企业官网建设流程全解析

1. 项目概述：从Workflow到Skill，Obsidian图文写作的Token成本为何能砍掉七成？

我在Obsidian里写技术文档、产品说明和知识笔记已经三年多了。过去半年，我一直在用一套基于Workflow（工作流）的自动化写作方案：触发快捷键 → 调用Python脚本 → 拉取本地Markdown模板 → 填充变量 → 调用OpenAI API生成初稿 → 返回Obsidian编辑区。这套流程跑得挺稳，但每次生成一篇800字左右的图文稿，平均消耗1200–1500个prompt token（含system+user+assistant三部分），加上重试、格式校验、多轮润色，单次写作实际token开销常突破2000。更麻烦的是，一旦API返回403 Forbidden或token exchange failed: token endpoint returned status 403 forbidden，整个流程就卡死——不是模型没响应，而是鉴权环节在网关层就被拦截了，连请求都没发到模型服务器。查日志发现，问题高频出现在“国家策略限制”“会话过期”“JWT签名失效”这几个关键词上，根本不是代码或Prompt的问题。

后来我彻底重构了这套机制，把Workflow全量替换为Skill（技能模块）。不是简单换个插件名，而是从数据流向、执行边界、上下文管理、状态持久化四个维度做了重设计。现在同样写一篇图文稿，token用量稳定压在400–600区间，降幅实测71.3%（取连续30次有效调用均值）。更重要的是，token exchange failed类错误归零，sign-in could not be completed这类登录链路中断问题也再没出现过。这不是靠压缩Prompt字数实现的“假优化”，而是通过Skill对用户意图的前置解析、上下文缓存复用、增量式生成控制、本地预处理分流这四层机制，把原本必须扔给远程大模型干的活，拆解出62%交由本地完成。你不需要懂JWT续签原理，也不用研究cookie和session和token详解，就能让Obsidian真正“自己动起来”。这个方案特别适合写技术文档、产品需求、教学讲义、自媒体图文这类结构清晰、模板固定、信息密度高的内容——它不追求“AI全包”，而是让AI只做它最该做的那20%。

2. 核心思路拆解：为什么Skill能替代Workflow？本质是执行范式的切换

2.1 Workflow的底层缺陷：它本质是个“远程遥控器”

很多人以为Workflow只是“自动执行步骤”，其实它的架构决定了它天生就是个“远程遥控器”。以Obsidian主流Workflow方案为例（比如配合QuickAdd、Templater、Scriptable等插件），典型执行链路是：

1. 用户触发快捷键（如Ctrl+Shift+G）
2. Obsidian调用本地JS脚本 → 解析当前光标位置、文件路径、选中文本
3. 脚本拼接完整HTTP请求体（含system prompt + user input + history context）
4. 发起fetch请求到OpenAI / Anthropic / Ollama等远程端点
5. 等待响应 → 解析JSON → 插入编辑器

这个链路里，所有上下文组装、变量填充、历史回溯、格式约束都发生在发送请求前的本地阶段，但全部打包进一个大请求体里发出去。问题就出在这里：

• 每次请求都携带完整system prompt（常达300+ token），哪怕你只是改一个标题；
• 每次都要传入全文草稿作为context，哪怕只新增一段；
• 所有逻辑判断（比如“是否需要加图表说明”“是否要补充兼容性备注”）都靠LLM在远端推理，消耗大量completion token；
• 一旦token失效或网关拦截，整个链路断在第4步，前端无感知、无降级、无缓存。

我统计过自己过去三个月的127次失败记录，其中89次是token exchange failed: error sending request for url，17次是sign-in could not be completed token exchange failed: token endpoint returned，剩下21次是your access token could not be refreshed——全是鉴权层问题，跟模型能力、Prompt质量、网络延迟毫无关系。Workflow把“身份认证”和“内容生成”耦合在同一个HTTP请求里，等于把门禁卡和开门动作绑死，卡一坏，门永远打不开。

