月省 1400 块，我把 Claude Code 搬进了 Obsidian，还让它跑在了自己的 Mac 上

用户081607472909
0 阅读12分钟

月省 1400 块，我把 Claude Code 搬进了 Obsidian，还让它跑在了自己的 Mac 上

发布时间：2026-05-13
标签：#Obsidian #ClaudeCode #本地大模型 #AI工作流 #知识管理 #省钱攻略

Free_Local_Claude_for_Mac_page1_img1.png

先说一个场景。

上周我在 Obsidian 里写笔记，顺手打了个 @ 引用了 5 篇之前写过的技术笔记，然后跟 AI 说了一句："帮我把这 5 篇的要点整理成一份学习路线图。"

30 秒后，一篇结构完整、带有层级分类的学习路线笔记自动出现在了我的 Vault 里。

全程离线、零 API 费用、没联网。 一切跑在我自己的 Mac 上。

Free_Local_Claude_for_Mac_page2_img1.png

我盯着屏幕看了三秒钟，心里只有一个念头：我这台 Mac 以前是不是白买了？

之前那篇《2026 年最强编程神器 Codex，接入本地大模型免费运行》很多读者问："能不能用在 Obsidian 里？"今天就是答案。这也是我继《Claude Code + llama.cpp + Qwen 3.6 打造最强本地 AI 系统》之后的升级版——这次更简单，不用折腾 llama.cpp，普通用户也能 10 分钟搞定。

一、三个各自为王的工具，为什么凑在一起就炸了？

这件事的核心，是三个工具的"天作之合"。

Free_Local_Claude_for_Mac_page3_img1.png

Obsidian：你的第二大脑

Free_Local_Claude_for_Mac_page4_img1.png

Obsidian 我用了快两年了，真心觉得它是 2026 年最好的知识管理工具，没有之一。

它的核心优势很简单：所有数据都是本地的 Markdown 文件。 你的笔记、你的想法、你的知识图谱，100% 在你自己的硬盘上。不依赖任何云服务，不害怕任何公司倒闭。

双向链接、图谱视图、强大的插件生态——Obsidian 早就超越了"笔记软件"的范畴，它是一个可无限扩展的知识操作系统。

但它一直缺了一件事：AI。

你可以装聊天插件跟 AI 对话，但那只是"问答"。真正的痛点是——你的 AI 读不到你的笔记，你的笔记也进不了 AI 的上下文。 两者各自为政，知识管理的最后一公里始终跨不过去。

直到 Claudian 出现。

Claude Code：2026 年最强的 AI Agent

Free_Local_Claude_for_Mac_page5_img1.png

如果说 ChatGPT 是一个"问答机器人"，那 Claude Code 就是一个能自主行动的超级员工。

你给它一个任务："把这几个文件读一下，总结成一份报告，存到指定文件夹。"它不是给你一段文字回复——它是真的去读文件、真的去写文件、真的去创建文件夹。全程自主，不需要你一步一步指挥。

这就是 Agent 和聊天机器人的本质区别：一个只会说话，一个能干活。

但 Claude Code 的定价让人肉疼：

  • Plus 版 $20/月，有严格的额度限制，重度用两天就超标
  • Pro 版 $200/月（约 1400 人民币），才能无限制使用
  • 国内还要解决网络问题，api.anthropic.com 直连基本不可能

功能极强，但门槛极高。 对于大多数知识管理用户来说，这个价格就是为了"写笔记"付的，完全不成比例。

本地大模型：你 Mac 里沉睡的巨兽

Free_Local_Claude_for_Mac_page6_img1.png

这里要说一件大多数人不知道的事。

你桌面上的那台 Mac，本身就是一台 AI 超级计算机。

Apple Silicon 的 GPU 性能被严重低估了。M2/M3/M4 系列芯片，配合苹果的 MLX 框架，能在本地流畅运行 27B 级别的大模型。什么意思？就是跟 Claude、GPT-4o 同一量级的模型，直接跑在你自己的 Mac 上。

完全免费、完全离线、完全私密。你的数据不用离开本机，你的想法不用经过任何第三方的服务器。

但之前的问题是——本地大模型只能打开个网页窗口聊天。它没有 Agent 能力，不能读写文件，不能自主行动。 一头被困在笼子里的猛兽。

三者组合 = 核弹级效果

Free_Local_Claude_for_Mac_page7_img1.png

现在，把这三样东西拼在一起：

Obsidian（你的知识库） ←→ Claudian（Agent 引擎） ←→ oMLX（本地大模型）
  • Obsidian 提供上下文——你的所有笔记、知识图谱、双向链接
  • Claudian 提供行动力——Claude Code 的 Agent 引擎，能读文件、写文件、执行多步任务
  • oMLX 提供大脑——本地运行的 27B 大模型，免费、离线、无限调用

三者缺一不可。

单有 Obsidian + 本地模型，只能聊天，没有 Agent 能力。
单有 Obsidian + Claude Code，有 Agent 但要用云端 API，贵还要翻墙。
单有 Claude Code + 本地模型，能干活但没有知识库上下文。

