本地隐私配置
想在 Obsidian 里用 AI，又不想把笔记内容发到第三方服务器？本地推理链路可以做到「数据不出本机」，所有生成、摘要、问答都在你的设备上完成。
为什么需要本地推理
云端大模型 API 虽然能力强，但每次调用都会把你的笔记正文、选区和提示词发送到远程服务。对于日记、客户资料、研究草稿等敏感内容，这会带来隐私与合规风险。本地推理把模型权重直接跑在你的电脑或家庭服务器上，从网络层面切断了数据外泄的路径。
推理链路由什么组成
一条完整的本地链路包含四个环节：
- 模型运行时：Ollama、llama.cpp、LM Studio 等，负责加载并运行权重。
- 模型权重：量化后的 GGUF 文件（如 Llama 3、Qwen、Phi-3），体积从 2GB 到 20GB 不等。
- Obsidian 插件桥接：Copilot、Local GPT、BMO Chatbot 等通过本地 HTTP 接口（通常是
http://localhost:11434）调用模型。 - 笔记上下文注入：插件读取当前文件或选区，拼成提示词后交给本地模型。
关键配置项
- 在模型运行时里确认监听地址为
127.0.0.1，不要暴露到0.0.0.0。 - 在插件设置中选择「Local / Ollama」而非云端 Provider，并填入
http://localhost:11434。 - 关闭插件的「匿名使用统计」与「云端兜底」开关，避免敏感内容在本地模型失败时回退到云端。
- 用防火墙或局域网隔离家庭服务器，保证只有本机可访问推理端口。
隐私与成本的权衡
本地推理完全免费且私密，代价是更高的硬件门槛（建议 16GB 以上内存、支持 AVX2 的 CPU 或一块入门独显）和略弱的语言能力。若只在处理敏感笔记时启用本地模型、日常写作用云端模型，可在隐私和体验之间取得平衡。