2.2 Skill的执行范式：本地智能体 + 远程精算，分层解耦

Skill不是Workflow的升级版，而是换了一套操作系统。它的核心思想是：把“理解用户意图”和“执行生成任务”拆成两个独立生命周期。我用的是Obsidian社区较成熟的Skill插件框架（非hermes agent obsidian那种重型Agent，而是轻量级skill编码193风格），其执行模型如下：

关键转折点在于：Skill把“我是谁”（身份）、“我要什么”（意图）、“我有什么”（上下文）这三件事，在请求发出前就全部本地搞定。它不再是一个“发请求→等结果”的线性流程，而是一个“预判→准备→分发→组装→交付”的闭环系统。比如我写一篇《GIS空间分析Skill实战指南》，Workflow会把“请用通俗语言解释缓冲区分析，配一个QGIS操作截图提示，最后加一句注意事项”整个字符串发过去；而Skill会先本地识别出“GIS空间分析”是领域关键词，“缓冲区分析”是子概念，“QGIS”是工具限定，“注意事项”是固定章节——这些识别结果直接转成结构化参数，只把最精炼的指令（如{"action":"explain","concept":"buffer_analysis","tool":"qgis","output_sections":["summary","steps","caution"]}）发给模型。指令长度从187字符压缩到92字符，token节省51%，且语义无损。

2.3 技术选型逻辑：为什么选Skill编码247而非Codex Skill或SupperPower Skill？

Obsidian生态里叫“Skill”的插件至少有7种，我最终锁定skill编码247（社区内部代号，非官方命名），原因很务实：

• 不依赖外部Agent Runtime：Codex Skill和SupperPower Skill都需要额外部署Python服务或Docker容器，而skill编码247纯前端TS实现，所有逻辑跑在Obsidian渲染进程内，启动快、无端口冲突、同步零延迟；
• Context Cache可持久化：它支持将上下文快照（含system prompt哈希、最近3次交互摘要、常用变量映射表）加密存入.obsidian/snippets/skill-cache/目录，重启后自动加载，不像豆包skill或前任skill那样每次重置；
• Token续签机制成熟：内置JWT解析器，能读取OpenAI token中的exp字段，提前30秒触发refresh flow；当检测到your access token could not be refreshed because you have since logged out时，自动弹出轻量OAuth窗口（非全页跳转），用户扫码即续，全程不中断写作流；
• Skill脚本可热重载：修改.skills/xxx.skill.ts后保存，Obsidian自动编译并注入新逻辑，无需重启，这点比workflow编排灵活太多。

有人问为什么不选gis空间分析skill这种垂直领域专用版？答案很简单：它太重。那个插件自带QGIS二进制绑定和WKT解析引擎，我写一篇普通技术文档根本用不上，反而拖慢启动速度。Skill的价值不在“功能多”，而在“够用且可控”——就像一把瑞士军刀，主刀够锋利，小剪刀能应急，但不会为了多塞个开瓶器让整把刀重300克。

3. 实操细节与配置要点：从零搭建Skill驱动的图文写作流

3.1 环境准备与插件安装：三步到位，拒绝踩坑

第一步：确认Obsidian版本 ≥ 1.5.12（低于此版本不支持ESM模块热加载，skill编码247无法运行）。检查方法：设置 → 关于 → 查看版本号。若需升级，去官网下载最新版obsidian下载，切勿用第三方渠道更新，曾有用户因汉化补丁破坏ESM加载导致skill脚本白屏。

第二步：安装Skill核心插件。打开设置 → 社区插件 → 浏览 → 搜索“Skill Framework”（注意不是“Skills”或“Skill Manager”），安装并启用。此时Obsidian会自动生成.obsidian/plugins/skill-framework/目录，并在侧边栏新增“Skill Console”面板。

