大家好，我是阑梦清川

这篇文章简要介绍一下我昨天开发 Logseq 插件的一个过程。为了满足自己的需求，我开发了这个插件，也算是对这次实践的一个记录。

1. 为什么选择 Logseq

首先简单介绍一下 Logseq 这个工具。Logseq 和 Obsidian 等工具类似，都属于知识管理软件。我是在其他博主的文章中了解到的，后来也一直在使用。

它和 Obsidian 的几个主要区别在于：

• 格式与渲染： Logseq 并非标准的 Markdown 格式，但它可以渲染出一种 Markdown 的形式。
• 交互体验： 我之所以喜欢它，是因为它内部的“嵌套”以及“思维导图”式的转换非常丝滑，支持前进和后退。
• 核心逻辑： Logseq 的核心是缩进，相比 Obsidian 来说，使用体验更加独特。

2. 开发插件的初衷

虽然 Logseq 很好用，但它的生态丰富程度目前还不及 Obsidian。比如我之前推荐过在 Obsidian 中使用 Cloudian 插件来外挂 AI 功能，我已经习惯了这种工作流。但在 Logseq 的插件市场中，虽然有下载量较高的 Logseq ChatGPT 插件，但它只能配置 OpenAI 的 API，而那个网站我目前进不去。

我一直使用的是智谱的 API，既然没有符合要求的插件，我就决定在 AI 时代自己 Web Coding 一个。

3. 魔改插件的过程

我从 GitHub 上下载了相关插件的源码，利用 AI 大模型 Claude 去对话，让它根据我的要求“魔改”这个插件：

1. 适配 API： 把它修改为可以配置智谱 API 的版本。因为智谱的 API 是兼容 OpenAI 的，改造过程其实很简单。
2. 配置项调整： 在配置文件里添加了智谱 API 的配置选项。
3. 跳转链接： 将原本跳转到 OpenAI Platform 的 Endpoint 链接修改为跳转到智谱平台。

看似简单，但实际调试和构建花了不少时间。

4. 编译与构建的坑

这个插件项目是使用 Yarn 进行编译和构建的，它和 NPM 类似。我按照流程构建后生成了 dist 文件夹（构建产物），连同 package.json 和 icon.png 图标文件一起放入插件列表。

起初插件无法正常使用，我也调整了很久。因为我之前开发过一个 Obsidian 插件（当时是调用 ListenHub 的 API 去生成播客），那个插件是用 NPM 构建的，而这里是使用 Yarn。好在两者大同小异，我对基本的功能结构还算了解，最终解决了问题。

虽然我对于这个不太熟悉，但是把报错截图交给大模型之后，它也很快帮我找出了问题并成功构建。

构建之后，我将以下产物一起复制到用户文件夹下 Logseq 笔记软件对应的插件列表里：

1. 产物文件夹 dist
2. package.json 文件
3. icon.png 图标文件

然后它可能就会自动加载出来。

这个过程比较麻烦的地方在于，每次修改代码后都需要重新构建，并手动将产物复制到对应的文件夹下。我连续修改了几次 bug，每次 AI 修复完后，我都要重复构建、生成产物、再挪动到插件列表文件夹的操作，过程非常繁琐。

更遗憾的是，即便如此最终也没能解决问题。智谱的 API 一直无法配置成功，还消耗了我不少额度。在来回折腾了很久之后，AI 给我的建议是：这个插件的改造太麻烦、工具链太复杂，建议我放弃，转而直接使用 Copilot 插件。

关于 Copilot 插件：

1. 它支持多种 API（包括与 OpenAI 兼容的接口）
2. 智谱的 API 正好是 OpenAI 兼容的
3. 配置非常简单，功能也完全符合我的需求

其实我在最开始搜索时就见过这个插件，但因为当时看它的下载量只有几十次，觉得可能不太好用，就没太在意。但最终转了一圈还是决定使用它。

这个插件的配置流程如下：

1. 配置 Endpoint（接入点）
2. 配置 API Key
3. 配置 Model Name（模型名称）
4. 验证连接是否正常

我自己完整地走通了这个流程，特此简单记录一下。

但是这个 API Endpoint 和模型的名字还是需要注意一下。我最开始就填错了，所以导致这个验证连接一直没有通过。

这个插件连接成功之后，它的使用方法就是你可以去定义一些快捷指令。

你需要选中对应的 block，选中之后，按下快捷键 Ctrl + Shift + /。按下快捷键之后，它就会自动调用大模型，通过你的 API 基于你的文本使用快捷指令生成回复。

但是它非常无语的一点是，生成的回复会直接插入在你的笔记里面。

大概就是这样的一个过程。下面是它的 GitHub 仓库，如果你感兴趣也可以去看一看它具体是怎么实现的，以及相关的说明文档。仓库里的文档写得还是非常详细的，我也大致看了一下。

https://github.com/jarodise/logseq-copilot?tab=readme-ov-file

然后整个过程大概耗费了我 19.4美金，但是最终还是没能解决我的问题。

从一个插件转向 Copilot 之后，虽然成功配置、成功连接并验证成功，但是它的使用方法我很不习惯。相比于 Obsidian 里面的 CloudIn 插件，我觉得使用效果和体验效果都相差甚远。

通过这次经历我也意识到，其实我第一次开发 Obsidian 插件的时候还是很顺利的，基本上没怎么修改 Bug 就可以使用了。

但在 Logseq 里面，可能因为官方文档以及生态稍微逊色一些，加上会遇到一些奇奇怪怪的问题，最终我没能成功开发出符合自己需求的插件。

不过换个角度想，就算当时开发成功了，Logseq 的使用形式我也无法接受：

1. 它不支持在右侧边栏使用插件进行对话。
2. 它非要把 AI 处理或搜索后的结果直接插入到当前页面。

相比之下，我更习惯 Obsidian 的这种模式：插件在右侧边栏打开，输出内容不影响我自己的笔记，我可以选择性地进行修改或插入。这纯属我个人的主观感受，这篇文章也只是简单记录一下这次体验。

虽然 Logseq 有我喜欢的点，但论及 AI 插件的功能，我还是更喜欢 Obsidian 里的 CloudIn。我非常强烈推荐大家去试用一下，只需搭配智谱 AI 比较普通的套餐就可以，效果非常不错。

毕竟它只需要处理一些笔记问答和搜索相关的问题，不像 Coding 这种对模型能力要求极高，所以智谱基本上可以胜任这份工作，生成效果也很棒。强烈建议大家去体验一下。

以上就是这篇文章的全部内容。

我是阑梦清川，希望得到您的关注