- 博客(88)
- 收藏
- 关注
RSS订阅原创 WorkBuddy 入门4：让 AI 替我每天领 100 积分
<think>我们需要生成一篇≤150字的摘要，根据用户提供的长篇内容。用户要求：根据以下内容，生成≤150字的文章摘要。内容是关于WorkBuddy自动签到脚本的教程和个人经验。摘要需要简洁，涵盖核心要点。注意字数限制，大约150字以内。摘要应突出：用AI自动签到WorkBuddy每日积分，无需代码；作者调整了默认设置（凌晨0点），设置多时间点、开机补签、周期自查，处理登录失效弹窗；开源项目并分享经验。需精炼。 检查内容：指导读者如何使用AI安装、调整、避免坑。最终摘要≤150字符。使用中文。注意“≤15
2026-09-02 23:32:12
239
原创 WorkBuddy 入门3：界面上那些按钮和标签，我一个一个讲给你听
这篇文章是《WorkBuddy入门》系列的第二篇，主要介绍WorkBuddy界面的各个功能区域和使用方法。文章首先讲解中间区域的场景标签和快捷入口，然后详细说明输入框的@引用和/命令功能，以及工作空间和权限设置。接着介绍左侧菜单栏的各项功能，包括新建任务、助理、项目等。最后回顾三种工作模式（默认、计划、仅问答），并提醒读者每天领取登录积分。文章采用生活化的比喻帮助理解，强调无需死记硬背，通过实践自然熟悉界面。
2026-08-15 09:17:59
374
原创 WorkBuddy 入门2：下载、安装、认识主界面
这是一个「WorkBuddy 入门」系列。上篇讲了为什么推荐 WorkBuddy，这篇我们把它装到电脑上，然后带着你认一遍主界面。装完不要急着跑，先花 3 分钟把界面摸清楚，后面用起来会顺手很多。上一篇发出后，有人问：安装难不难？我的答案是，但有一个前提，要注意安全。好，动手。
2026-07-28 20:44:20
861
原创 Obsidian 入门65：把笔记一键转 Word，ToWord 插件三步搞定
这篇文章介绍了Obsidian插件ToWord的功能和使用方法，帮助用户将Markdown笔记一键转换为Word文档，解决分享难题。主要内容包括： 插件功能：保留文本样式、代码高亮、表格图片等，全平台支持 安装方法：社区插件搜索安装，三步完成 三种导出方式：工具栏图标、命令面板、右键菜单 关键设置项：字体、字号、输出位置等优化建议 使用场景建议：适合日常分享，不适合复杂排版需求 文章强调该插件能消除Markdown笔记的分享障碍，让知识传递更顺畅。最后鼓励读者实际体验转换效果。
2026-07-01 08:49:21
461
原创 Obsidian 入门66：把笔记导出为专业 PDF，Better Export PDF 插件够用了
本文介绍Obsidian插件Better Export PDF的功能与使用方法。该插件能专业导出带目录标签、页眉页脚、页码的PDF文件，支持批量导出整个文件夹笔记合并为单个PDF或单独导出。相比内置导出功能，它能正确处理表格、代码块、LaTeX公式等复杂格式，适合正式分享、存档和打印场景。文章详细说明了安装步骤、单篇/批量导出操作、关键设置项，并与Word导出插件ToWord进行了适用场景对比。建议需要正式文档输出的用户安装使用，可大幅提升PDF导出效果的专业性。
2026-06-28 23:08:16
553
原创 Obsidian 入门61：苹果用户的零配置方案，iCloud 同步
这是一个「Obsidian x AI」入门系列。入门57 的 8 条路里有一条「纯苹果用户的零配置方案」。当时只提了一嘴，这篇把具体步骤拆开。入门57 发出来后，有苹果用户问，你说的 iCloud Drive 零配置，具体怎么操作？这篇文章就是回答。前提是你有 Mac 和 iPhone（或 iPad），登录同一个 Apple ID。满足这两个条件，剩下就是按步骤走一遍。有一点要先说清楚，这些步骤来自其他用户的实践（参考了 Jay 的教程），我自己没有 iPhone，没法逐条验证。
2026-06-12 13:48:06
805
原创 Obsidian 入门60：用 SyncThing 把多台设备织成一张网
