夜雨聆风之前我那篇 5/23《Obsidian 本地大模型自动整理知识库》，有4 个读者在"obsidian黑曜石"交流群里问同一个问题：能换DeepSeek-V4-pro 吗？能不能接MiniMax M-3 ？
本质上大家要的不是"怎么写 Ollama 的 Python 脚本"，而是"1 个工具能不能搞定 6 种 LLM 接入"。
我装 Local LLM Helper 的第一天就明白了：5/23 那篇 800 字的脚本是过度工程。
单 provider 是假命题
如果你只跑 Llama 3 一款模型，Ollama 脚本就够了。问题是——
3 个月前 Llama 3 是顶流。今天DeepSeek-V4-pro 跑分超过它。本周一MiniMax M-3 又更新了。每次换模型都改 Python 代码？改 3 个文件？测试 API 兼容性？
我之前为了接 4 个 provider（Ollama + LM Studio + DeepSeek-V4-pro + vLLM）维护了 4 套脚本。每次想用 DeepSeek 跑个对比实验，光切换就要 5 分钟——而且经常切换完忘了之前在哪个 model 上跑的。
Local LLM Helper 把 6 种 provider 塞进同一个设置面板：Ollama、LM Studio、vLLM、LocalAI、OpenAI、任何 OpenAI-compatible 端点。切换 provider = 改一个下拉框。⏱ 5 秒。
1 个插件 12 个功能，我常用的 5 个
Local LLM Helper 的 GitHub README 列了 12 个功能。我装了 5 天，最常用的 5 个：
① 📚 Notes RAG（笔记 RAG 检索）——把整个 Obsidian 库向量化，问问题直接基于你的笔记回答。智能分块 + 增量索引（只重算改过的文件） + PDF 附件自动索引。⏱ 索引 800 篇笔记约 8 分钟。
② 💬 RAG Chat（侧栏聊天）——问"我 4 月份写了哪些关于产品定价的笔记"，直接列出 3 篇 + 链接，点开就是原文。不是云端 ChatGPT 编的答案，是你真实的笔记。
③ 🧩 Workflow Automation（工作流自动化）——3 个内置模板：
▲ 3 个工作流模板：周复盘 / 会议→任务 / 项目摘要，全部带审批卡片。
④ 🎭 12 个 Personas + 自定义——预设软件开发者、产品经理、技术写作、健身教练、斯多葛哲学家、Office 助手等 12 个角色。每个角色独立 system prompt，可改可重建。⏱ 创建自定义 persona 约 1 分钟。
⑤ 📋 Saved Prompts（保存常用 prompt + 模糊搜索）——把"把这段技术文档改成人话" 这种常用 prompt 存起来，下次 Command Palette 输入 "Text:" 模糊搜索 1 秒调用。每个 prompt 注册成独立命令，可绑快捷键。
⑤ + 1 隐藏必用：🧠 Reasoning Extraction（自动剥离推理块）——DeepSeek-V4-pro/MiniMax 输出的 ... 推理过程会被自动剥掉，只显示最终答案。装之前我每个回答都要手动删 块。
3 个真实场景
场景一：周五下午做周报。
我每周要交周报。以前流程：
现在用 Local LLM Helper 的 Workflow: Weekly Review：
⏱ 从 30 分钟压到 4 分钟。关键在第 4 步——AI 不能直接改我的笔记，必须经我点头。
场景二：写公众号文章前找素材。
我写选题会问 Local LLM Helper：
"我之前写的 5 篇关于周报自动化的笔记，主要用了哪些工具？各自的优缺点是什么？"
RAG Chat 在 0.8 秒后列出 5 篇笔记 + 关键引用。这不是 ChatGPT 编的答案，是我 5/7、5/12、5/23 那 5 篇文章的真实内容。
⏱ 选题时间从 20 分钟压到 6 分钟。
场景三：用 DeepSeek 跑推理任务。
我装 LM Studio 是为了在本地跑 DeepSeek（macOS M2 上能跑）。Local LLM Helper 直接接 LM Studio 端点:
http://localhost:1234
每次启动 LM Studio 加载新模型，不用改任何设置——插件自动从 /v1/models 拉模型列表，下拉选择即可。
如果我还在用 5/23 那套 Python 脚本：换模型 = 改代码 + 重启服务 + 验证 API 兼容性 = 10 分钟。用 Local LLM Helper：下拉选 = 5 秒。
▲ 5/23 方案 vs Local LLM Helper 切换对比：左边 4 套脚本维护 + 5 分钟；右边 1 个下拉框 + 5 秒。
为什么不是 Claudian 或 Smart Connections
Claudian 主打 Claude 模型接入，但你用 DeepSeek 跑本地它就不行。Smart Connections 主打语义搜索，没有工作流也没有 persona。
Local LLM Helper 的独特定位：多 provider + 12 个功能本地化 + 隐私派。你 6 个 LLM 入口、12 个工作场景，1 个插件全包。
怎么用
打开 Obsidian → 设置 → 第三方插件 → 搜索「Local LLM Helper」→ 安装启用。⏱ 预计 30 秒。
启用后到设置面板配 provider：
http://localhost:11434 + Browse 选模型http://localhost:1234 + Browse 选模型https://api.openai.com + API Key配完点 "Notes: Index notes for RAG"，等几分钟就能用 RAG Chat 了。
⚠️ 网络不便可公众号后台回复「LocalLLM」拿 GitHub 直链。
谁该装这个插件
✅ 想用本地 LLM 但不想写 Python 脚本的 Obsidian 用户 ✅ 6 种 provider 都想试的"模型对比党" ✅ 需要周复盘、会议→任务、项目摘要自动化的效率派 ✅ DeepSeek-V4-pro / MiniMax M-3 跑本地推理，讨厌 块挡屏幕的 ✅ 隐私敏感——笔记绝不上传云端的"本地派"
❌ 不适合：只用云端 OpenAI API、从不换模型、笔记不到 100 篇
如果今天的内容对你有用： 🔴 点亮「推荐❤️」 — 让身边想跑本地 LLM 的人少走 5/23 我走过的弯路 📌 收藏 — 6 种 provider 配置方法都在这
评论区聊聊：你现在用啥 provider 跑本地 LLM？ 我赌一半人是 Ollama 但没切换过别的 👀
我是黑曜石，陪你打造第二大脑。本地 LLM 接入不折腾，1 个插件就够。
如果你使用过程中想和其他obsidian用户分享或者求助，微信公众号后台私信：进群🤫
Local LLM Helper 插件功能经本人实测验证。 网络不便可公众号后台回复「LocalLLM」领安装包。
