あなたのノートが、 生きたWikiになる。 Obsidianで書く —— ノート、PDF、ウェブクリップまで、すべての入力が成長し続けるネットワークへ。
忘れるか、育てるか。
記事を保存。場所を忘れる。あとで検索。何も出ない。
Vault からノートを選ぶだけ。アイデアが見つかり、ページが作られ、要約も準備完了。数秒で。
手動でリンク。片方を変更。もう片方は古いまま。リンクは死ぬ。
リンクは生き続ける。新しい情報が古い情報と矛盾しても、すべての関連ページが最新に保たれる。
一年分のノート。ただのファイル。プロジェクトは毎回ゼロから。同じ読書。同じ結論。
一年分がWikiに。新しい質問は、すべての蓄積から。知識が育っていく。
ひとつのノートから、無限のつながりへ。
機能ではない。読んだものすべてとの、新しい関係。
Vault からノートを選ぶ —— Cmd+P → Ingest。AIが読み、抽出し、構築。フォルダもタグも不要。作業も不要。
友達に聞くように。AIの思考を見てから、ソースを添えて信頼できる答えを返す。
Cmd+P → Multi-File Ingest でライブキューとフォルダツリーピッカーを表示。5 つでも 50 つでも一度に選択——ステージングフォルダは不要。
新しいファイル？自動取込。矛盾？発見。整合性？確認。すべてあなたの設定で。
アーキテクチャ、ワークフロー、モデル選定の深掘り
Qwen3.5, Qwen3.6, Gemma 4, oMLX — which model runs your wiki well, on what hardware, with what tradeoffs. A practical guide to going fully offline without sacrificing usability.
Pick a PDF from anywhere in your vault. The plugin reads it through your LLM provider, transcribes it to Markdown verbatim, and feeds the result into the standard wiki extraction pipeline.
Four phases that turn a natural-language question into a wiki-grounded answer. Why this pipeline is fundamentally different from vanilla RAG, where it borrows, and where it diverges.
ObsidianだけあればOK。
設定 → Karpathy LLM Wiki。LLMを選び、キーを入力、テスト、保存。
Cmd+P（またはCtrl+P）。Ingestと入力して単一のソースを追加、Multi-File Ingestなら複数を一度に選択。Queryと入力して質問。
使いはじめる前に、知っておくべきこと。
手動で [[リンク]] を張るとき、あなたはすでに知っているつながりしか記録できません。このプラグインは異なる方法で動作します：Vault 内のすべてのノートを読み込み、そこに埋め込まれた人物、概念、理論を抽出し、あなたが気づかなかったリンクを表面化する Wiki ページを自動生成します——数ヶ月離れて読んだ論文間のつながり、フォルダをまたいだテーマ、ちょっとした言及に埋もれた洞察。手動のリンクはそのまま残り、プラグインはあなたが知らなかった発見を可能にする AI 駆動のレイヤーを追加します。
あなたの Vault は書かれたままの状態を保ちます。プラグインは独自のフォルダ（entities/、concepts/ など）に新しい Wiki ページを作成するだけで、これらはすべて wiki/ フォルダの下に作られます。自動生成されたページが間違っている場合は、削除してインジェストを再実行するだけで、最初から再構築されます。一度レビュー済みとしてマークすると、AI はそのページを書き換えず、追記のみを行います。すべての会話形式の回答も、元となったノートにリンクされているため、ワンクリックで主張を検証できます。
Obsidian v1.11.0+（デスクトップ：Windows、macOS、Linux）と LLM プロバイダーの API キーが必要です。対応：DeepSeek、Gemini、Claude、GPT、Kimi、GLM、MiniMax、OpenRouter、または任意のカスタムエンドポイント。Ollama・LM Studio のローカルモデルは API キー不要。
長コンテキストモデル推奨 — Wiki 全体を1回で処理できます。1回の取り込みは約 $0.05–$0.50。費用はすべて LLM プロバイダーに。プラグイン自体は 無料のオープンソース。
