通过Obsidian Copilot和 Ollama 实现 Obsidian 本地知识库和智能化(非常详细)从零基础到精通,收藏这篇就够了!

Dify学习笔记-知识库(六) Dify学习笔记-知识库 阅读详情
AI摘要

本文介绍了通过Obsidian Copilot和Ollama实现Obsidian本地知识库智能化的方法,包括原理、配置过程,如安装Ollama及相关模型、配置Obsidian Copilot等,还提及商业Chat模型配置。此外,提供了2025最新大模型学习路线、经典PDF书籍、视频教程、项目实战和面试题等学习资源。

原理

Obsidian Copilot 是一款为 Obsidian 笔记软件设计的 AI 助手插件,它将 AI 技术(如 OpenAI 的 GPT 模型)无缝集成到 Obsidian 的笔记工作流中,为用户提供智能化的写作、知识管理和思考辅助功能。通过 Obsidian Copilot,用户可以在笔记中直接与 AI 进行交互,从而提升笔记的整理效率、写作质量和知识探索能力。

Obsidian Copilot 的作者是 Logan Yang,他是一位经验丰富的软件开发者和知识管理爱好者,致力于为 Obsidian 社区提供更智能、高效的工具。

Obsidian Copilot 中有两个地方需要配置大模型,分别是General Settings处和QA Settings 下的 Embedding Models 处。General Settings处配置的模型为 chat 模型,用于 chat 模式, Embedding Models 处配置的模型要求是 Embedding 模型,用于 Vault QA模式建立索引知识向量库。因此仅配置General Settings处的模型将只能使用 chat 模式,必须同步成功配置 Embedding Models 处的 Embedding 模型才能够有效激活Vault QA 模式**。**

Obsidian Copilot 可以通过 Ollama 模式支持本地模型,本文下面将介绍基于本地Ollama 来配置 Obsidian Copilot。

配置过程

安装Ollama

Mac 下执行如下命令安装:

brew install ollama

其他操作系统请自行到 ollama 网站下载安装。

Ollama 安装 chat 模型和 embedding 模型

启动 ollama:

ollama serve

在一个新的 bash下安装 chat 模型,这里使用mistral为例,读者可以根据自己情况选择其他模型,如果ollama下已有下载过的模型,可以跳过此步骤:

ollama run mistral

继续安装 embedding 模型,这里使用nomic-embed-text

ollama pull nomic-embed-text

pull命令拉取模型后,ollama 服务会自动启动和管理模型,不需要再显式的启动模型。

关联obsidian重新启动 Ollama

关闭 ollama 服务, 使用如下命令重新启动 ollama:

OLLAMA_ORIGINS=app://obsidian.md* ollama serve

重新启动后,Ollama 端准备完毕,可转入 Obsidian 进行后续设置。

Obsidian Copilot 安装

在 Community Plugins 中搜索安装 Obsidian Copilot 插件。打开 Obsidian Copilot 的设置页面。

Obsidian Copilot chat模型配置

在 General Setting 标签下点开 Add Custom Model

  • Model Name 填写 mistral
  • Provider 填写 ollama
  • Base URL 和 API Key 为空

可以点击 Verify Connection,显示 Successful 后即可点击 Add Model 添加。

img

然后在上方的列表中选择刚添加的 mistral 模型:

img

完成 chat 模型设置。

Obsidian Copilot Embedding 模型配置

向下拉 Obsidian Copilot 的配置页,在 QA Setting 下点开 Add Custom Model

  • 在 Model Name 处填写 nomic-embed-text
  • Provider 处填写 ollama,其余同上置空

点击 Verify Connection 测试,这里可能会显示失败,先点击 Add Model。

img

在上方的列表中选择刚添加的nomic-embed-text embedding 模型,同时勾选对应的 CORS:

img

完成 Embedding 设置。此时激活Vault QA 模式有可能会报 index 失败的错误,先无视。打开 Command+P 的命令面板,选择Copilot: Force re-index vault for QA,此时会进入到 index 过程中,右上角会报 index 的进度,等待完成(如果还是报错,可以关闭ollama,再使用上述命令重启ollama服务)

img

此时已完成将 vault 中所有的 md文件建成向量化知识库。默认对话框为chat模式,可以切换为"vault QA(basic)",如图红线所示。并在 chat 模型处选择我们在 Ollama 中安装的 mistral,即可正常对所有笔记的知识库进行问答:

