NotePic:Markdown / Obsidian 图片一键上传阿里云 OSS

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

大家好,最近做了一个小工具,叫 NotePic。

它解决的问题很小:把 Markdown / Obsidian 文章里的本地图片,一键上传到阿里云 OSS,然后把原来的图片引用替换成线上链接。

我做它主要是因为自己写文章时经常被图片收尾打断。

在 Obsidian 里写东西很舒服,截图直接粘进去,图片能预览,文章也能正常读。但等我准备发到公众号、知乎、掘金、个人博客,问题就来了:

![[Pasted image 20260603102000.png]]
![](./assets/demo.png)
<img src="./images/screenshot.png" />

这些图片在本地都没问题,发出去就不一定了。

公众号不认识我的 Vault,知乎不会读取本地附件,博客构建也可能因为相对路径和附件目录出问题。最后又变成手动找图、压缩、上传、替换链接、检查预览。

一次还行,多发几篇文章就很烦。

所以我把这个动作做成了一个小工具:

![[demo.png]]

处理后变成:

![](https://your-cdn.example.com/markdown/demo.png)

然后这篇 Markdown 再复制到其他地方,图片至少已经是稳定的云端链接了。

现在支持什么

NotePic 目前主要做这几件事:

  • 识别 Markdown / MDX / HTML 里的本地图片
  • 支持 Obsidian 的 ![[image.png]] 写法
  • 上传图片到阿里云 OSS
  • 自动替换正文里的图片链接
  • 上传前压缩图片
  • 用图片内容哈希减少重复上传
  • 已经是远程链接的图片会跳过

现在有两种用法:

  • Obsidian 插件:写完文章后点一下,处理当前文档图片
  • CLI:适合博客仓库、工程文档、批量处理或 CI 场景

我最近主要在 Obsidian 里写文章,所以插件形态用得更多。以前在工程项目里写 Markdown / MDX 时,CLI 更顺手。

一张 GIF

这里发布前放 GIF:

Obsidian 本地图片
-> 点击 NotePic
-> 图片上传到 OSS
-> Markdown 链接自动替换
-> 复制到其他平台发布

发布前检查 GIF 是否能直接看清这三件事:

  1. 处理前确实是本地图片
  2. 点击后有上传和替换动作
  3. 处理后正文里变成 https://... 图片链接

当前边界

先说清楚,NotePic 不是想替代 PicGo、uPic 这类成熟工具。

它现在更像一个针对 Markdown / Obsidian 发布收尾的轻量工具。我的目标不是做一个大而全的图床客户端,而是把“文章写完以后处理图片”这一步压缩掉。

目前边界也很明确:

  • 当前优先支持阿里云 OSS
  • 更偏 Markdown / Obsidian / 博客写作场景
  • 不是一个通用相册管理工具
  • 不是公共图床服务,图片还是放在你自己的 OSS 里
  • AccessKey 需要自己配置,建议用单独的 RAM 子账号

之所以先做阿里云 OSS,是因为我自己现在就在用它。先把自己每天真的会用的流程跑顺,再看有没有必要扩展腾讯云 COS、S3、七牛云、又拍云之类的存储。

适合谁

我觉得它比较适合这些人:

  • 用 Obsidian 写文章,但经常要发到多个平台
  • 写 Markdown / MDX 博客,图片先放本地,发布前再统一处理
  • 有自己的阿里云 OSS,不想依赖公共图床
  • 整理旧文章或知识库时,想把本地图片转成稳定外链
  • 不想每次发布都手动上传图片、替换图片链接

不适合这些人:

  • 只在 Obsidian 本地看笔记,从不发布
  • 已经有一套成熟图床工具,而且用得很顺
  • 不想自己配置 OSS、AccessKey、Bucket
  • 需要复杂图片管理、相册、团队协作

想收集的反馈

项目页在这里:

https://luhuidev.com/NotePic-OSS/

如果你刚好也有这个痛点,欢迎试用、star 或提 Issue。

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战 本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。 阅读详情

相关推荐

SAP中MRP运行计划行超限问题的分析与解决

SAP中基于生产性物料的采购特点,通常会采用采购计划协议的方式进行采购。其具体的采购计划通常来自于成品计划独立需求,然后通过物料清单,经由MRP跑出。 在采购计划协议中的计划行中,存在一个计划行号,随着MRP在不断跑出新的计划行,该行号资源会消耗完。当计划行号消耗完后,MRP不会再跑出新的计划行。且在MD04或MD02中看不到类似提示信息。此时可以通过MD05来查看是否出现类似下图的提示信息。 ...