这是一个「Obsidian 入门」系列。入门59 讲的是 Fast Note Sync，需要一台服务器当中心节点。这篇讲另一条路，不需要服务器，不需要插件，装上就能用。入门59 发出来后，有朋友问，我没有服务器，也不想折腾运维，有没有别的办法？有，SyncThing。其实我现在的 Mac 和服务器之间跑的就是 SyncThing。
2026-06-10 23:20:26
491
原创 Obsidian 入门58：用 Remotely Save + 腾讯云 COS 实现多端同步
本文介绍了如何在Obsidian中使用Remotely Save插件搭配腾讯云COS实现多设备笔记同步。主要步骤包括：安装插件、创建COS存储桶、获取API密钥、配置插件参数等。该方案成本低廉（年费用约10元）、国内访问速度快，且可复用已有图床的COS资源。同步后可在手机端同样配置实现双向同步。阿里云OSS用户也可采用相同方案。该教程仅需10分钟即可完成配置，实现Obsidian笔记的云端同步功能。
2026-06-06 15:36:32
582
原创 Obsidian 入门57：找到适合自己的多端同步方案
摘要 本文介绍了8种实现Obsidian多设备同步的方案，涵盖不同用户需求和场景： 付费方案：官方Obsidian Sync最省心但需月费；iCloud适合纯苹果用户但Win端体验差。 国内友好方案：坚果云性价比高速度快；Remotely Save+云存储成本低但配置复杂。 自托管方案：Fast Note Sync需自建服务器；Syncthing/P2P工具适合隐私优先用户。 NAS方案：适合已有NAS设备的用户。 作者根据设备组合、预算和动手能力制作了选择对照表，强调方案无绝对优劣，需匹配个人需求。所有方
2026-06-02 22:51:34
337
原创 Obsidian 入门56：从微信到 Obsidian，一篇文章装好「笔记同步助手」
本文介绍了如何通过「笔记同步助手」插件将微信内容自动同步到Obsidian，构建无缝的信息收集工作流。主要内容包括：1）在Obsidian安装插件并获取微信密钥建立连接；2）通过添加「OB助手」微信好友实现一键转发内容；3）自定义存储路径、多账号绑定等进阶设置技巧。该方案解决了微信信息碎片化问题，让收藏的图文、聊天记录等内容自动归档到知识库，支持免费基础功能，高级会员可解锁全文抓取等特性。作者分享了自己使用数月的心得，强调这款工具实现了"无感化"的信息整合，大幅提升了知识管理效率。
2026-05-30 14:32:21
1078
原创 Obsidian 入门54：DeepSeek 怎么接进来？先把工具串起来说清楚
这篇文章系统梳理了Obsidian中AI工具的使用逻辑，提出了三层架构模型：AI模型（油）、入口工具（车）和Obsidian插件（门）。作者用生动的比喻解释了Claude Code等工具与本地AI模型的关系，指出插件只是连接通道而非AI本身。文章重点介绍了CC Switch如何实现国产模型接入，并对比分析了Terminal、Claudian和Agent Client三种插件的适用场景。最后强调完整工作流需要油、车、门三者协同，为读者提供了清晰的AI工具认知框架。全文兼顾技术深度与通俗表达，是Obsidian
2026-05-27 23:37:51
423
原创 Obsidian 入门45：对自己好一点，给 Obsidian 建个个人主页
这是一个「Obsidian × AI」系列。我会从最基础的认知开始，慢慢写到资料整理和收集、写作工作流，再到怎么把 AI 接进来。如果你还没看过上一篇，可以先看 [[Obsidian 入门44：YouTube 视频字幕剪藏实战——能看但剪不下来]]。之前在 Obsidian 入门系列里提过我的个人主页，有朋友留言问是怎么做的。其实没什么玄乎的，就是装了个插件，再堆几个 Dataview 查询。但被问起来我才意识到，这个需求很多人都有。笔记越记越多，每次打开软件，不知道从哪看起。
2026-05-13 14:42:55
618
原创 别让 Obsidian 成了又一个吃灰收藏夹
从最早的笔记软件，到 Notion，到 Obsidian，再到各种 AI 整理工具。实际上，他现在在管理两个数据源，一个交给自动化，一个慢慢根据理解筛选消化，两个并行来。
2026-05-10 10:05:55
229
原创 Obsidian 入门40：把我的写作工作流Skill免费分享给你