img

经测试,Ollama 模型在 Mac M1 芯片电脑上问答的回复时间约为 40s,如想要更快的速度,可以按下个章节的方式配置商业模型。

商业Chat模型配置

Datapipe 是一个中转的大模型服务,提供 GPT-4o 等大模型服务,基础版费用为 20 元/月,可满足一般人的使用,既可以在网页端按照 chatGPT 的形式使用,也可以使用 API 的方式使用,如这里用到的作为 chat 模型整合进入 Obsidian Copilot。可以使用 https://chat.datapipe.app/register?referral=KHXJXD 链接注册,会附送积分。在 Obsidian Copilot 的设置页,在 General Setting 下进行设置,Model Name 填写 gpt-4o,Provider 选择 3rd party (openai-format),Base URL 填写 https://chat-api.datapipe.app/v1 , API Key 填写刚获取的 key,选择 Add Model:

img

在 General Setting 下的模型列表中选择刚添加的 gpt-4o,并勾选 CORS,

img

在 Chat 窗口的 chat 模型选择更添加的 gpt-4o,然后便可以正常使用了,速度会比 Ollama 中的 Chat 模型更快:

img

如何学习AI大模型?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

想正式转到一些新兴的 AI 行业,不仅需要系统的学习AI大模型。同时也要跟已有的技能结合,辅助编程提效,或上手实操应用,增加自己的职场竞争力。

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

那么我作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,希望可以帮助到更多学习大模型的人!至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2024最新版优快云大礼包:《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始,按照什么顺序学习,以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛,没有明确的学习路线可能会导致新人感到迷茫,不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段,一步步带你从入门到进阶,从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段:我们会去了解大模型的基础知识,以及大模型在各个行业的应用和分析;学习理解大模型的核心原理,关键技术,以及大模型应用场景;通过理论原理结合多个项目实战,从提示工程基础到提示工程进阶,掌握Prompt提示工程。

L2级别:AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程,我们会去学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

L3级别:大模型Agent应用架构进阶实践

L3阶段:大模型Agent应用架构进阶实现,我们会去学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造我们自己的Agent智能体;同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别:大模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,我们会更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调;并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握;而L3 L4更多的是通过项目实战来掌握大模型的应用开发,针对以上大模型的学习路线我们也整理了对应的学习视频教程,和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的,我们精选了一系列深入探讨大模型技术的书籍和学习文档,它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。(书籍含电子版PDF)

三、大模型视频教程

对于很多自学或者没有基础的同学来说,书籍这些纯文字类的学习教材会觉得比较晦涩难以理解,因此,我们提供了丰富的大模型视频教程,以动态、形象的方式展示技术概念,帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ,当你的理论知识积累到一定程度,就需要通过项目实战,在实际操作中检验和巩固你所学到的知识,同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量,更需要充分的准备。

在你已经掌握了大模型技术之后,就需要开始准备面试,我们将提供精心整理的大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。


因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

2024最新版优快云大礼包:《AGI大模型学习资源包》免费分享

AGI 之 【Dify】 之 Dify 在 Windows 端本地部署调用 Ollama 本地下载的大模型, API 形式 Python 调用 进行简单聊天接口测试 AGI,即通用人工智能(Artificial General Intelligence),是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务,而且能够理解、学习和应用知识于广泛的问题解决中,具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整,并能在没有人为干预的情况下解决各种复杂问题。本节将介绍如何使用 Dify 平台调用 Ollama 部署的本地模型来创建一个聊天应用。通过 API 的方式发起聊天,可以让前端自由布置所需的聊天形式。 阅读详情

相关推荐

深入了解Dify知识库,让你的 AI 应用更强大

如果你的团队已经有了自己的数据库或知识管理系统(比如内部 Wiki、数据库等),并且不希望重复上传,Dify 提供了“连接外部知识库”的功能。Dify 提供了一个非常友好的界面,让你能直观地看到知识库的构建过程(背后其实是复杂的 RAG 技术,但你无需深入了解技术细节就能使用),轻松管理你的知识资产。就像你问一个历史学家问题,他不仅凭记忆回答,还会先去书架(知识库)上查阅最相关的几本书(内容区块),然后结合书里的信息给你一个更详尽、准确的答案。AI 大模型的知识是静态的,无法获取最新信息。