はい——それが本プラグインの設計思想です。Ollama または LM Studio のローカルモデルを使えば、すべてのデータがあなたのマシンに留まります：ノート、抽出されたエンティティ、生成された Wiki ページ——送信されず、記録されず、外部サーバーに触れることは一切ありません。本プラグインはテレメトリゼロ、バックエンドなし、ストレージなし、データ収集なし——自ら外部接続することはありません。クラウドプロバイダーを使用する場合でも、データはあなたがトリガーした特定のインジェストまたはクエリの間のみ送信され、外部にキャッシュされたり共有されたりすることはありません。このゼロ漏洩アーキテクチャにより、研究データ、顧客情報、個人日記など、機密性の高い内容でも安心して使用できます。クラウドモデルはバッチ処理に適し（コンテキストが大きくスループットが高い）、ローカルモデルは日常的な作業に絶対的なデータ主権を提供します。
バグを発見しましたか？GitHub で Issue を開く。質問やアイデアがありますか？GitHub で Discussion を開始する。Obsidian Community Plugin ページでもプラグインを見つけてレビューを残せます。
はい——v1.25.0からPDFは正式な入力形式になりました。Vault のどこからでも PDF を選んでください（Cmd+P → Ingest single source）。プラグインが LLM プロバイダーのネイティブファイル入力経由で読み取り（Anthropic Claude、OpenAI GPT-4o、Bedrock系はPDFをネイティブ処理）、OCR 風の逐語書き起こしで図や数式にハルシネーション防止マーカーを付けてマークダウンに変換し、通常の Markdown インジェストパイプラインに戻します。変換後のマークダウンは .obsidian/plugins/karpathywiki/pdf-cache/ 内にコンテンツハッシュでキャッシュされ、再取り込みは即座に完了します。デフォルトでは保管庫は変更されません。設定で PDFマークダウンを保管庫に書き出す を有効にすると、ソースPDFの隣に <basename>.pdf.md のサイドカーも書き出されます。
はい——v1.24.0からタスクごとにモデルを分けられます。設定 → Wiki → モデル範囲 で、統一（すべて同じモデル）から タスク別 に切り替え、取り込み、 lint 、クエリ にそれぞれ独立したモデルを設定できます。よくある構成：取り込みは高速で安価なモデル（DeepSeek、MiniMax）、lint は高性能モデル（Claude、GPT-4o）、クエリは長コンテキストモデル。接続テスト はフェイルファストで各モデルを順に確認し、すべてのタスク別モデルが通るまで接続は「異常」と判定されます。
はい——PDF取り込みを Ollama や LM Studio のローカルモデルと組み合わせれば、すべてのPDFがあなたのマシン内で完結します。Apple Silicon での推奨構成は、Markitdownバックエンド＋百度がオープンソース化した Unlimited-OCR モデル（合計3B／活性0.5B）と oMLX を、Force PDF Support を有効にした カスタム OpenAI 互換 プロバイダー経由で接続する方法です。PDFが保管庫の外に出ることはなく、変換もローカルで実行され、生成されたマークダウンも同じエンティティ抽出パイプラインへ、デバイス内で流れます。
孤立しない。好きなツールが、もっと便利に。
リンクを表示
Wikiがグラフに意味を。ハブページ、クラスター、孤立ページ。装飾ではなく、探索。
記事を保存
クリップを Vault のどこかに保存して、Cmd+P → Ingest from folder を実行。AIが抽出、リンク、更新。ひとつのクリップが10以上のWikiページに。
データをクエリ
AIが構造を追加。タグ、日付、カテゴリ。空のテーブルが生きたダッシュボードに。
バージョン管理
知識の進化を見守る。各コミットが成長の物語を語る。
スライド作成
「私の研究を10分のトークに要約して」と質問。Wikiが知識からスライドを構築。
ビジュアルキャンバス
AIが概念図、タイムライン、決定木を構築。空白のキャンバスはもうない。
12のプロバイダー、クラウドもローカルも。いつでも切り替え——どこにも縛られない。
12のプロバイダーがドロップダウンひとつで選べる。合わなければ次へ——Wikiは何も気づかない。
バックエンドなし。追跡なし。保存なし。ノートはあなたの選んだAIだけに届く——ローカルモデルなら完全に本機内で完結。
プラグインは無料。フルインジェスト 1 回でも、LLM プロバイダーへの支払いはわずか $0.05–$0.50。コスト重視のモデルを選べば、費用はほとんど気にならない。
クラウドでもローカルでも——信頼できるものを。
ロングコンテキストモデルならWiki全体を一括で読み切れる——断片ではなく全体像を把握。Ollama・LM Studioなら完全ローカル動作——アップロードもAPIキーも不要。