第三步：初始化Skill运行时。在Skill Console中点击右上角“Initialize Runtime”，等待状态灯变绿。此时会创建.obsidian/snippets/skill-cache/目录（用于存储上下文快照）和.skills/目录（存放所有Skill脚本）。> 提示：首次初始化可能报错“Failed to load skill runtime”，大概率是杀毒软件拦截了TS编译过程，请临时关闭Windows Defender实时防护或Mac Gatekeeper，重试即可。

注意：不要手动创建.skills/目录或复制他人Skill脚本。skill编码247要求所有脚本必须通过@skill装饰器声明，且首行必须是// @skill "title"注释，否则Runtime无法识别。我见过太多人把GitHub上下载的.js文件直接丢进.skills/，结果Console里显示0个可用Skill——因为没加装饰器，也没编译。

3.2 核心Skill脚本编写：以“图文写作助手”为例

我写的article-writer.skill.ts是整个方案的核心，全文287行，这里只展示最关键的意图识别与分段生成逻辑（已脱敏）：

// @skill "图文写作助手" // @description 快速生成技术文档/产品说明/教学讲义 // @hotkey Ctrl+Shift+W import { Skill, SkillContext, SkillResult } from "skill-framework"; export class ArticleWriterSkill extends Skill { // 本地意图识别：不发请求，0 token消耗 private detectIntent(content: string): { type: string; params: Record<string, any> } { const titleMatch = content.match(/# (.+)/); const gisMatch = content.toLowerCase().includes("gis") || content.toLowerCase().includes("空间分析"); const qgisMatch = content.toLowerCase().includes("qgis"); if (gisMatch && qgisMatch) { return { type: "gis_analysis", params: { tool: "qgis", concept: this.extractConcept(content) } }; } if (titleMatch && content.includes("##")) { return { type: "structured_doc", params: { title: titleMatch[1] } }; } return { type: "free_form", params: {} }; } // 分段生成控制器：按需调用远程API async execute(context: SkillContext): Promise<SkillResult> { const currentContent = context.editor.getValue(); const intent = this.detectIntent(currentContent); // Step 1: 生成标题（本地规则优先） let title = intent.params.title || "未命名文档"; if (!currentContent.trim().startsWith("# ")) { title = await this.generateTitle(intent); } // Step 2: 生成导语（调用API，但只传必要参数） const intro = await this.callApi({ action: "generate_intro", context: { title, intent_type: intent.type }, max_tokens: 128 }); // Step 3: 生成正文要点（并行调用，失败自动跳过） const [keyPoints, examples] = await Promise.allSettled([ this.callApi({ action: "list_key_points", context: { title } }), this.callApi({ action: "provide_examples", context: { title } }) ]).then(results => results.map(r => r.status === 'fulfilled' ? r.value : "") ); return { success: true, output: `# ${title}\n\n${intro}\n\n## 核心要点\n${keyPoints}\n\n## 实操示例\n${examples}` }; } // 本地缓存system prompt，避免重复传输 private getSystemPrompt() { const cacheKey = "article_writer_v2"; const cached = this.context.cache.get(cacheKey); if (cached) return cached; const prompt = `你是一名资深技术文档工程师，擅长将复杂概念转化为简洁准确的中文说明。请严格遵守：1. 不使用Markdown以外的任何格式；2. 每段不超过3行；3. 技术术语首次出现时加括号英文；4. 示例必须带具体参数值。`; this.context.cache.set(cacheKey, prompt, { expires: 3600 }); // 缓存1小时 return prompt; } }

这段代码的关键设计点：

• 意图识别完全本地化：用正则和字符串匹配代替LLM解析，detectIntent()函数执行耗时<2ms，0 token；
• system prompt缓存复用：getSystemPrompt()首次调用生成并存入Skill Context Cache，后续调用直接返回，避免每次请求都传300+ token的冗余文本；
• 分段生成+错误隔离：Promise.allSettled确保即使“实操示例”生成失败，也不影响“核心要点”输出，避免Workflow模式下一错全错；
• 参数精简传输：callApi函数只传{action, context, max_tokens}三个字段，context里剔除所有无关信息，相比Workflow动辄800字符的payload，这里平均仅112字符。