同名公众号:dify实验室 2126

Dify中创建知识库操作和实现过程

方式一:先创建知识库,然后上传文件;方式二:直接上传文件,然后创建默认知识库。

NLP工程化 7518

从零构建私有AI知识库:基于向量数据库与本地大模型的第二大脑实践

向量数据库作为AI时代的新型数据基础设施,其核心原理是通过嵌入模型将文本、图像等非结构化数据转换为高维向量,并利用相似度计算实现语义检索。这项技术解决了传统关键词匹配在理解上下文和意图上的局限,为智能应用提供了“记忆”与“关联”能力。在工程实践中,结合开源嵌入模型(如BGE-M3)与本地化部署的大语言模型,可以构建完全私有、安全可控的个人AI知识管理系统。此类系统能自动化处理散落在各处的文档、笔记与网页内容,通过语义理解而非简单匹配,实现信息的智能归集与即时调用。这为应对信息过载、提升个人与团队知识复用效率

weixin_30911451的博客 335

使用Dify访问数据库(mysql)

1、在本地搭建数据库访问的服务,并使用ngrok暴露到公网。2、创建知识库,导入表结构描述。3、创建数据库访问工作流。4、创建数据库智能体。

4万+

GitHub趋势榜揭示开发者新焦点:AI编程、Agent与基础设施优化

上周,GitHub Trending 榜单上,一个项目在短短七天内狂揽近1.9万颗星。这已经不是某个明星开源框架的常规热度,而更像是一个信号:开发者社区的兴趣焦点,正在发生一次集体性的、可被量化的迁移。 如果你还停留在“哪个框架最火”的层面,可能会错过这次变化背后更重要的东西。这波涨星潮并非由单一技术引爆,而是分散在几个看似独立、实则紧密关联的领域:AI编程、AI Agent、AI语音、加密通信,以及一个更底层的主题——如何更顺畅地访问和使用GitHub本身。这恰恰揭示了当前开发者最真实的生存状态:一边在A

weixin_33911824的博客 369

企业私有化AI编程助手:安全可控的代码智能落地指南

AI编程助手已从开发者效率工具演进为组织级安全基础设施。其核心在于将大模型能力嵌入企业IT治理体系,实现代码上下文隔离、提示词版本化管理与通信链路加密。关键技术支撑包括检索增强生成(RAG)提升领域理解精度、规则驱动校验引擎保障编码规范强制执行,以及mTLS双向认证、设备指纹绑定和动态代码脱敏构成的三重门安全架构。在信创适配、等保三级合规、国密SM4加密及RBAC权限矩阵等硬性要求下,DeepSeek-Coder、Qwen-Coder与CodeGeeX展现出差异化适用场景。本文聚焦python开发企业管理平

592

通过Obsidian Copilot和 Ollama 实现 Obsidian 本地知识库和智能化

Obsidian Copilot 是一款为 Obsidian 笔记软件设计的 AI 助手插件,它将 AI 技术(如 OpenAI 的 GPT 模型)无缝集成到 Obsidian 的笔记工作流中,为用户提供智能化的写作、知识管理和思考辅助功能。通过 Obsidian Copilot,用户可以在笔记中直接与 AI 进行交互,从而提升笔记的整理效率、写作质量和知识探索能力。

python123456_的博客 8358

深入解析Zynq Ultrascale+ RF Data Converter中的PLL配置与时钟管理

本文深入解析了Zynq Ultrascale+ RF Data Converter中PLL配置与时钟管理的核心原理与实践。文章将RFDC时钟系统比作交响乐团,详细阐述了PLL作为指挥的关键作用,以及系统时钟、Tile时钟、参考时钟与采样时钟的层级关系。重点剖析了PLL配置参数(如VCO频率、分频器设置)的计算方法与稳定性考量,并提供了从IP配置使能顺序到多Tile同步、DRP访问等常见问题的实战避坑指南与调试技巧,帮助工程师构建稳定的射频信号处理基石。

7up55的博客 449

Obsidian Copilot+Ollama:打造智能本地知识库,Obsidian从此更强大!

