mirror of
https://github.com/jacobinwwey/obsidian-NotEMD.git
synced 2026-07-22 05:48:27 +00:00
eda64039cd
Add the README/UI locale matrix as the website documentation publishing source of truth, expand localized Docusaurus docs routes for every supported locale, and align GEO/Pages audits with the full multilingual route contract.
125 lines
7.5 KiB
Text
125 lines
7.5 KiB
Text
---
|
|
id: research
|
|
title: "البحث والبحث على الويب"
|
|
description: "دمج البحث على الويب في ملاحظاتك"
|
|
author:
|
|
'@id': 'https://jacobinwwey.github.io/obsidian-NotEMD/#person-jacobinwwey'
|
|
keywords: [research, web search, Tavily, DuckDuckGo, summarization]
|
|
concepts: [Web Research, Tavily, Search Integration, Summarization]
|
|
citations:
|
|
- title: Tavily API
|
|
url: https://tavily.com
|
|
- title: DuckDuckGo
|
|
url: https://duckduckgo.com
|
|
---
|
|
|
|
import TLDR from '@site/src/components/TLDR';
|
|
|
|
# البحث والبحث على الويب
|
|
|
|
<TLDR>
|
|
**Notemd يبحث على الويب ويُدخل نتائج ملخصة بواسطة LLM مباشرةً في ملاحظاتك.** Tavily API هو خادم البحث الأساسي؛ DuckDuckGo يعمل كخيار احتياطي بدون إعدادات. تُلخَّص النتائج مع اقتباسات المصادر وتُضاف تحت عنوان `## Research`. يدعم البحث في ملاحظة واحدة، والبحث في مجلدات جماعية، واختيار نموذج لخطوة التلخيص حسب المهمة.
|
|
|
|
هذا جزء من [Obsidian دليل إدارة المعرفة الذكية](/docs/pillar-ai-knowledge).
|
|
</TLDR>
|
|
|
|
## نظرة عامة
|
|
|
|
البحث هو أحد أقوى التكاملات في Notemd: فهو يربط بين القراءة والبحث والكتابة. بدلاً من الانتقال إلى المتصفح للبحث عن مصطلح غير مألوف، ما عليك سوى تمييزه وترك Notemd يقوم بالبحث والتلخيص وإضافة النتائج -- كل ذلك داخل خزانتك.
|
|
|
|
العملية قابلة للتكوين بالكامل. يمكنك اختيار مزود البحث، و LLM الذي يكتب الملخص، وما إذا كانت النتائج ستُضاف إلى الملاحظة النشطة أو تُكتب في ملفات منفصلة. يتيح الوضع الجماعي البحث في كل الملاحظات داخل مجلد بنقرة واحدة.
|
|
|
|
## كيف يعمل
|
|
|
|
### أنبوب البحث ثم التلخيص
|
|
|
|
```mermaid
|
|
graph LR
|
|
A[User Selection or Note] --> B[Extract Query]
|
|
B --> C{Tavily Available?}
|
|
C -->|Yes| D[Tavily API Search]
|
|
C -->|No| E[DuckDuckGo Fallback]
|
|
D --> F[Raw Search Results]
|
|
E --> F
|
|
F --> G[LLM Summarization]
|
|
G --> H[Formatted Summary + Citations]
|
|
H --> I[Append to Note]
|
|
```
|
|
|
|
1. **استخراج الاستعلامات** -- Notemd يستخرج مصطلحات البحث من اختيارك أو عنوان الملاحظة.
|
|
2. **البحث على الويب** -- يتم تجربة Tavily أولاً. إذا لم يتم تكوين مفتاح API، يتم استخدام DuckDuckGo تلقائياً (لا يُطلب مفتاح).
|
|
3. **تلخيص LLM** -- تُرسل نتائج البحث الخام إلى LLM المُعدّ، الذي ينتج ملخصاً موجزاً مع اقتباسات المصادر داخل النص.
|
|
4. **الإضافة** -- يتم إضافة الملخص المُنسق تحت عنوان `## Research` في الملاحظة النشطة.
|
|
|
|
### Tavily مقابل DuckDuckGo
|
|
|
|
| الجانب | Tavily | DuckDuckGo |
|
|
|--------|--------|------------|
|
|
| مفتاح API | مطلوب (هناك خطة مجانية متاحة) | غير مطلوب |
|
|
| جودة النتيجة | أعلى (مصمم خصيصًا للذكاء الاصطناعي) | كافية للاستعلامات العامة |
|
|
| قيود المعدل | طبقة مجانية وفيرة | خاضعة للتحكم في السرعة |
|
|
| التكوين | `tavilyApiKey` في الإعدادات | لا يوجد إعداد -- الانتقال التلقائي |
|
|
|
|
### أبحاث مجلد المجموعات
|
|
|
|
انقر بزر الماوس الأيمن على مجلد واختر **"Notemd: مجلد الأبحاث"**. يتم معالجة كل ملف `.md` في المجلد بشكل تسلسلي (أو بشكل متوازي حسب القدرة المحددة). تحصل كل ملاحظة على ملخص أبحاث خاص بها.