最开始的时候，写作和配图确实是在同一个 Skill 里的。后来我发现了一个问题：写到一半，突然被提醒「该配图了」。思维被打断的感觉，像写作业写到一半被叫去倒垃圾。倒垃圾当然重要，但节奏断了。回来之后，笔下那个劲儿就没了。所以我做了一件事：把写作和配图拆成两个 Skill。这件事我之前写过，叫[[写到一半要配图？我终于让写作和配图「离婚」了|写作和配图的「离婚」]]。写作（wechat-writer) Skill 只关心文字。
2026-05-07 22:21:53
512
1
原创 Obsidian 入门42：官方出品的剪藏插件，公众号文章也能一键存进你的库
Obsidian Web Clipper是一款官方出品的浏览器插件，支持多平台剪藏网页内容为Markdown格式。它提供三种剪藏模式：整页保存、选中文字和高亮标注，并能自动提取标题、作者等元数据。通过模板系统，用户可以自定义保存路径和笔记属性，实现结构化归档。该工具解决了传统收藏夹"收藏即遗忘"的问题，将网页内容转化为可搜索、可链接的知识库素材。安装简单，支持Chrome、Firefox等主流浏览器，是Obsidian用户高效收集网络信息的利器。
2026-05-06 23:58:34
842
原创 Obsidian 入门38：装上这 5 个官方 Skill，AI 终于会写 Canvas 了
Obsidian官方发布了五个AI技能包（Skill），通过详细的技术文档和示例，让AI能够直接操作Obsidian专属文件格式。这五个技能包括：json-canvas（可视化画布生成）、obsidian-markdown（专属语法编写）、obsidian-bases（数据库视图创建）、obsidian-cli（命令行接口操作）和defuddle（网页内容提取）。每个技能包都包含详细的说明书和可复用的示例，解决了AI在操作Obsidian文件时的常见错误。用户只需简单安装，就能让AI从"懂概念&q
2026-05-05 13:28:17
1252
原创 插件更新｜2.7.6：新增 5 款主题，支持表格图片左右滑动查看
这些问题，2.7.6 一起解决了，还上了 5 个新主题，同时支持表格和图片左右滑动查看（超过屏幕宽度）。
2026-05-05 10:29:21
499
原创 Obsidian 入门39：怎么创建自己的 Skill？我把五步拆给你看
这是一个「Obsidian × AI」系列。我会从最基础的认知开始，慢慢写到资料整理、写作工作流，再到怎么把 AI 接进来。如果你还没看过前几篇，可以先看 [[Obsidian入门36：Skill 是什么？把它想象成你给 AI 建的一套 SOP]]。去年底 Anthropic 把 Skill 格式开源之后，这个东西突然就火了。Codex、Cursor、Gemini CLI 都开始兼容，朋友圈也老有人转。但我在那之前就已经动手做了。
2026-05-04 22:40:25
554
原创 Obsidian 入门41：那些用 Claude Code 时必须记住的快捷键
本文总结了使用Claude Code时常见的操作误区与实用技巧。主要包含：1）换行操作需使用Ctrl+J/Shift+Enter而非回车；2）Ctrl+U可快速清除整行输入；3）Mac/Win分别用Ctrl+V/Alt+V粘贴图片；4）Ctrl+R可搜索历史指令；5）方向键上下翻阅历史记录；6）连按两次Esc触发/rewind功能实现代码/对话回退。这些终端特有的操作方式能显著提升使用效率，避免重复劳动。
2026-05-04 16:34:08
452
原创 保姆级教程：将 Gemini CLI和Claude code集成到 Obsidian
在 Obsidian 里，直接调用 Google 的 Gemini 和 Claude code。让AI能分析、操作你的笔记！
2025-11-24 08:59:29
1708
原创 Pandas中DataFrame重置索引
在Pandas中，自定义索引后，有时候又需要恢复默认索引。import pandas as pdimport numpy as npdf = pd.DataFrame(np.arange(20).reshape(5,4),columns=['a','b','c','d'])df a b c d 0 0 1 2 3