Obsidian Copilot 是一款为 Obsidian 笔记软件设计的 AI 助手插件,它将 AI 技术(如 OpenAI 的 GPT 模型)无缝集成到 Obsidian 的笔记工作流中,为用户提供智能化的写作、知识管理和思考辅助功能。通过 Obsidian Copilot,用户可以在笔记中直接与 AI 进行交互,从而提升笔记的整理效率、写作质量和知识探索能力。

2401_84494441的博客 3030

python入门:Anaconda和Jupyter notebook的安装与使用

一、安装和使用Anaconda 1、anaconda是什么? Anaconda在英文中是“巨蟒”的意思,与python的意思相近,它是python的包管理器和环境管理器。 2、为什么需要安装anaconda? 原因有以下几点: 附带一大批常用的数据科学包,方便立即开始处理数据 管理包 anaconda是在conda(一个包管理器和环境管理器)上发展来的;而conda可以很方便地对第三方的包进行安装、卸载和更新。 管理环境 conda可以为不同的项目建立不同的运行环境,避免不同的项目或包版本

PY洋洋 1万+

HTML炫酷烟花④(完整代码)

HTML语言实现炫酷烟花的完整代码。

AIGC 9万+

Obsidian Copilot插件开发:从零开始构建Obsidian AI助手

Obsidian Copilot是一个革命性的AI助手插件,它将智能对话系统的强大能力无缝集成到Obsidian笔记应用中。作为Obsidian生态系统中最重要的AI增强工具之一,obsidian-copilot插件让用户能够通过自然语言与自己的知识库进行智能交互。 ## 🤖 什么是Obsidian Copilot? Obsidian Copilot是一个基于TypeScript开发的Obs

gitblog_00727的博客 707

OpenCV实例(八)车牌字符识别技术(三)汉字识别

相较于数字和英文字符的识别,汽车牌照中的汉字字符识别的难度更大,主要原因有以下4个方面:(1)字符笔画因切分误差导致非笔画或笔画流失。(2)汽车牌照被污染导致字符上出现污垢。(3)采集所得车辆图像分辨率低导致多笔画的汉字较难分辨。(4)车辆图像采集时所受光照影响的差异导致笔画较淡。综合汉字识别时的这些难点来看,很难被直接提取的是字符的局部特征。笔画作为最重要的特征而仅存在于汉字中,这由先验知识可知。一旦捺、横、竖、撇这些笔画特征被提取到,对于汉字字符识别的工作就完成了许多。

小幽余生不加糖 1649

Obsidian Copilot:个人知识库的智能代理架构解析

在信息过载的数字时代,个人知识管理面临着前所未有的挑战。传统笔记系统虽然能够存储信息,却缺乏对知识的深度理解和智能处理能力。Obsidian Copilot作为一款开源AI增强插件,通过创新的架构设计,将个人笔记系统转变为具有自主推理能力的智能代理。本文将从技术实现角度深度解析其核心架构、工作流程和设计哲学。 ## 核心理念篇:从静态存储到动态推理的知识系统 Obsidian Copilot的

gitblog_01183的博客 96

YOLOv8独家原创改进:原创自研 | 自研独家创新DSAM注意力 ,基于BiLevelRoutingAttention注意力升级

提出新颖的注意力DSAM(Deformable Bi-level SpatialAttention Module),创新度极佳,适合科研创新,效果秒杀CBAM,Channel Attention+Spartial Attention升级为新颖的Deformable Bi-level Attention+Spartial Attention

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 1511

PINN求解PDE

PINN求解Dirichlet泊松方程 泊松方程引入 −Δu=f,x∈Ω=(0,1)2-\Delta u=f,x \in \Omega=(0,1)^2−Δu=f,x∈Ω=(0,1)2 u=g,x∈∂Ωu=g,x \in \partial \Omegau=g,x∈∂Ω import torch import time import numpy as np import matplotlib.pyplot as plt import torch.nn as nn def UU(X, order,prob):

forrestguang的博客 3804

解锁Obsidian Copilot潜力:智能知识管理的高效解决方案

你是否曾在整理海量笔记时感到力不从心?是否希望有一个智能助手能帮你分析笔记内容、生成洞见并自动执行知识管理任务?Obsidian Copilot作为一款强大的AI辅助插件,正是为解决这些痛点而生。它将大型语言模型的能力无缝融入Obsidian笔记系统,让你的知识管理流程智能化、自动化,极大提升信息处理效率和知识创作质量。 ## 环境准备与插件部署 在开始使用Obsidian Copilot之前