专注SAP应用技术文章写作,致力于拉近用户与系统间的距离; 3844

NotePic 使用教程:从阿里云 OSS 配置到 Obsidian 一键上传图片

本文介绍了如何从零配置阿里云OSS并集成到Obsidian的NotePic插件中,实现Markdown本地图片自动上传至云端。教程分为六个步骤:1)创建OSS Bucket并记录关键信息;2)创建专用RAM用户并保存AccessKey;3)为该用户配置受限的OSS操作权限;4)在Obsidian中安装NotePic插件;5)填写OSS接入配置(包括密钥、Bucket、上传路径等);6)进行上传测试验证功能。该方案解决了多平台发布时图片链接失效的问题,将本地引用自动转换为可公网访问的OSS链接,适用于博客、公

github_25505453的博客 206

工程制图习题集张大庆课后习题答案解析

所以,我想向大家求助,希望能得到一些学习资料、学习方法和学习经验,帮助我更好地理解和掌握这门课程。在寻找学习资料的过程中,我发现了一款叫做资小料的APP,它里面有很多关于工程制图的学习资料,包括视频教程、习题解答和考试真题等。通过使用资小料,我逐渐掌握了工程制图的基本理论和方法,解决了很多学习中遇到的问题。在这里,我想推荐给和我一样在学习《工程制图习题集》这门课的同学们,希望大家也能从这款APP中受益,共同进步。上传者: 『Consentesdei』蒼迷穀。出版社: 清华大学出版社。

weixin_58833001的博客 925

Obsidian 清理未引用图片:上传 OSS 后,本地残留图片怎么处理?

本文讨论了Obsidian笔记中图片管理的问题,特别是上传至OSS后本地残留的未引用图片(僵尸图片)。文章分析了未引用图片产生的原因,并指出手动删除的风险。作者建议采用两步流程:先上传图片至OSS并替换链接,再扫描清理本地残留。文章介绍了NotePic插件的最新功能,它能帮助识别并安全清理未引用图片,同时保持与Git仓库的兼容性。最后提供了NotePic的下载链接和使用建议。

github_25505453的博客 278

以高通camera 申请ion内存看dma-buf

1 fd 与ion buffer, file绑定 简单总结就是申请一个buffer,再创建一个dmabuf 结构体然后将,然后将dmabuf中得指针指向buffer,dmabuf 再传递给一个匿名的inode,获取到一个file,这样file和dmabuf绑定起来,也就和buffer关联上。然后再从进程中分配一个空闲的fd,将fd 和file囊绑定。这样就能通过fd 快速查找到buffer。file 是个全系统的,他和进程无关,但是fd 是每个进程都是自己独立的,所以再跨进程传输时只需要保证fd ...

兔兔里个花兔的博客 6443

ESP32C3的I2S接口详解:以驱动PCM5102A为例,避开时序与配置的那些坑

本文深入解析ESP32C3的I2S接口驱动PCM5102A DAC的完整解决方案,涵盖时序对齐、PCB优化和寄存器级配置。通过实际案例分享时钟树分析、信号完整性设计和底层调试技巧,帮助开发者避开常见陷阱,实现高质量音频输出。重点探讨了I2S协议栈、电源滤波优化及DMA传输异常处理等关键技术要点。

