NotEMD

采用判断：NotEMD 属于“粘合剂”型插件，它本身不提供 AI 能力，而是把 Obsidian 里的笔记文本交给用户自己配置的大语言模型（如 OpenAI GPT、Claude 等）进行处理。它解决的是知识库建设中“发现潜在关联并显式化”这一具体重复劳动。热度方面，GitHub 仓库在 2026 年 7 月前已获得 269 个星标和 15 个复刻，说明在 Obsidian 插件社区内有一定关注度，但目前仅来源于 GitHub 搜索片段，没有发现详细的第三方评测、深度教程或官方使用文档，讨论质量主要体现在星标和少量评论，无法证实其稳定性和处理复杂笔记的实际效果。

实际作用：插件让用户选中一段笔记文本或整个笔记，调用已配置的 LLM API 来识别其中的关键概念，自动创建指向这些概念的双向链接（wiki-link），并可选地生成对应的概念笔记（概念卡片），甚至可以进行简单的联网搜索补充信息。它把从阅读笔记到形成新的笔记结构这一流程自动化，减少手动打标签和建立链接的时间。一切输出都需要人工审核和修改，不能当作完全自动的合格成品。

门槛与成本：插件本体在 GitHub 上开源免费，但使用时必须自带所调用 LLM 的 API 密钥，因此使用成本完全取决于用户选择的模型和调用量。目前证据中没有任何官方定价信息，社区也未见公开分享稳定运行的成本参考，用户需自行评估 API 消耗。此外，使用者需要掌握在 Obsidian 中手动安装社区插件和配置环境变量的基本能力，对纯小白存在门槛。

适合谁/不适合谁：它适合已经有较大量日常笔记积累，正在手动建立链接结构，并愿意接入自有 API 的高级 Obsidian 用户。不适合希望“开箱即用”的免配置 AI 写作助手、完全依赖本地处理的笔记用户，也不适合对 API 调用成本敏感的新手。它经常被误解为内嵌 AI 的笔记软件，实质上更宜看作一个可自定义的“LLM 管道插件”，类似于让笔记仓库具备可编程的外部思考连接器。当前证据样本有限，无法对稳定性和大规模笔记下的性能做出判断，建议感兴趣的用户直接从 GitHub 仓库入手试用。