gitblog_00632的博客 279

【AI 智能体】Windows 环境 Hermes Agent(爱马仕)安装详细过程

Windows 环境 Hermes Agent(爱马仕)安装详细过程

congge_study的博客 1824

Obsidian Copilot:将你的笔记系统升级为智能知识助手的完整指南

在信息爆炸的时代,我们每天处理海量笔记却难以高效提取价值。你是否曾花费数小时搜索特定信息?是否曾为整理笔记而烦恼?Obsidian Copilot 正是为解决这些问题而生的革命性插件,它能将你的 Obsidian 笔记库转变为真正的智能第二大脑。 ## 为什么选择 Obsidian Copilot? 传统笔记工具面临三大痛点:信息检索困难、重复劳动耗时、知识孤岛问题。Obsidian Copi

gitblog_00143的博客 227

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

7步高效部署obsidian-copilot:零基础上手AI笔记助手全指南

### 学习目标 - 理解obsidian-copilot的核心价值与应用场景 - 评估自身需求与插件功能的匹配度 - 了解插件的系统兼容性要求 obsidian-copilot作为一款基于AI技术的Obsidian插件,通过深度整合大语言模型能力,为用户提供智能化的笔记辅助功能。该插件能够实现笔记内容的智能分析、生成、总结和关联,显著提升知识管理效率。与传统笔记工具相比,obsidian-co

gitblog_00090的博客 461

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

四大维度解锁Obsidian智能工作台:obsidian-copilot实战指南

在信息爆炸的数字时代,知识工作者面临的核心困境不是信息不足,而是如何从海量笔记中快速提取价值、建立连接、激发创意。传统笔记工具如同静态的图书馆,而obsidian-copilot则将其升级为动态的智能工作台——一个能够理解、分析和主动协助你的认知放大器。本文将带你从零开始,通过四大维度全面掌握这个革命性插件的核心能力。 ## 第一维度:智能引擎部署——构建你的私人AI助手 ### 环境准备与插

gitblog_00098的博客 267

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

知识管理工具深度评测:Notion/飞书/语雀/Confluence/Obsidian选型指南

在数字化办公与个人知识沉淀需求爆发的当下,知识管理工具已成为连接信息碎片与高效产出的关键设施。它们通过结构化存储、全文检索、协作共享与AI增强等机制,帮助用户构建可复用的知识网络。无论是个人研究者依赖双链笔记进行思维发散,还是团队借助实时协作工具加速项目流转,选择合适的平台都直接影响信息流转效率。本文深度对比Notion、飞书文档、语雀、Confluence与Obsidian五款主流工具,从核心功能、AI能力、协作机制、生态开放性及典型场景等维度剖析差异,并结合真实踩坑经验给出选型建议,助力读者找到契合自身

weixin_34357436的博客 461

构建私有AI工作流:硅基流动与Cherry Studio实战指南

在人工智能技术普及的今天,模型API网关和本地AI工作台已成为提升开发效率的关键基础设施。模型API网关通过统一接口封装多源AI服务,实现负载均衡、成本控制和故障转移,其核心原理在于请求路由与协议适配。本地AI工作台则深度集成知识管理与提示词工程,将AI能力嵌入具体工作场景。这两项技术的结合,为开发者提供了稳定可控的后端调度中心与灵活可编程的前端交互界面,在自动化内容创作、智能编码辅助、个人知识库进化等场景中展现出巨大价值。本文以硅基流动作为模型网关、Cherry Studio作为本地工作台的具体组合方案,

GOBY 栏目 529

AIGC(生成式AI)试用 33 -- 用AI学AI名词

AIGC(生成式AI)试用 33 -- 用AI学AI名词

Rolei的博客 1341

DeepSeek+dify 本地知识库:高级应用Agent+工作流,收藏这一篇就够了!!

dify的强大在于其灵活性,主要体现在智能体和工作流上。它可以让一个没有编程能力的人通过简单学习,快速搭建Agent和自动化流程。就像拼积木一样。 我们可以通过智能体或工作流,自定义工具完成很多我们好玩的功能。本文前面主要是介绍一些组件,有编程能力的同学建议直接跳过。

Android23333的博客 2893
上一篇: 分步指南:在VSCode中本地部署DeepSeek,打造强大私密的AI编程助手(非常详细)从零基础到精通,收藏这篇就够了!
下一篇: DeepSeek+dify知识库,查询数据库的两种方式(api+直连)非常详细,从零基础到精通,收藏这篇就够了!
程序员_大白
博客等级 码龄5年 1万+粉丝 4001原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值