2020-07-07 11:10:44
13615
1
原创 解决sns加载数据load_dataset()报错问题
一、报错看到其他的文章在写可以使用seaborn的数据集，通过sns.load_dataset的方式获取数据集进行练习和分析，但是当我输入：sns.load_dataset('tips')却出现如下报错信息：在网上搜了一遍发现，是我的seaborn-data里面是空的(没有那些库文件数据，所以无法加载出来）二、解决方法github下载数据压缩包去github下载seaborn-data，然后解压后，将文件拖进电脑中seaborn-data的空文件夹里即可。github地址：https
2020-06-23 12:31:28
14414
9
转载 Pandas数据处理——map、apply、applymap的异同
在日常的数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的map、apply和applymap可以解决绝大部分这样的数据处理需求。import pandas as pdimport numpy as np# 创建数据集boolean = ['True','False']gender = ['男','女']color = ['white','black','green']data = pd.DataFrame({ 'height':n
2020-06-20 17:33:52
790
1
转载 理解Pandas的Transform
Pandas具有丰富的功能，transform是与groupby（pandas中最有用的操作之一）组合使用的。一般情况下，我们在groupby之后使用aggregate , filter 或 apply来汇总数据，transform可能稍难理解。aggregation会返回数据的缩减版本，而transformation能返回完整数据的某一变换版本供我们重组。这样的transformation，输出的形状和输入一致。一个常见的例子是通过减去分组平均值来居中数据。实践加载数据import panda
2020-06-20 16:14:33
781
转载 Seaborn常见图形绘制（kdeplot、distplot）
seaborn是基于matplotlib的Python可视化库，在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能让图变得精致好看。一、kdeplot（核密度估计图）核密度估计（kernel density estimation）是在概率论中用来估计未知的密度函数，属于非参数检验的方法之一。通过核密度估计图可以比较直观地看出数据样本本身的分布特征。seaborn.kdeplot(data,data2=None,shade=False,vertical
2020-06-20 15:49:28
18780
原创 Python爬虫第十二课：复习及总结
一、爬虫总复习这张图，它被用来描述浏览器的工作原理：请求和响应可以说贯穿了我们后面的所有学习内容。一开始，我们给爬虫下了一个定义：利用程序在网上获取对我们有用的数据。而获取数据最关键的步骤正是“请求”和“响应”。由此，我们将爬虫大致分成了四个步骤：获取数据（包含请求和响应两个动作）、解析数据、提取数据、存储数据。首先我们学习了最简单的请求方式：requests.get()import requestsurl = '（网址）'response = requests.get(url)工
2020-06-19 16:07:35
1282
原创 Python爬虫第十一课：Scrapy框架（2）——存储数据
在Scrapy的整个架构中，引擎是可以说有着最高的权利，管理着调度器、下载器、爬虫和数据管道四个重要的组成部分。这四个组成部分都听命于引擎，一丝不苟的执行引擎下发的命令。本次，我们使用Scrapy爬取职友集的招聘信息，让我们更加熟练的掌握Scrapy的用法。一、明确目标职友集可以通过索引的方式，搜索到全国上百家招聘网站的最新职位：https://www.jobui.com/rank/company/我们要获取排行榜中的公司名称、招聘职位名称、工作地点和招聘要求。二、代码实现（1）创建项目.