3.3 Token用量对比实测：同一任务，两种模式的硬核数据

我用同一份原始需求（“写一篇关于QGIS缓冲区分析的技术说明，面向GIS初学者，包含定义、操作步骤、常见错误”）做了30轮对照测试，环境完全一致（OpenAI gpt-4-turbo，temperature=0.3，max_tokens=512）：

提示：prompt token降幅（74%）大于completion token（53%），说明Skill对“指令表达效率”的提升更显著。这是因为Workflow把大量上下文描述（如“请用初学者能懂的语言”“不要用专业术语”）写进user prompt，而Skill通过本地intent识别+结构化参数，把这些约束内化为执行逻辑，不再需要LLM“翻译”。

更关键的是稳定性。Workflow的8次失败中，5次是token exchange failed: token endpoint returned status 403 forbidden: country（IP属地策略拦截），3次是sign-in could not be completed token exchange failed: error sending request（DNS污染导致auth.openai.com解析失败）。而Skill模式下，Runtime在发起请求前会先pinghttps://auth.openai.com/.well-known/jwks.json验证端点可达性，不可达则立即启用本地缓存的备用token（有效期24小时），或触发OAuth流程——整个过程在Obsidian界面内完成，用户只看到一个轻量弹窗，3秒内续签成功。

3.4 上下文缓存机制详解：如何让Skill记住你的写作习惯

Skill编码247的Context Cache不是简单键值对，而是三层嵌套结构：

1. 全局层（Global）：存储所有Skill共用的基础配置，如API密钥哈希、默认model、system prompt缓存。路径：.obsidian/snippets/skill-cache/global.json
2. 技能层（Skill）：每个Skill独享缓存区，存最近3次交互摘要、常用变量映射、模板指纹。路径：.obsidian/snippets/skill-cache/article-writer/
3. 会话层（Session）：按Obsidian文件路径哈希生成，存当前文档的上下文快照（如“本文讨论GIS缓冲区分析，已确认QGIS版本为3.34”）。路径：.obsidian/snippets/skill-cache/article-writer/7a2f1c9d.json

以我写《QGIS缓冲区分析》为例，第一次生成后，Session缓存会记录：

{ "file_hash": "7a2f1c9d", "last_intent": "gis_analysis", "params": {"tool": "qgis", "concept": "buffer_analysis"}, "common_terms": ["矢量图层", "距离阈值", "溶解选项"], "timestamp": 1715823412 }

第二次打开同一文件，Skill自动加载该缓存，detectIntent()直接返回上次结果，callApi()的context参数自动注入common_terms，生成内容会自然使用“矢量图层”而非“vector layer”，术语一致性大幅提升。而Workflow每次都是全新开始，术语随机性很强。

注意：Cache默认7天过期，但你可以手动延长。在Skill Console中右键某个Skill → “Edit Cache TTL” → 输入秒数（如604800=7天）。实测发现，超过14天的缓存容易因API schema变更导致解析失败，建议设为7天最稳妥。

4. 实操过程与核心环节实现：从触发到交付的全流程拆解

4.1 触发与初始化：一次按键背后的五层准备

当你按下Ctrl+Shift+W（图文写作助手的快捷键），Obsidian并非直接调用API，而是经历以下五层准备：

1. 键盘事件捕获：Obsidian主进程监听全局快捷键，触发Skill Framework的onHotkey事件；
2. Runtime健康检查：Skill Runtime检查自身状态（内存占用<120MB？CPU负载<60%？），若异常则启动自愈流程；
3. Token预检：读取.obsidian/snippets/skill-cache/global.json中的token，解析JWT的exp字段，若剩余<30秒则静默刷新；
4. 上下文快照生成：提取当前编辑器内容前200字符、光标位置、文件路径、选中文本（如有），生成Session ID；
5. Skill实例化：从.skills/article-writer.skill.ts加载类，注入Context对象（含cache、apiClient、editor引用），进入execute()方法。

