部署思路：插件在本地，模型服务放到服务器

Obsidian Copilot 是运行在 Obsidian 客户端里的 AI 笔记插件。它本身并不适合像普通网站那样，完整部署到无界面的 Linux 服务器。

更合理的方案是：Obsidian 仍安装在你的电脑上，Linux 服务器负责运行大模型服务或兼容接口。插件通过网络调用服务器上的模型。这样既能利用服务器的 CPU、内存或显卡资源，又能让笔记库继续保存在本地或你指定的同步目录中。

这类部署适合三种场景：

• 个人电脑配置较低，希望把推理压力交给服务器
• 团队内部希望共用一套 AI 笔记能力
• 希望在可控环境中使用本地模型，减少敏感笔记内容外发

注意： Copilot 读取的是 Obsidian 中的笔记上下文。部署前应明确哪些笔记允许进入 AI 上下文，避免把隐私资料、密钥、客户资料直接交给模型处理。

服务器环境准备

系统与硬件要求

建议使用 Ubuntu 22.04 或 Debian 12。CentOS Stream、Rocky Linux 也可以，但命令略有差异。

服务器最低建议2核4GB内存。只做轻量问答可运行小模型。如果要获得较好体验，建议8GB以上内存。若使用显卡推理，需要提前安装对应驱动，并确认系统能识别设备。

基础安装与安全设置

先更新系统并安装基础工具。Debian 或 Ubuntu 可执行：sudo apt update && sudo apt upgrade -y。随后安装：sudo apt install -y curl wget git ca-certificates ufw。

创建一个普通运行用户更安全，例如：sudo adduser aiuser。后续服务尽量不要长期使用 root 身份运行。

服务器时间也应保持准确，可安装并启用时间同步服务，避免接口证书、日志时间出现混乱。

安装 Ollama 并下载模型

安装 Ollama

对多数用户来说，Ollama 是部署本地模型最省事的选择。执行官方安装脚本：curl -fsSL https://ollama.com/install.sh | sh。

安装完成后查看服务状态：systemctl status ollama。如果未启动，可执行：sudo systemctl enable --now ollama。

下载模型

随后下载一个适合服务器配置的模型。例如轻量中文场景可从 7B 或 8B 级别模型开始：ollama pull qwen2.5:7b。如果内存不足，可以选更小模型；如果显存和内存充足，再考虑更大的模型。

下载完成后用命令测试：ollama run qwen2.5:7b。输入一句中文问题，能正常返回内容，说明基础推理可用。

配置监听地址

Ollama 默认监听本机地址，远程 Obsidian 无法直接访问。需要为服务设置监听地址。

创建或编辑 systemd 覆盖配置：sudo systemctl edit ollama。加入环境变量：[Service]与Environment="OLLAMA_HOST=0.0.0.0:11434"。保存后执行：sudo systemctl daemon-reload && sudo systemctl restart ollama。再用 ss -lntp | grep 11434 检查端口是否已监听。

访问控制与安全边界

防火墙限制

不要把 11434 端口直接暴露给所有公网来源。模型接口通常没有复杂的鉴权能力。一旦被他人随意调用，会占用服务器资源，也可能导致笔记内容流向不可控环境。

建议使用防火墙仅允许你的固定客户端地址访问。例如：sudo ufw allow from 你的客户端IP to any port 11434 proto tcp，然后启用：sudo ufw enable。

如果客户端地址经常变化，可考虑通过内网连接、堡垒机或带鉴权的反向入口来限制访问。

高级配置建议

如果必须提供给多人使用，建议在 Ollama 前增加 Nginx，并配置 HTTPS 和访问认证。这样可以避免明文传输，也方便记录访问日志。

无论采用哪种方式，都应建立基本规则：

• 不要让插件索引不该进入 AI 上下文的目录
• 不要把账号口令、访问令牌、合同原文等敏感内容放进提示词
• 团队共用时要明确日志保留周期和数据可见范围

Obsidian 端安装与配置 Copilot

安装插件

打开 Obsidian，进入“设置—第三方插件”。关闭安全模式后进入社区插件市场，搜索并安装 Obsidian Copilot。安装完成后启用插件，进入插件设置页。

