☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
kimi需按五条规则输出结构化文本：①每段以“## ”开头；②每标题下仅1个核心事实，用“- ”列表；③专有名词原样保留；④禁用模糊词；⑤不加解释句。
你需要把零散的会议记录、网页摘抄、pdf报告快速变成obsidian里可检索、可链接、可迭代的知识节点，而不是堆在inbox文件夹里积灰。kimi不是简单总结，而是要让它输出带结构、带语义、能直接喂给obsidian双向链接系统的文本格式。
第一步：把原始材料喂给Kimi并锁定输出格式
打开Kimi官网或App，上传PDF/图片/粘贴纯文本，但别急着点发送——先写好指令再提交。这一步漏掉格式约束，后面所有整理都白搭。
输入指令：“请严格按以下规则处理上述内容：①每段输出必须以‘## ’开头作为二级标题；②每个标题下只保留1个核心事实或可验证主张，用‘- ’无序列表呈现；③所有专有名词（人名、模型名、工具名、文件路径）必须原样保留不改写；④禁用‘可能’‘大概’‘通常’等模糊词；⑤不添加任何解释性句子。”
这句指令强制Kimi放弃自由发挥，只做信息切片。如果你跳过它直接让Kimi“总结一下”，它大概率返回一段散文式摘要，无法直接导入Obsidian生成链接。
第二步：从Kimi输出中提取可导入Obsidian的结构化片段
复制Kimi返回的全部内容，粘贴到文本编辑器中。
用查找替换功能批量处理：把所有“## ”替换成“### ”，确保它在Obsidian中降级为三级标题，避免顶撞你原有的笔记层级体系。
检查每一行“- ”开头的条目，确认是否含【Obsidian双向链接候选词】——即是否出现至少两个已存在于你知识库中的笔记名（如[[OpenClaw配置]]、[[Kimi-VL-A3B-Thinking]]），没有就手动补上一对双括号。这是后续自动建立关系的前提。
当用户请求“启用语义缓存”、“缓存LLM响应”、“降低API成本”、“加速AI响应”、“配置LangCache”、“搜索语义缓存”、“存储响应到缓存”，或提及Redis LangCache、语义相似性缓存、LLM响应缓存时使用此技能。提供与Redis LangCache托管服务的集成，用于对提示和响应进行语义缓存。
删掉所有空行和Kimi自动生成的分隔线（如“---”或“***”），Obsidian解析Markdown时会把它们误判为分页符。
第三步：将整理后的内容存入Obsidian并激活链接
在Obsidian中新建一个笔记，文件名按日期+主题命名，例如“20260527-Kimi-VL-A3B-Thinking-配置要点.md”。
把处理好的文本整段粘贴进去，保存。
按Ctrl/Cmd+P唤出命令面板→输入“Graph view: Rebuild graph cache”→回车执行。这一步强制Obsidian重新扫描全文，识别新出现的[[双括号链接]]并纳入图谱。
现在点击任意一个[[链接]]，就能跳转到对应笔记；在图谱视图中，这个新笔记会自动与已有节点产生连线——知识关系已经物理落地。
