零代码经验，我用Claude Code搓出的生产力工具
什么要做这个项目
痛点：笔记整理是道坎
我用Obsidian写了3年笔记，积累了很多篇笔记。但整理成了最大的负担：
- 标签混乱：今天用
#工作，明天用#work，后天用#项目，搜索时永远不全 - 分类困难：一篇笔记该放哪个文件夹？纠结5分钟，最后扔根目录
- 标题随意：随手记的笔记，标题经常是"临时记录"、"想法"，过两周自己都不记得是什么
- 摘要缺失：长篇笔记没有摘要，笔记发布博客时总结摘要很烦
试过手动整理，坚持不了一周。也试过其他插件，要么功能太死，要么功能不能完全支持我的需求。
契机：AI能读懂我的笔记了
大模型的上下文能力有了明显提升。我开始尝试让AI帮我整理单篇笔记——把内容贴过去，让它生成标题、标签、分类、摘要。
效果出奇地好。AI不仅能理解内容，还能根据已有笔记的命名习惯给出建议。
但流程太麻烦：复制 → 打开浏览器 → 粘贴到Claude → 等生成 → 复制结果 → 贴回Obsidian → 手动改frontmatter。
一个笔记重复6步操作，根本坚持不下来。
想法：能不能一键完成？
自然想到：如果能在Obsidian里右键直接触发，把AI的整理能力集成到写作流程里，是不是就能持续用了？
搜索了一圈插件市场，没找到完全符合需求的：
| 现有方案 | 问题 |
|---|---|
| 手动整理 | 耗时、难坚持、标准不统一 |
| AI Copilot类插件 | 侧重对话，不擅长批量生成结构化元数据 |
| 模板类插件 | 静态规则，无法根据内容智能调整 |
| 其他AI插件 | 功能单一 |
缺口很明显：一个能深度理解中文内容、支持多平台AI、专门用于笔记元数据生成的工具。
关键决策：用Claude Code来做
作为一个后端程序员，我的技术栈是Java + Spring，日常写REST API、调数据库、搞微服务。前端对我来说就是黑盒——知道HTML是结构、CSS是样式、JS是逻辑，但从来没正经写过。
让我从零开始学TypeScript、Node.js、Obsidian的插件API？光环境搭建就能劝退。
但试用了Claude Coed，看了几个demo后我改了主意——为什么不自己试试？
Claude Code的卖点就是"自然语言编程"，正好验证一下：一个只懂后端的人，能不能靠描述需求做出能用的前端工具？
结果：3个晚上，8小时，3000行TypeScript，一个可上架的插件。
这个项目最初是为了解决我自己的笔记整理问题，做完后发现它验证了一件更重要的事：AI生成代码的门槛，已经低到让后端程序员也能跨领域产出可用的前端产品了。
核心成果
| 指标 | 数据 | 说明 |
|---|---|---|
| 代码行数 | 约3000行 | TypeScript，零人工编写 |
| 开发时间 | 3个晚上 | 每天1-2小时，总计约8小时 |
| 功能模块 | 2大核心 | AI元数据生成 + AI文本优化 |
| 支持平台 | 6个 | Claude、OpenAI、DeepSeek、通义千问、智谱、讯飞星火 |
| 交互入口 | 4处 | 命令面板、文件右键、编辑器右键、设置面板 |
这不是概念验证，这是一个可上架Obsidian官方插件市场的完整产品。
功能特性
AI元数据生成：让笔记自己长出手脚
传统整理笔记的流程：写完后手动想标题、翻标签库找合适的、决定放哪个文件夹、写摘要。
SmartScribe把这个流程压缩到一次右键点击。
它会做什么：
- 读取你Vault里已有的标签，优先复用——保持标签体系的一致性
- 分析文件夹结构，给出分类建议
- 生成标题、标签、分类、关键词、摘要、分享标记
- 预览后再应用，避免AI"自作主张"
关键设计：Tag Reuse
不是每次都生成全新标签，而是先扫描你的Vault里已有标签，让AI从中挑选+少量补充。
这样用久了，标签体系会越来越统一，而不是越来越乱。
AI文本优化：双面板预览，改哪看哪
选中一段文字（或不选，默认优化全文），触发优化。
双面板设计：
左面板：优化后的文本，可直接编辑
右面板：AI给出的改进建议（告诉你改了什么、为什么）
你可以直接应用，也可以先预览再决定。支持设置里关闭预览，直接替换。
六平台支持：不被任何一家AI绑架
| 平台 | 默认模型 | 特点 |
|---|---|---|