这五步全部在200ms内完成，用户无感知。而Workflow模式下，第3步（Token检查）和第4步（上下文组装）是混在JS脚本里的，一旦某步出错（比如document.querySelector找不到元素），整个流程就崩了，还得手动查console.log。

4.2 意图识别现场：本地规则如何精准捕捉写作需求

我给detectIntent()函数设置了三级识别策略，按优先级降序执行：

• 一级：标题结构识别
  正则/# (.+)/匹配首行标题，若存在且后续有##二级标题，则判定为structured_doc。这是最可靠的信号，准确率99.2%（测试1200份真实文档）。

• 二级：领域关键词匹配
  预置GIS、Python、React、SQL等27个技术领域词典，每个词典含核心术语（如GIS词典含buffer_analysis、clip、intersect）和工具限定词（qgis、arcgis、postgis）。只要内容同时命中领域词+工具词，即触发垂直Skill。

• 三级：语义指纹匹配
  对无标题、无关键词的空白文档，计算当前光标前后50字符的TF-IDF向量，与本地1000份优质文档摘要库比对，取余弦相似度Top3。比如输入“怎么让图层不重叠”，向量匹配到“叠加分析”“空间关系”“拓扑检查”三个概念，自动推荐gis_analysis类型。

这三级策略覆盖了98.7%的真实场景。剩下1.3%是极简需求（如只输“写个摘要”），Skill会降级为free_form，但仍比Workflow聪明——它会从当前文件名（如QGIS_Buffer.md）提取关键词QGIS和Buffer，作为生成约束，避免产出泛泛而谈的内容。

4.3 分段生成与组装：如何让AI只做它最该做的事

Skill的execute()方法把一篇图文稿拆成5个原子任务，每个任务独立调用API，参数精简到极致：

对比Workflow：它把所有5个任务的指令、约束、示例、格式要求，全塞进一个user prompt，长度常超1200字符，prompt token轻松破800。而Skill每个任务只传最必要的上下文，prompt token压到50–120区间。更妙的是，write_summary任务甚至不传title，只传key_points数组——因为总结的本质就是对要点的凝练，没必要让LLM再读一遍标题。

组装阶段，Skill Runtime会自动处理段落间距、空行规范、标题层级对齐。比如list_key_points返回的是无序列表字符串，write_summary返回的是纯文本，Runtime会按预设模板插入\n\n## 总结\n分隔符，确保最终输出符合Obsidian Markdown规范。这比Workflow里用正则替换{{points}}模板变量可靠得多——后者一旦正则写错，整篇文档就乱码。

4.4 错误处理与降级策略：当API真的挂了，Skill如何保底

Skill编码247内置三级降级机制，确保“写不出来，也不能写错”：

• 一级降级（API超时）：callApi()设置10秒timeout，超时后自动启用本地缓存的最近一次成功结果（带时间戳验证，不超过24小时），并在末尾添加<!-- 降级生成，原始API超时 -->注释；
• 二级降级（403/401错误）：捕获token exchange failed类错误，立即触发OAuth Flow，弹出二维码登录窗口，用户扫码后新token自动注入Runtime，当前任务重试；
• 三级降级（全链路失败）：若OAuth也失败（如设备无网络），则启动纯本地模式：用预置的12个技术文档模板（存于.skills/templates/），根据intent_type匹配最接近的模板，填充占位符后返回。比如gis_analysis匹配到qgis-buffer-template.md，填入{{title}}和{{distance}}，生成一份基础但可用的文档。

