Obsidian Research Assistant

黑曜石研究助手

一个现代的多智能体AI研究助手，通过模型上下文协议（MCP）与Obsidian集成。它能自动进行网络和学术研究，综合研究结果，并在您的Obsidian知识库中创建格式精美的笔记。

🌟 特点

• 多智能体架构5个专业代理协同工作（研究、分析、记忆、撰写、引文管理）
• 多供应商大型语言模型支持在Gemini、GPT和Claude之间无缝切换
• Obsidian 集成通过MCP直接集成 - 读写您的保险库
• 综合研究网络搜索（DuckDuckGo）+ 学术论文（arXiv）
• 语义搜索利用ChromaDB进行现有笔记的语义搜索
• 智能链接自动将新笔记与相关现有笔记建立链接
• 文献管理追踪来源并创建正确的引用
• 漂亮的用户界面现代Streamlit界面，支持实时进度追踪

🏗️ 建筑学

Research Query → Memory Agent → Research Agent → Analysis Agent → Writer Agent → Obsidian Note
                      ↓              ↓                ↓               ↓
                 (Check Vault)  (Web+Academic)  (Synthesize)   (Format & Write)

📋 先决条件

• Python 3.10 或更高版本
• 诗歌（用于依赖管理）
• Docker Desktop（用于Obsidian MCP服务器）
• 至少需要一个大型语言模型（LLM）API密钥（Gemini、OpenAI或Anthropic）

🚀 安装

1. 克隆仓库:

cd /home/nima/Desktop/agenticProject

1. 安装 Poetry （如尚未安装）：

curl -sSL https://install.python-poetry.org | python3 -

1. 安装依赖项:

poetry install

1. 配置环境变量：

cp .env.example .env
# Edit .env with your API keys
nano .env

1. 设置Obsidian知识库:

保险库将自动创建在 ./obsidian_vault/ 首次运行时。

🎯 使用方法

Streamlit 用户界面（推荐）

启动网页界面：

poetry run streamlit run src/frontend/app.py

然后打开你的浏览器到 http://localhost:8501

命令行界面（CLI）

从命令行运行研究（或：执行研究）：

poetry run python src/main.py "Latest developments in quantum computing"

使用特定提供商：

poetry run python src/main.py "AI agent architectures" --provider gemini --model gemini-1.5-pro

🔧 配置

大型语言模型（LLM）提供商

在……中进行配置 .env：

# Use Gemini (recommended - good balance of cost/performance)
DEFAULT_LLM_PROVIDER=gemini
DEFAULT_MODEL=gemini-1.5-pro

# Use GPT-4
DEFAULT_LLM_PROVIDER=openai
DEFAULT_MODEL=gpt-4-turbo

# Use Claude
DEFAULT_LLM_PROVIDER=anthropic
DEFAULT_MODEL=claude-3-5-sonnet-20241022

Obsidian MCP 服务器

该项目包含一个基于Docker的MCP服务器，用于Obsidian操作。设置步骤如下：

1. 确保Docker Desktop正在运行
2. 启动MCP服务器：

   docker-compose up -d

1. 验证其是否正在运行：

   docker-compose ps

见 用于详细的Docker配置。

📚 项目结构

obsidian-research-assistant/
├── obsidian_vault/              # Your Obsidian vault
│   └── Research/                # Research notes
├── src/
│   ├── agents/                  # Agent implementations
│   │   ├── orchestrator.py      # LangGraph workflow
│   │   ├── research_agent.py    # Web/academic search
│   │   ├── analysis_agent.py    # Content synthesis
│   │   ├── memory_agent.py      # Vault context
│   │   ├── writer_agent.py      # Note creation
│   │   └── citation_manager.py  # Reference handling
│   ├── services/
│   │   ├── llm_service.py       # Multi-provider LLM
│   │   ├── search_service.py    # DuckDuckGo + arXiv
│   │   └── embedding_service.py # Semantic search
│   ├── mcp/
│   │   └── obsidian_client.py   # MCP integration
│   ├── utils/
│   │   ├── markdown_formatter.py
│   │   └── note_templates.py
│   ├── config/
│   │   └── settings.py
│   ├── frontend/
│   │   └── app.py               # Streamlit UI
│   └── main.py                  # CLI entry point
├── tests/
├── pyproject.toml
└── README.md

🎨 示例研究查询

• “大型语言模型的最新进展”
• “量子计算在密码学中的应用”
• “多智能体人工智能系统架构”
• “计算机视觉变换器的最新进展”
• “利用深度学习进行蛋白质折叠”

🔍 它的工作原理

1. 内存代理在你现有的 Obsidian 笔记中搜索相关上下文
2. 研究代理进行网页搜索（使用DuckDuckGo）和学术搜索（使用arXiv）
3. 分析代理利用大型语言模型（LLM）综合分析结果并提取见解
4. 作家经纪人在 Obsidian 中以 Markdown 格式化内容并创建笔记
5. 引文管理器来源链接及相关注释

🛠️ 故障排除

MCP连接问题

• 确保 Docker Desktop 正在运行
• 启动MCP服务器： docker-compose up -d
• 检查服务器状态： docker-compose ps
• 查看日志： docker-compose logs obsidian-mcp-server
• 验证 OBSIDIAN_VAULT_PATH 是正确的

API密钥错误

• 请验证您的API密钥是否已正确设置 .env
• 请检查您的API密钥是否拥有足够的信用额度
• 如果一个供应商失败了，尝试换一个不同的供应商

ChromaDB 问题

• 删除 chroma_db/ 文件夹并重启以重建索引
• 确保您在项目目录中具有写入权限

📝 许可证

MIT 许可证 - 欢迎自由使用此项目来丰富您的作品集或用于个人用途。