三者组合在一起，才是真正的"私人 AI 助理"——读得懂你的笔记，干得了活，还免费。

二、搭建流程：三个部件，逐一就位

说实话，整个搭建过程比我预期的简单太多。下面按顺序走。

Free_Local_Claude_for_Mac_page8_img1.png

部件 1：Obsidian

如果你还没装 Obsidian，去官网下载就行，Mac/Windows/Linux 全平台支持，免费用。

obsidian.md

这一步应该没人卡住。你已经看到这篇文章了，大概率已经有了。

部件 2：oMLX —— 唤醒 Mac 的沉睡算力

oMLX 是基于苹果 MLX 框架的本地大模型推理服务器。一句话总结：苹果官方框架 + OpenAI 兼容接口 + 一键启动。

安装就两条命令：

pip install omlx
omlx serve

启动后，浏览器打开 http://localhost:8000，看到模型列表和管理后台，就成功了。

关键提示：

  • 24GB+ 内存的 Mac，推荐跑 27B 量化模型（如 Qwen3.6-27B-4bit），能力接近 GPT-4o
  • 16GB 内存，跑 7B-14B 模型，日常够用
  • 8GB 内存及以下，建议直接看第三方 API 方案，本地跑体验较差

不知道怎么选模型？可以参考我之前写的《2026 本地大模型横评：Qwen 3.5、Gemma 4、GLM-5.1》，帮你理清各型号的差异。

首次启动会自动下载模型（约 14GB），下载完就存在本机了，以后不占网络。

除了 oMLX，Ollama、LM Studio、llama.cpp 等部署工具怎么选？我之前写过一篇《本地部署 AI 大模型横评》，从 10 个维度做了对比，可以帮你找到最适合自己的方案。

部件 3：Claudian —— 把 Claude Code 塞进 Obsidian

Claudian 是 Claude Code 的 Obsidian 嵌入式版本。装上它，你的 Obsidian 就拥有了 Claude Code 的全部 Agent 能力。

但它还没上架 Obsidian 官方插件市场，需要通过一个叫 BRAT 的工具安装：

第 1 步：Obsidian 设置 → 社区插件 → 浏览 → 搜索 "BRAT" → 安装并启用

第 2 步：进入 BRAT 设置 → 点击 "Add beta plugin" → 输入插件 ID github.com/YishenTu/cl… → 点击 Add plugin

第 3 步：返回社区插件列表 → 找到 Claudian → 启用

搞定。左侧边栏会出现 Claudian 的面板图标。

整个过程大概 3 分钟。

三、关键一步：把它们连起来

Free_Local_Claude_for_Mac_page9_img1.png

三个部件都就位了，现在要做最后一件事——让 Claudian 通过本地大模型跑起来。

这里有一个关键的技术细节，直接决定了你的体验是天壤之别。

为什么不能直接连？

oMLX 提供的是 OpenAI 格式 的 API 接口。
Claudian 的 Agent 引擎期望的是 Anthropic Claude 格式 的 API 接口。

两者看起来都是 JSON，但内部结构完全不同——尤其是 工具调用（tool calling） 的格式，差异更大。

如果你直接把 Claudian 连到 oMLX 的 8000 端口，聊天功能能用，但 Agent 的工具调用会出问题。 也就是说，Claudian 最核心的"自主行动"能力会被削弱。

解决方案：一个 126 行的代理

我的方案是部署一个轻量代理（Node.js 写的，总共 126 行代码），夹在 Claudian 和 oMLX 之间：

Claudian ──→ 代理(port 4003) ──→ oMLX(port 8000)
  ↑ Claude 格式         ↑ 格式翻译        ↑ OpenAI 格式

代理做的事情很简单：

  1. 接收 Claudian 的 Claude 格式请求
  2. 翻译成 OpenAI 格式，转发给 oMLX
  3. 把 oMLX 的响应翻译回 Claude 格式，返回给 Claudian

Claudian 完全不知道自己用的是本地模型。 它以为自己在跟 Anthropic 的服务器通信，行为跟原生 Claude 完全一致。Agent 的所有功能——读写文件、工具调用、多步推理——全部正常工作。

核心配置

Vault 根目录下创建一个 .env.local 文件：

ANTHROPIC_BASE_URL=http://127.0.0.1:4003
ANTHROPIC_API_KEY=你的oMLX密钥

然后在 Claudian 设置里选择 claude provider，模型选 haiku。

对，就两行配置。

一键启动

oMLX 和代理可以整合成一个启动脚本，核心逻辑如下：

# 启动 oMLX 大模型服务
nohup omlx serve --model-dir ~/omlx-models --port 8000 &

# 启动格式代理
nohup env OMLX_PROXY_PORT=4003 OMLX_API_KEY=你的密钥 \
  node omlx_anthropic_proxy.mjs &

echo "✅ oMLX + Claude 代理已就绪"