不同版本的设置项名称可能略有变化，一般需要配置模型提供方、接口地址、模型名称和上下文范围。

配置连接

如果插件支持 Ollama 提供方，可直接选择 Ollama。Host 填写服务器地址，例如：http://服务器IP:11434。模型名填写刚才下载的 qwen2.5:7b。

如果使用兼容 OpenAI 格式的配置，可尝试接口地址填写：http://服务器IP:11434/v1。模型名仍填写 Ollama 中的模型名称。部分插件会要求 API Key，Ollama 场景下可填任意占位字符串，但不要填写真实重要密钥。

测试与验证

完成后在 Obsidian 中新建一篇测试笔记，写入几段普通文本。打开 Copilot 对话窗口，尝试提问“总结当前笔记的要点”。如果能返回内容，说明链路已通。

若希望插件基于整个库进行检索，需要在 Copilot 中开启 Vault 索引或相关 RAG 功能，并等待索引完成。大型笔记库首次索引会消耗较多时间，建议先用小目录测试，再逐步扩大范围。

后台运行与开机自启

使用 systemd 管理

通过安装脚本部署的 Ollama 通常已经使用 systemd 管理，适合长期后台运行。

常用命令包括：

• 查看状态：sudo systemctl status ollama
• 启动：sudo systemctl start ollama
• 停止：sudo systemctl stop ollama
• 重启：sudo systemctl restart ollama
• 设置开机自启：sudo systemctl enable ollama

日志排查

日志排查可使用：journalctl -u ollama -f。如果你还部署了 Nginx，也应检查对应服务状态：sudo systemctl status nginx。

不建议用临时终端命令长时间运行模型服务。断开 SSH 后容易中断。即使使用 tmux 或 screen，也更适合临时测试。正式环境应交给 systemd 管理。

常见问题排查

连接超时

先在电脑浏览器或终端访问 http://服务器IP:11434。若无法访问，检查云主机安全组、系统防火墙和 Ollama 监听地址。若只能在服务器本机访问，通常是 OLLAMA_HOST 未正确配置或服务未重启。

模型不存在

确认模型名称与 ollama list 显示完全一致，包括冒号后的版本标签。插件里不要随意填写简写名称，否则接口会返回找不到模型。

回复很慢或服务器卡顿

小内存服务器运行大模型容易频繁交换内存，体验会明显下降。可采取以下措施：

• 更换更小模型
• 减少上下文长度
• 关闭不必要的后台任务
• 升级服务器配置

多人共用时，还要限制并发，避免同一时间大量请求堆积。

中文回答质量不稳定

优先选择中文能力较好的模型。在 Copilot 系统提示词中写清楚输出语言、总结格式和引用要求。对于长笔记，建议先让插件总结单篇，再做跨文档整理，不要一次塞入过多无关内容。

升级、回滚与维护建议

升级与回滚

升级 Ollama 通常重新执行安装脚本即可。但生产环境不要在重要写作任务进行中升级。升级前记录当前版本：ollama --version，并记录正在使用的模型列表：ollama list。

若升级后出现异常，可暂时停止服务，检查日志。必要时重新安装旧版本或切换到备用服务器。

磁盘与配置维护

模型文件会占用较大磁盘空间。定期用 ollama list 查看已下载模型，不再使用的可执行 ollama rm 模型名 删除。服务器也应保留足够磁盘余量，避免日志和模型文件把系统盘写满。

团队环境建议为 AI 服务单独规划目录、备份配置文件。并记录端口、模型版本、插件版本和负责人，方便故障时快速定位。

实用配置建议

个人使用可从“单服务器 Ollama 加 Copilot 直连”开始，简单稳定，维护成本低。对稳定性要求更高时，再增加 Nginx、HTTPS、访问认证和监控。

笔记库较大时，不要一开始就让插件索引全部内容。可先建立一个“AI可读”文件夹，把允许分析的笔记放入其中，降低隐私风险和索引压力。

总体而言，这套部署的关键不是把 Obsidian 搬到服务器上，而是把 AI 推理能力服务化，再让 Copilot 按需调用。只要环境、端口、模型名称和访问范围配置正确，就能在 Linux 服务器上获得相对稳定的 AI 笔记辅助能力，同时保持数据边界清晰、运维方式可控。