2020-06-18 18:29:15
1447
1
原创 Python爬虫第十课：Scrapy框架（1）
前面的关卡中，我们学习了如何用协程来提升爬虫的速度，并且通过项目实操，将协程运用于抓取HI运动的食物数据。不知道你会不会有这样一种感觉：要写出一个完整的爬虫程序需要做很多琐碎的工作。比如，要针对不同的网站制定不同的解析方式；要导入不同功能的模块；还要编写各种爬取流程的代码。我们在日常工作中会使用PPT模板来制作PPT。那么有没有一个现成的爬虫模板，让我们能够改之即用，也就是说对这个模板进行适当的修改，就能完成一个爬虫项目的开发呢？这种模板在Python中还真的存在，只不过我们一般称之为框架。就像PP
2020-06-17 17:56:24
930
1
原创 Python数据分析第十四课：数据分析知识总结
在前面的学习中，我们了解了什么是数据分析：就是从数据里面寻求真正有价值的信息，并对实际的工作或者生活有一定的指导作用，这个过程就叫数据分析。由此，我们总结了数据分析的基本流程：Series和DataFrame接下来，我们主要学习了Python最重要的数据分析工具包Pandas。在Pandas中，我们首先了解了它的两种数据结构，一个Series数据就是Excel中的一条数据，一个DataFrame数据就是Excel中的一张表。接着我们学习了，利用索引值以及切片我们可以获取两种数据结构的数据。fr
2020-06-16 16:28:40
730
原创 Python数据分析第十三课：数据分析实战
一个专业的数据分析，他的定位应该是一个“谋士”，所谓谋士，应该运筹帷幄，决胜千里，不出五尺书堂，便知天下大势。我们现在已经从IT（Information Technology）时代进入了DT（Data Technology）时代。我们有能力低成本的收集和存储大量的数据，从而衍生出数据分析这个行业。数据分析最重要的作用是从数据里面寻求真正有价值的信息，并帮助我们作出合理的决策。为了更好的了解数据分析师这个岗位，本节课我们将以某招聘网站的2017年数据分析师职位数据为基础，进行数据分析。一、数据基本情况
2020-06-13 18:21:34
1910
原创 Python数据分析第十二课：单变量、双变量及多变量分析图
一、单变量分析绘图什么是单变量分析？单变量其实就是我们通常接触到的数据集中的一列数据。单变量分析是数据分析中最简单的形式，其中被分析的数据只包含一个变量。因为它是一个单一的变量，它不处理原因或关系单变量分析的主要目的是描述数据并找出其中存在的模式，也就是“用最简单的概括形式反映出大量数据资料所容纳的基本信息”。本节我们研究的是连续数值型数据的分布。那么什么样的数据是连续数值型数据呢？什么样的数据是离散型数据呢？连续型数据一般应用在计算机领域，在数据挖掘、数据分类时会遇到此类数据，因其数据不
2020-06-11 18:21:20
20456
2
原创 Python数据分析第十一课：初识Seaborn
前面我们学习了Pandas如何处理数据以及用Matplotlib对数据进行可视化，在今天的课程中我们再来感受一个更具魅力的绘图工具，它叫做Seaborn。一、Seaborn简介Seaborn 是基于 Python 且非常受欢迎的图形可视化库，并且在 Matplotlib 的基础上，进行了更高级的封装，使得作图更加方便快捷。可以通过极简的代码，做出具有分析价值而又十分美观的图形。我们先来看一下Seaborn绘制的图形。首先，我们来了解一下seanborn.set()函数：import seabo
2020-06-11 13:17:43
949
1
原创 Python数据分析第十课：绘制双Y轴和改变坐标轴默认显示方式
前面我们学习了Matplotlib的绘图流程和常用设置以及常见统计图的绘制方法。同时，我们也发现Matplotlib绘制出的图形中会存在一些问题，例如：如何绘制双Y轴坐标系？如何去掉图形默认的边框？以及如何移动坐标到指定位置？一、绘制双Y轴坐标系在进行数据分析时，有时候我们需要在同一个坐标图中比较两种数据在时间序列上的关系。由于两种数据的单位和数据并不统一，也是不同的类型的数据，因此我们不能用一个Y轴来共同衡量两类不同的数据，这时候我们就需要绘制双Y轴图。%matplotlib inlineim
2020-06-08 15:14:47
