大家好，我是潦草学者，一名长期的知识管理实践者，也是一名独立开发者。
我在 Obsidian 里积累了接近 2 万篇笔记。里面有读书摘录、日记、项目记录、过去发表的文章，也有很多当时觉得重要、后来再也没打开过的想法。
我在 Obsidian 里面实践了很长一段时间的 zettelksaten 方法。
但是随着
笔记越来越多，工作也组件繁忙以后。
我慢慢放弃了维护笔记和笔记之间的联系。
双向链接固然有价值，但是依赖人来维护。
知道三年前，我发现 embedding 这项技术以后，一直很想要在 Obsidian 里面构建一个 自己使用的向量数据库。
但再次之前，一直很难有可以在本地运行起来的 embedding 模型。直到今年，我发 MTEB 上，有很多模型的参数量已经可以在本地运行起来，并且效果还非常不错。
所以我做了 Analogy。
Analogy 是一个桌面端 Obsidian 插件。它在本地为 Markdown 笔记建立向量索引，让我可以用一句自然语言、一段正在写的文字，或者当前文档的内容，寻找语义上相关的旧笔记。
比如，我在写一篇关于“AI 时代的知识管理”的文章时，不需要先猜自己几年前用了什么关键词。我可以直接拿当前文章去搜索，找回以前写过的阅读笔记、项目复盘和零散观点。
这种体验和手动双链不太一样。手动链接保存的是我已经确认的关系；语义搜索给出的则是一组“可能相关”的内容。它偶尔也会找出一些意料之外的结果，但对写作和研究来说，这种偏差有时恰好能提供新的线索。
目前可以做什么
-
在侧边栏用自然语言搜索整个 vault。
-
从当前文档或选中的内容出发，寻找相关笔记片段。
-
在 Semantic Walk 画布里沿着某个片段继续探索，查看笔记间没有被手动链接起来的关系。
-
通过配套的 MCP Server，让 Claude Code、Cursor 等支持 MCP 的工具检索经过授权的笔记内容。
我不想再做一个把聊天窗口塞进 Obsidian 的插件。Analogy 更像是一层检索基础设施：Obsidian 继续负责保存和编辑笔记，Analogy 负责在需要时把相关内容找回来。
关于本地运行和隐私
这是我开发 Analogy 时最在意的部分。
Markdown 内容、向量索引、embedding 计算和 ChromaDB 检索都在本机完成，ChromaDB 默认只监听 127.0.0.1。插件不会为了许可证校验上传笔记正文、路径、查询内容或向量。
如果你主动配置 MCP Server，本地 AI 工具可以获得搜索结果片段。你也可以用路径白名单限制 MCP 能访问的目录。这个能力默认不会替你开启。
为了说清数据边界，也补充两点：首次安装需要联网下载经过固定版本和校验的本地运行时及 embedding 模型；使用许可证时，校验服务会收到许可证密钥、插件版本、本地设备标识和 vault 标识，但不会收到笔记内容。
现在的限制
Analogy 目前只支持桌面端。托管运行时主要支持 Apple Silicon Mac 和 Windows x64，Intel Mac 的运行时暂未提供。
第一次使用需要下载本地模型并建立索引。vault 越大，首次索引需要的时间越长。语义搜索也不是 Obsidian 原生搜索的替代品：查文件名、标签或确定的原句时，关键词搜索仍然更直接。
当前版本可以免费安装，免费版最多索引 2500 个 Markdown 文件。更大的 vault 可以选择个人付费许可。我把这一点直接写出来，方便大家在安装前判断是否适合自己。
安装与链接
Obsidian 插件市场：
源代码与问题反馈：
安装后，在 设置 → 第三方插件 中启用 Analogy。首次打开设置页时，向导会检查本地环境、安装运行时并引导建立第一个索引。
我做这个插件，首先是因为我自己需要它。知识管理做了很多年以后，我现在更关心的不是如何把系统整理得更漂亮，而是过去写下的东西能不能在今天的问题里重新出现。
如果你也有一个积累多年的 vault，欢迎来尝试这个插件。
也可以聊聊你在知识库里尝试 AI 技术的实践