添加与调用

AI工作流编排手把手指南之一:Coze智能体的创建与基本设置

3.Prompt设计

打工人看了流泪的Prompt设计原理,如何用老板思维让AI一次听懂需求?

不会Prompt还敢说自己会用DeepSeek?别怕!10分钟让你成为提示大神!

大家好,今天给大家带来的是一个与知识管理有关的极简工作流。

我们在日常工作学习中,经常会收集到格式五花八门的参考资料,它们可能是word版的方案初稿、PDF格式的前沿论文,甚至网页形式的公众号文章。

你可能会有这样的冲动,想要将那些格式不同但内容主题相同的资料,都归集到一个统一的地方,以便于进一步的研究、学习、整合。

今天这个工作流,就是为大家提供一个思路,通过微软官方的 markitdown-mcp将你需要保存的内容,转化为markdown格式,然后保存到笔记软件王者Obsidian中。

话不多说,先来看视频演示:

视频中实现的效果,是将本地电脑中的示例文档PDF(Google发布的《Prompt Engineering》中的部分内容),先转化成markdown格式,再翻译成中文并存入本地的Obsidian中。

视频中使用的工具如下:

picture.image

从数据处理的角度来看,视频中的工作流如下:

  • • 1.数据获取:利用 markitdown-mcp 将目标文件转化为markdown格式的数据;
  • • 2.数据处理:通过prompt,要求模型对获取的数据进行英文转中文的翻译;
  • • 3.数据存储:利用 mcp-obsidian ,将翻译结果作为笔记内容存入本地Obsidian中。

关于 mcp-obsidian的使用详见:MCP x Obsidian:体验智能笔记新境界,Cherry Studio 萌新操作指南

下面,我将给大家简要介绍 markitdown-mcp的添加与使用细节。

MCP服务器添加与使用

1.添加MCP服务器

markitdown-mcp目前在Cherry Studio通过uvx指令配置相对简单,具体步骤如下:

首先,进入Cherry Studio的【MCP服务器】设置界面,点击右上角【添加服务器】,选择【快速创建】

picture.image

接着,按照下图中红框的内容输入相关信息,点击右上角保存按钮。(你可以将【名称】改为markitdown-mcp 以便识别,但这个不影响服务器添加)

picture.image

2.MCP使用细节

首先,我们来看 markitdown-mcp的工具界面。

非常简单,就一个工具。其中必要的输入参数为 uri

picture.image

uri(即统一资源标识符)大家可能不是很熟,但是 url是不是就很亲切了。你可以这么理解, uriurl的上位概念,他们的关系,类似于“水果与苹果“的关系。

所以,理论上我们这里可以给 markitdown-mcp提供的文件,除了网页之外,还包括其他内容。正如视频演示,我在prompt中给 markitdown-mcp提供了一个在我电脑本地的文件路径,这也是一个 uri

补充一点,怎样很快的获得我们本地电脑中特定文件的绝对地址或者说 uri呢?

右键你的目标文件,选择【属性】-【安全】,然后对象名称就是你要的东西了。

picture.image

好了,以上就是本期的主要内容。依然是想起到一个抛砖引玉的效果,希望大家大开脑洞,结合工作需要搭建自己的工作流。祝大家玩得开心~!

—— END——

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论