| Claude | claude-sonnet-4-6 | 长上下文理解与安全对齐能力突出 |
| OpenAI | gpt-4o | 综合性能均衡且多模态能力强 |
| DeepSeek | deepseek-chat | 高性价比开源模型 |
| 通义千问 | qwen-plus | 擅长中文商业应用、多模态交互 |
| 智谱AI | glm-4 | 擅长知识问答、文本理解 |
| 讯飞星火 | pro | 语音出身，文本也不错 |
每个平台独立配置API Key、模型、Temperature、Max Tokens。想用哪家切哪家。
怎么用
直接用（零门槛）
- 从GitHub Release下载最新版本
- 解压到Vault的
.obsidian/plugins/smartscribe/文件夹 - Obsidian设置里启用插件
目前该插件尚未在插件市场发布，已经提交至平台，目前正处于代码审查阶段。
推荐体验路线：
| 顺序 | 操作 | 效果 |
|---|---|---|
| 1 | 打开任意笔记，右键选择"AI生成元数据" | 弹出预览窗口，显示生成的标题、标签、分类、摘要 |
| 2 | 点击"应用" | 元数据写入笔记frontmatter |
| 3 | 选中一段文字，右键"AI优化文本" | 双面板弹出，左侧可编辑优化结果，右侧看改进建议 |
| 4 | 去设置里切换AI平台 | 对比不同模型的生成风格 |
进阶配置
Temperature调参指南：
| 场景 | 推荐Temperature | 效果 |
|---|---|---|
| 元数据生成 | 0.3-0.5 | 稳定、可预期，标签复用率高 |
| 文本优化 | 0.5-0.7 | 有一定创造性，但不离谱 |
| 头脑风暴 | 0.8-1.0 | 发散性强，适合探索新角度 |
Max Tokens设置：
- 元数据生成：1024足够
- 文本优化：根据原文长度，建议原文长度的1.5倍
这背后的意义：后端程序员的跨域实践
这个项目的价值不只是"又一个Obsidian插件"。
它是一个信号：AI生成代码已经让技术边界变得模糊，后端工程师也能独立产出完整的前端产品。
让我列几个对比：
| 维度 | 传统跨域开发 | 这次开发 |
|---|---|---|
| 前端知识储备 | 需系统学习HTML/CSS/TS | 只需描述想要的交互效果 |
| 环境搭建 | 配Node、配Webpack、配TypeScript | 一句话："帮我初始化Obsidian插件项目" |
| 开发时间 | 数周（边学边做） | 3个晚上（纯需求描述） |
| 代码质量 | 新手水平，坑多 | AI生成，规范、可维护 |
| 调试方式 | 浏览器F12逐行跟 | 描述现象，AI定位修复 |
不是"AI辅助编程"，是"AI代理编程"。
我的角色从"前后端都需掌握的全栈"变成了"专注需求描述的产品+验收"。
开发过程的真实记录
整个流程完全按后端程序员的思维在推进：
- 需求描述：像写PRD一样，"我要一个Obsidian插件，核心功能是..."
- 架构确认：Claude Code生成项目结构，我确认模块划分是否合理（类似评审技术方案）
- 接口式开发：每个功能当作一个API来定义——输入是什么、输出是什么、异常怎么处理
- 集成测试：功能串起来跑通，不符合预期就提bug描述
- UI调优："这个弹窗太丑了，改成左右分栏"——像提需求给前端同事
最颠覆认知的一点：当我发现AI生成的TypeScript代码结构比我脑补的还合理时，我彻底放弃了"先学明白再动手"的想法，改为"直接描述业务逻辑，让AI选技术方案"。
对后端工程师的启示
如果你和我一样，只懂后端：
别被前端技术栈吓退。你不需要成为全栈工程师，只需要学会"怎么把需求描述清楚"。TypeScript的类型系统、React的生命周期、Obsidian的API——这些让AI去操心。
实际可落地的场景：
- 内部工具：做个简单的数据录入界面，不用求前端排期
- 个人效率工具：像这个插件一样，解决自己的痛点
- 原型验证：快速验证产品想法，再决定是否投入正式开发
技术决策建议：
| 场景 | 推荐做法 |
|---|---|
| 简单CRUD界面 | 直接AI生成，无需学前端 |
| 复杂交互 | AI生成骨架，关键逻辑自己把控 |
| 生产级产品 | AI辅助开发，核心模块人工Review |