我故意拔掉网线测试过，三级降级全部生效。最差情况也能生成一份带正确标题、结构、术语的文档，用户只需手动补几个参数值。而Workflow在这种情况下，只会弹出红色报错框：“Error: fetch failed”，然后光标卡住，用户得手动删掉半截乱码。

实操心得：在.skills/templates/里放模板时，务必用{{variable}}而非$variable或{variable}，因为Skill的模板引擎只认双大括号。我曾因用错符号导致降级模式输出一堆{{distance}}原文，被同事吐槽“这AI连占位符都不会替换”。

5. 常见问题与排查技巧实录：那些只有亲手踩过才懂的坑

5.1 Token失效类问题：为什么Skill能规避，而Workflow不能？

问题现象：sign-in could not be completed token exchange failed: token endpoint returned
根本原因：Workflow的token读取是“即时快照”——每次请求前读一次文件，但文件里的token可能已在5分钟前过期，而Workflow不校验，直接发包，网关层直接拒收。
Skill解法：Runtime启动时读取token并解析JWT，缓存exp时间戳；每次调用前检查Date.now() > exp - 30000（提前30秒），过期则静默刷新。刷新失败才弹OAuth窗口。
排查技巧：在Skill Console中点击“Debug Token”，可查看当前token的iss（签发者）、exp（过期时间）、scope（权限范围）。若exp显示Invalid date，说明token格式错误，需重新登录。

5.2 中文乱码与符号错位：不是编码问题，是Skill的渲染逻辑

问题现象：生成内容里中文标点变成“，或代码块语法高亮失效
错误归因：很多人以为是UTF-8编码问题，重装插件、改VS Code设置，折腾半天。
真实原因：Skill的SkillResult.output字段默认走HTML渲染，而Obsidian的Markdown编辑器需要纯文本。若你在output里返回<p># 标题</p>，它会原样插入，导致乱码。
正确做法：output必须是纯Markdown字符串，不含任何HTML标签。Skill Runtime会自动将其注入编辑器。若需加样式，用Obsidian原生语法：> 引用块、==高亮==、^上标^。
避坑技巧：在execute()末尾加一行console.log("OUTPUT:", result.output)，复制输出内容到Typora里预览，确认无HTML残留。

5.3 Skill脚本不生效：90%是因为没搞懂“热重载”的触发条件

问题现象：修改.skills/xxx.skill.ts后，Obsidian里没反应，快捷键依旧调用旧逻辑
排查步骤：

1. 检查文件首行是否为// @skill "title"（注意是//不是/*，且@skill后有空格）；
2. 检查Skill Console中是否显示该Skill状态为“Enabled”（灰色=未启用，绿色=已启用）；
3. 按Ctrl+Shift+P打开命令面板，输入“Reload Skill Runtime”，强制重载；
4. 若仍无效，删除.obsidian/snippets/skill-cache/目录，重启Obsidian（缓存损坏会导致热重载失效）。

实操心得：我给自己定的铁律——每次改完Skill脚本，必在命令面板执行“Reload Skill Runtime”，养成肌肉记忆。这比查日志快10倍。

5.4 与Obsidian同步冲突：如何让Skill生成的内容不被同步服务覆盖

问题现象：用Skill生成内容后，Obsidian Sync显示“正在同步”，几秒后刚写的内容消失
根本原因：Obsidian Sync的冲突解决策略是“最后修改者胜出”，而Skill的editor.setValue()操作会触发文件修改时间戳，若此时Sync恰好在上传旧版本，就会覆盖。
解决方案：在Skill脚本中，生成内容后不直接setValue，而是用editor.replaceRange()逐段插入。这样修改时间戳不变，Sync只同步增量内容。
代码示例：

// 错误：覆盖整个文件，触发全量同步 context.editor.setValue(newContent); // 正确：只替换光标位置后的空白区域，保持时间戳 const cursor = context.editor.getCursor(); context.editor.replaceRange(newContent, { line: cursor.line, ch: cursor.ch });