weixin_30254435的博客 299

Obsidian图片失效?我做了个免费工具 NotePic

NotePic是一款专为解决Markdown/Obsidian本地图片分发问题而开发的工具。作者在使用Obsidian写作时,常因多平台发布需要反复处理本地图片而困扰。该工具可自动识别文章中的本地图片(支持Markdown、MDX、HTML等多种格式及图片语法),完成压缩后上传至阿里云OSS,并将原文链接替换为云端地址,显著提升跨平台发布效率。目前提供Obsidian插件和CLI两种形态,重点优化了图片压缩、哈希去重等实用功能,未来可能扩展支持更多云存储服务。该工具已开源,适用于频繁进行技术写作和多平台分发

github_25505453的博客 206

Win11系统重装全记录:从备份Office激活到搞定RAID阵列,我的微星笔记本复活记

本文详细记录了Win11系统重装的完整过程,从数据备份到RAID阵列配置,特别针对微星笔记本的特殊硬件驱动问题提供了解决方案。文章涵盖了Office激活状态备份、BIOS设置、驱动安装顺序等关键步骤,帮助用户顺利完成系统重装并优化性能。

weixin_31421613的博客 309

Obsidian Git 同步越来越慢?先检查图片附件和未引用文件

本文探讨了使用Git管理Obsidian Vault时遇到的图片文件体积膨胀问题。作者指出,虽然Git擅长管理Markdown笔记,但大量未清理的图片附件(尤其是已转存图床的本地残留文件)会导致仓库臃肿、同步缓慢。文章重点介绍了NotePic插件新增的本地图片清理功能,它能扫描并删除Vault中未被引用的图片,特别适合已使用OSS图床的用户优化工作流。解决方案包括:识别冗余图片、统计空间占用、选择性清理等,同时保留必要的本地图片同步。该工具旨在补充现有图床方案,帮助用户维持轻量化的Git仓库。

github_25505453的博客 246

YOLOv13结合Sobel边缘检测算子,实现EIEM(Edge Information Enhancement Module,边缘信息增强模块),强化空间特征提取

EIEM模块通过巧妙地结合Sobel边缘检测算子和现代卷积网络架构,实现了显式边缘信息增强的创新设计。这种方法不仅提高了网络对边缘特征的敏感性,还保持了良好的计算效率和模块化特性。 从技术实现角度看,EIEM展示了如何将经典计算机视觉算法无缝集成到深度学习框架中,为构建更强大、更可解释的视觉模型提供了新的思路。随着对边缘信息重要性认识的不断深入,以及对网络可解释性需求的增长,EIEM这样的显式特征增强模块将在未来的计算机视觉研究中发挥越来越重要的作用。

FJN110的博客 906

24、无人机能耗模型与上下文质量管理的研究

本文系统介绍了无人机能耗模型与上下文质量管理的研究进展。详细阐述了Dorling、Stolaroff、Kirchstein和Tseng等经典能耗模型的原理及特点,并基于LSTM架构构建了数据驱动的能耗预测模型,实验表明其预测精度显著优于传统模型。此外,还探讨了物联网环境中的上下文质量管理问题,引入了conQeng框架,以提升上下文选择、测量和验证的效率与可靠性。研究为无人机能耗优化和物联网上下文管理提供了理论支持和技术方案。

palm99的专栏 344

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 342

云原生之容器编排实践-在K8S集群中使用Registry2搭建私有镜像仓库

基于前面搭建的3节点 Kubernetes 集群,今天我们使用 Registry2 搭建私有镜像仓库,这在镜像安全性以及离线环境下运维等方面具有重要意义。作为测试环境,本次使用 Registry2 搭建了私有镜像仓库,实际生产环境建议使用 Harbor;创建了一个 local-storage 的 StorageClass ,并使用本地磁盘的方式创建使用 PV ,实际建议使用 NFS 。

Heartsuit的博客 2461

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 190

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 229

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 225

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 186

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 187

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 537

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 75

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 528

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 245

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 625

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 324

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 195
上一篇: 把大角几何接进 Agent 工作流:从需求到几何图导出的完整过程
下一篇: Anthropic 的 Claude Code 翻车经验
Luhui Dev
博客等级 码龄12年 44粉丝 147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