双击运行，两个服务自动在后台启动。日常使用完全无感。

完整的安装教程和两套方案的详细对比，我已经整理成了一篇完整文档，文章末尾会放链接。

四、装完之后，你能干什么？

这才是重头戏。

场景 1：让 AI 读你的笔记

Free_Local_Claude_for_Mac_page10_img1.png

在 Claudian 的对话框里输入 @，可以引用你 Vault 里的任何笔记。

"参考 @2026年Q1复盘 这篇笔记，帮我写一份 Q2 的计划。"

AI 会真正去读取那篇笔记的内容，基于你的实际数据来写计划。不是泛泛而谈，而是基于你的知识输出。

这是普通聊天插件做不到的——它们看不到你的笔记。

场景 2：让 AI 帮你写笔记

"帮我写一篇关于 Obsidian 插件开发的笔记，参考我之前写过的 @Codex教程 那篇的风格。"

AI 会读取参考笔记，分析你的写作风格，然后直接生成一篇新笔记，自动保存到你的 Vault 里。 你只需要审核和微调。

场景 3：一句话，多步任务

"把我技术笔记文件夹里所有关于 Docker 的笔记找出来，提取要点，整理成一份学习路线图，存成新笔记。"

Agent 会自动执行以下步骤：

  1. 扫描文件夹，找到所有相关笔记
  2. 逐篇阅读，提取核心要点
  3. 按逻辑组织成学习路线
  4. 创建新笔记文件，写入 Vault

你只需要说一句人话，剩下的全自动完成。

场景 4：永远在线的私人 AI

Free_Local_Claude_for_Mac_page11_img1.png

飞机上、地铁里、信号差的酒店、断网的山里——你的 AI 助理永不掉线。

不需要网络，不需要 API 额度，不需要翻墙。你的 Mac 在，你的 AI 就在。

我第一次在飞机上用这个组合写笔记的时候，旁边座位的人凑过来问："你没开飞行模式吗？这都能联网？"

我说："不需要联网。"

他看了我五分钟。

如果你想打造更完整的离线 AI 全家桶——聊天、生图、知识库全部本地运行，可以参考我之前写的《2026 本地 AI 末日堡垒：llama.cpp + ComfyUI + OpenWebUI 多模态全家桶》。

场景 5：隐私 100% 安全

你的笔记里可能有商业计划、可能有客户信息、可能有你还没准备好公开的想法。

用云端 API 的时候，这些数据会经过第三方的服务器。不管对方说什么"我们不保存数据"，数据离开了你的设备，你就失去了控制权。

本地方案下，你的笔记、你的对话、你的想法，全部在本地完成。不经过任何外部服务器，不产生任何网络请求。

这不是"更安全"，这是根本不存在隐私风险。

五、算一笔账

Free_Local_Claude_for_Mac_page12_img1.png

项目传统方案本地方案
AI 订阅费$200/月（≈1400 元）0 元
网络工具必需（额外成本）不需要
年费用≈16,800 元0 元
隐私风险数据过云端100% 本地
离线可用不行随时可用
硬件成本任意设备Mac（已购，沉没成本）

一年省 1.68 万。还更安全、更自由、永不掉线。

而且你用来跑这套组合的 Mac，本来就是你要买的。这不是额外成本，这是让已有的硬件发挥最大价值。

六、说几句大实话

Free_Local_Claude_for_Mac_page13_img1.png

本地 27B 量化模型的能力，大约相当于云端 GPT-4o 的 80-85% 。

日常写笔记、整理知识、辅助创作、读写文件——完全够用，体验丝滑。

差距主要体现在：

  • 极其复杂的逻辑推理，本地模型偶尔会"跑偏"
  • 超长上下文（10 万 token 以上），本地模型的注意力会下降
  • 某些垂直领域的专业知识，云端旗舰模型确实更深

但反过来想：85% 的能力，0 元/月，vs 100% 的能力，1400 元/月。

对于知识管理这个场景，85% 就是 100%。你不需要让 AI 帮你设计火箭发动机，你需要的是它能读懂你的笔记、帮你整理思路、写出像样的初稿。这件事，本地 27B 模型做得非常好。

而且它是免费的。你可以无限试用，写废了重来，不心疼。

没有 Mac？没关系。我之前写过一篇《3000 元老电脑跑起 35B 大模型》，3000 块的二手 Windows 电脑也能流畅跑 35B 模型，效果不差。

最后说两句

Free_Local_Claude_for_Mac_page14_img1.png

2026 年了，我们终于到了一个节点：每个人都能拥有属于自己的私人 AI 助理。

不需要等 OpenAI 降价。
不需要等国内出平替。
不需要把数据交给第三方。

你需要的算力，早就在你桌上了。

Obsidian 给了你一个知识管理的容器。
Claude Code 给了一个能自主行动的 Agent 引擎。
本地大模型给了一个免费、离线、私密的大脑。

三者组合在一起，就是 2026 年最强的个人 AI 工作流。

自由、免费、私密。还要什么自行车？

你在用什么设备跑本地大模型？Mac 还是 Windows？配置过程中遇到什么问题？欢迎在评论区留言交流。

如果觉得这篇文章帮到了你，欢迎点赞 + 关注，后续会持续更新这套组合的进阶玩法。

avatar
文章
阅读
粉丝