|
|
|
|
## التكوين
|
|
|
|
| الإعداد | افتراضي | التأثير |
|
|
|---------|---------|--------|
|
|
| `tavilyApiKey` | `''` | مفتاح Tavily API. عندما يكون فارغًا، يتم استخدام DuckDuckGo حصريًا. |
|
|
| `researchProvider` / `researchModel` | DeepSeek | LLM لكل مهمة لتلخيص نتائج البحث |
|
|
| `maxResearchContentTokens` | `4000` | ميزانية الرموز للمحتوى المرسل إلى LLM. يتم قطع الجزء الزائد. |
|
|
| `researchAppendToNote` | `true` | إضافة ملخص إلى الملاحظة الأصلية. إذا كان القيمة false، يتم إنشاء ملف منفصل. |
|
|
| `researchLanguage` | `'en'` | لغة الإخراج للأبحاث الملخصة |
|
|
|
|
### توصية النموذج لكل مهمة
|
|
|
|
تستفيد الأبحاث من نموذج يتعامل مع المحتوى متعدد اللغات ويُنتج نصوصًا مُنظّمة بشكل جيد. فكر فيما يلي:
|
|
|
|
- **DeepSeek** -- افتراضي، بسعر معقول، جودة عالية
|
|
- **GPT-4o** -- تلخيص ذو جودة أعلى، تكلفة أعلى
|
|
- **Gemini Flash** -- سريع ورخيص، مناسب للاستفسارات البسيطة
|
|
|
|
## مثال
|
|
|
|
أنت تقرأ ورقة بحثية حول *آليات انتباه الترانسفورمر* وتصادف مصطلحًا غير مألوف: *relative positional encoding*. بدلاً من ترك Obsidian:
|
|
|
|
1. قم بتمييز **"relative positional encoding"**
|
|
2. اضغط بزر الماوس الأيمن --> **"Notemd: Research and summarize"**
|
|
3. يقوم Notemd بالبحث على الويب، ويُلخّص أفضل النتائج، ثم يضيف:
|
|
|
|
```markdown
|
|
## Research
|
|
|
|
### Relative Positional Encoding
|
|
|
|
Relative positional encoding is a method used in transformer models
|
|
where positional information is expressed as relative distances between
|
|
tokens rather than absolute positions. Introduced by Shaw et al. (2018),
|
|
it improves generalization to unseen sequence lengths compared to
|
|
absolute encodings (Vaswani et al., 2017).
|
|
|
|
Sources:
|
|
- [Shaw et al., Self-Attention with Relative Position Representations (2018)](https://arxiv.org/abs/1803.02155)
|
|
- [Transformer Positional Encoding Overview](https://example.com/transformer-pos-enc)
|
|
```
|
|
|
|
أصبح الملخص الآن جزءًا من خزانتك، قابلاً للبحث، والربط، والوصول إليه دون اتصال بالإنترنت.
|
|
|
|
## نصائح
|
|
|
|
- **حدد مفتاح Tavily للحصول على أفضل نتائج** -- حتى النسخة المجانية توفر درجة أعلى من الدقة مقارنةً بـ DuckDuckGo الخام.
|
|
- **استخدم نموذج تلخيص قوي** -- قد تؤدي النماذج الرخيصة إلى تبسيط المحتوى التقني المعقّد.
|
|
- **قم بالبحث الجماعي** بعد القراءة الأولية لسد الفجوات في العديد من الملاحظات دفعة واحدة.
|
|
- **راجع الملخصات المضافة** -- قد تُختلق LLM تفاصيل المصادر. تحقق من الادعاءات الرئيسية.
|
|
|
|
---
|
|
|
|
## الخطوات التالية
|
|
|
|
- [Concept Notes](./concept-notes) -- استخراج وحفظ المصطلحات الرئيسية من نتائج البحث
|
|
- [Wiki-Links](./wiki-links) -- ربط المفاهيم المستمدة من البحث داخل خزانتك
|
|
- [Translation](./translation) -- ترجمة ملخصات البحث إلى لغة أخرى
|
|
- [مزودو LLM](/docs/providers/overview) -- تكوين النموذج المستخدم للتلخيص
|