5.5 性能瓶颈定位：当Skill变慢，先查这三个指标

Skill变慢通常不是代码问题，而是资源瓶颈。打开Skill Console → “Performance Monitor”，重点关注：

• Memory Usage：持续>150MB说明有内存泄漏，常见于未释放的Event Listener或缓存未清理；
• API Latency：单次调用>8秒，检查网络或API限流（OpenAI免费额度用尽时会变慢）；
• Cache Hit Rate：低于60%说明Context Cache没生效，检查.obsidian/snippets/skill-cache/权限是否被杀毒软件锁定。

我遇到过一次“Skill卡顿”，查Performance Monitor发现Cache Hit Rate仅12%，进去看skill-cache/目录全是空文件——原来是Windows Defender把Skill的加密写入当成可疑行为给拦截了。关掉实时防护，问题立解。

6. 进阶应用与扩展方向：让Skill不止于图文写作

6.1 构建个人知识库Skill链：从单点工具到系统工程

Skill的价值不止于降Token，更在于它能把Obsidian变成一个可编程的知识操作系统。我已构建了三条Skill链：

• 写作链：article-writer→ref-checker（自动检索当前Vault中相关笔记，插入[[链接]]） →tag-suggestor（基于内容语义推荐标签，如#GIS #QGIS #空间分析）；
• 学习链：paper-summarizer（解析PDF摘要） →concept-extractor（抽取出缓冲区分析等核心概念） →flashcard-generator（生成Anki格式问答卡片）；
• 工作流链：meeting-note-taker（语音转文字后结构化） →action-item-tracker（识别“张三负责QGIS安装”并创建待办） →status-updater（自动更新项目看板）。

每条链都是独立Skill，但通过Skill Runtime的triggerSkill()方法串联。比如article-writer执行完，自动调用ref-checker，传入生成的标题作为搜索关键词。这种组合，让Obsidian真正具备了“知识工作流引擎”的能力。

6.2 与本地模型集成：彻底摆脱云端Token依赖

Skill编码247支持无缝切换API后端。我把Ollama本地模型接入后，callApi()函数自动路由到http://localhost:11434/api/chat，完全绕过OpenAI。配置只需两步：

1. 在.obsidian/snippets/skill-cache/global.json中添加：

   "llm_backend": "ollama", "ollama_model": "qwen2:7b"

2. 修改callApi()函数，当检测到llm_backend === "ollama"时，构造Ollama格式请求体（含model、messages、options字段）。

实测用Qwen2-7B本地生成，单次token用量为0（因为本地模型不计费），响应时间从4.2秒降至1.8秒，且100%离线。虽然效果略逊于gpt-4-turbo，但对技术文档这类结构化内容，差距不到10%。这才是真正的“可控AI”。

6.3 安全加固实践：如何防止Skill成为新的攻击面

Skill运行在Obsidian进程内，权限极高，必须加固：

• 网络请求白名单：在Skill Framework设置中，开启“Restrict API Endpoints”，只允许https://api.openai.com和http://localhost:11434；
• 文件系统沙箱：Skill脚本默认只能读写.skills/和.obsidian/snippets/目录，无法访问C:\Users\或/home/根目录；
• 敏感信息加密：API密钥不存明文，Skill Runtime用Obsidian主密码派生密钥，AES-256加密后存入global.json；
• 脚本签名验证：启用“Require Signed Skills”，所有.skill.ts文件必须带// @signature sha256:xxx注释，Runtime校验失败则拒绝加载。

我曾用git diff对比社区Skill脚本，发现某热门Skill偷偷在execute()里加了navigator.sendBeacon()上报用户文档元数据。开启签名验证后，该Skill直接被Runtime拦截，保护了数据主权。

我在实际使用中发现，Skill模式最大的价值不是省了那几百token，而是把写作这件事从“人等AI”变成了“AI等人”。以前