5790
原创 Python数据分析第九课：常见图形的绘制
一、柱状图柱状图使用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。例如：年销售而，“年份”和“销售额”就是它的两个纬度，但只需要比较“销售额”这一个维度。柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。import matplotlib.pyplot as pltx = ['战狼2','哪吒之魔童降世','红海行动','美人鱼','流浪地球','中国机长']y = [56.39,49.34,36.22,33.9,46.18,28.84]现
2020-06-06 15:05:07
1837
原创 Python数据分析补充：数据的分组与汇总（数据透视）
数据汇总是指基于已有的明细数据做进一步的统计计算，这是数据分析过程中必备的基础知识，也是学习或工作中经常使用到的知识点，类似于Excel中透视表说完成的数据汇总以及数据库中实现的分组聚合。Pandas模块既提供了Excel透视表的功能，也提供了数据库中的分组聚合功能。一、透视表功能该功能的主要目的就是实现数据的汇总统计，例如按照某个分组变量统计商品的平均价格、销售数量、最大利润等，或者按照某两个分组变量构成统计学中的列联表（计数统计），甚至基于多个分组变量统计各组合下的均值、中位数、总和等。Pand
2020-06-05 16:25:50
3638
3
原创 Python数据分析补充：多表合并与连接
在平时的学习或工作中可能会涉及多张表的操作，例如：将表结构先沟通（即变量个数和变量类型均仙童）的多张表纵向合并到一张长表中。将多张表的变量水平扩展到一张宽表中。如果对数据SQL语法比较熟悉，那表之间的合并和连接就非常简单了，对于多张表的合并，只需要使用UNION或NION ALL关键词，对于多张表之间的连接只需要使用INNER JOIN或LEFT JOIN即可。需要注意的是对于多表之间的纵向合并，必须确保夺标的列数和数据类型一致；对于多表之间的水平扩展，则必须保证多表之间拥有共同的匹配变量。
2020-06-05 16:24:47
5144
原创 Python数据分析补充：数据的引用
在Pandas模块中，可以使用iloc、loc方法方便地实现数据的筛选。import pandas as pddf1 = pd.DataFrame({'name':['甲','乙','丙','丁'], 'gender':['男','女','女','男'], 'age':[23,26,22,25], 'edu':['本科','本科','硕士','硕士']})df1
2020-06-05 16:23:31
640
原创 Python数据分析补充：数据概览与清洗
从外部导入数据后，第一件事就是要了解数据，例如数据的规模、各变量的数据类型、数据中是否存在重复值与缺失值等。一、数据类型的判断和转换我们读取一份数据，查看其数据规模、数据中各变量的数据类型。1. 数据类型的判断与转换import pandas as pd# 读取外部数据data = pd.read_excel(r'C:\Users\lin-a\Desktop\【数据分析从入门到进阶】配套数据\第5章\datas\data3.xlsx')# 查看数据规模print(data.shape)
2020-06-05 16:22:14
611
原创 Python数据分析补充：数据的读取（文本、Excel、数据库）
一、文本文件读取对于csv或txt文本文件，可以使用pandas模块中的read_table函数或者read_csv函数，它们的功能相同，区别在于各自函数中sep参数（即用于指定变量之间的分隔符）默认值不同，具体的参数如下所示：read_tabel(filepath_or_buffer,sep='\t',header='infer',names=None,index_col=None,usecols=None,dtype=None,converters=None,skiprows=None,skipf
2020-06-05 16:18:11
1118
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人