
Встречаем Obsidian Copilot 2.7.0
Obsidian Copilot — это мощный инструмент, который помогает пользователям эффективно управлять своими заметками и информацией в них. Ранее я уже рассматривал его возможности в предыдущих статьях:
- Obsidian и нейросети
- Настройка Copilot в Obsidian
- Сценарии использования Obsidian Copilot
- Использование режимов QA в Obsidian Copilot
Однако совсем недавно Obsidian Copilot обновился до версии 2.7.0, которая привнесла множество изменений его функций и сценариев его работы. Вероятно мне придется обновить предыдущие статьи, или отметить в них те моменты, которые изменились в текущей версии плагина.
Ниже я постараюсь показать самые значительные функции Copilot и сценарии их применения, поэтому статья обещает быть длинной.
Вот ее краткое содержание, точнее самые важные части статьи:
- Зачем нужен Copilot в Obsidian
- Основные режимы работы Copilot
- Сценарии использования Copilot
- Поиск смысловых связей в заметках
- Работа с текстом заметки
- Обработка данных
Назначение и применение Obsidian Copilot
Obsiaian Copilot — это ваш помощник при работе с заметками на основе искусственного интеллекта. Копилот может работать практически с любыми моделями нейросетей (ChatGPT, Claude 3.5 Sonnet, Google Gemini и множество других), и точно также Copilot может использовать локальные модели, работающие прямо у вас на компьютере, например, LLAMA3.2, Gemma2.5, mistral-nemo и другие. Если Копилот настроен на использование локальных моделей, никакая информация в интернет не передается, всё происходит исключительно на вашем компьютере, но это может требовать определенных вычислительных ресурсов и, как правило, работает медленнее, чем облачные модели.
Более подробно о настройке можно почитать в статье — Настройка Copilot в Obsidian.
Но Copilot это не просто встроенный интерфейс чата с нейросетью в Obsidian, это инструмент со значительно большим набором функций. Copilot — это прежде всего тесная интеграция с Obsidian и, самое главное, тесная интеграция с самим процессом написания и работы с заметками. Я постараюсь показать этот важный момент в статье несколько подробно, насколько смогу.
Итак, Obsidian Copilot — мощный, умный помощник, который упрощает и расширяет работу с заметками в Obsidian. И это его главное назначение.
Режимы работы Copilot
В новой версии плагина режимы несколько изменились. Их по-прежнему три, но они другие:
- Чат
- Vault QA (базовый)
- Copilot Plus
Режим Long Note QA упразднён в этой версии, но все его функции всё равно доступны в режиме Vault QA, просто с помощью небольшого трюка, который я сейчас покажу.
Более подробно о режимах QA с подробными объяснениями можно прочитать в статье Использование режимов QA в Obsidian Copilot, здесь лишь кратко отметим важные моменты:
Режим чата — это самый простой режим работы. Ваши запросы и, возможно, выбранные вами заметки отправляются в нейросеть и вы получаете ответ, который можете сохранить в виде отдельной заметки или просто его вставить в текущую заметку, или скопировать и использовать где угодно.
Режим Vault QA — большее сложный. Он использует механизм RAG (Retrieval Augmented Generation), который базируется на эмбеддингах. Для того, чтобы Copilot работал в этом режиме, сначала необходимо настроить расчет эмбеддингов, затем нужно разово просканировать все без исключения заметки в вашем Obsidian и посчитать для них эмбеддинги (или векторы), то есть некое цифровое представление фрагментов текста из всех ваших заметок. Все эмбеддинги (векторы) рассчитываются с помощью специальной модели нейросети (работает локально, ничего в интернет не передается) и хранятся исключительно локально. При запросе в режиме QA Copilot на основании посчитанных эмбеддингов выбирает несколько наиболее близких по смыслу фрагментов заметок и отправляет их нейросети вместе с вашим запросом. Это позволяет спрашивать нейросеть о любой информации, которая есть в ваших заметках, не выгружая заметки целиком.
Фактически это диалог с вашей картотекой. Очень важно понять, что это не обучение модели на ваших данных, это просто использование некоторых выбранных смысловых фрагментов из ваших заметок в запросе к нейросети.
Режим Vault QA потрясающий по возможностям, но у него есть ряд ограничений, о которых надо помнить.
Во первых, в режиме Vailt QA Coplot использует НЕ ВСЮ найденную информацию (фрагменты ваших заметок наиболее близкие по смыслу к запросу), а лишь ее небольшую часть. Это устанавливается параметром Max Sources
в настройках плагина и по умолчанию равно 3. То есть использовать информацию не более чем из трех выбранных заметок. Бессмысленно спрашивать «Перечисли даты, когда я получал премии в прошлом году«, нейросеть не получит полной информации из ваших заметок и не сможет правильно ответить.
Сам автор об этом прямо пишет в сообщении, которое появляется при переключении режима:
Обратите внимание, что система вопросов и ответов QA работает на основе извлечения информации RAG. Мы рекомендуем задавать конкретные вопросы. Для общих вопросов, таких как «дай мне резюме» или «проведи мозговой штурм на основе содержания», более подходящим выбором будет режим чата с прямым упоминанием `[[название заметки]]`.
К тому же режим Vault QA требует некоторого времени для предварительных расчетов перед каждым запросом и он работает медленнее, чем обычный чат.
Во-вторых, качество работы режима Vault QA и качество ответов напрямую зависят от:
- Качества используемой вами модели для расчета эмбеддингов (спойлер для тех, кому лень читать указанные выше статьи — используйте модель
bge-m3
); - Полноты информации в ваших заметках. Чем полнее и понятнее написаны ваши заметки, тем лучше. Структура хранилища и связи заметок роли практически не играют (точнее играют, но не первостепенную роль. Я эту тему как-нибудь раскрою отдельной статьей).
Здесь очень важно отметить: при индексации и расчете эмбеддингов никакие запросы Dataview, Tasks и т.п. НЕ ВЫПОЛНЯЮТСЯ, а рассматриваются просто как текст!
В третьих, режим Long Note QA упразднён. Отличие этого режима от Vault QA было в том, что он использовал эмбеддинги (фрагменты текста) только из текущей заметки, а не из всего хранилища. Этот режим предназначался для ответов на вопросы по содержанию очень большой заметки. Важно, если объем заметки меньше размера контекстного окна выбранной вами модели, этот режим бесполезен. Например, у GPT-4o-mini
размер контекстного окна 128 тысяч токенов. То есть, заметки объемом менее примерно 60 тысяч слов (!) можно просто целиком грузить в контекст, что будет и быстрее и лучше.
Но если заметка по объему больше этого значения, режим Long Note QA здорово помогал. Несмотря на то, что его упразднили, его очень легко включить. Для этого переключитесь в режим Vault QA и в запросе явно укажите заметку, набирая [[. И всё! Если вы явно укажите заметку в режиме Vault QA, то Copilot будет использовать эмбеддинги только этой заметки.
В четвертых нужно помнить, чтобы режим Vault QA работал вообще, требуется сначала проиндексировать всё хранилище Obsidian, а потом регулярно индексировать изменения. Полная переиндексация выполняется командой «Copilot: Foce re-index vault for QA» и может занимать значительное время, например, у меня это занимает около 5 часов для примерно 5000 заметок. Индексация изменений выполняется намного быстрее, несколько секунд, реже минут и запускается командой «Copilot: Index (refresh) vault for QA». Но это надо делать регулярно.
Вообще это настраивается режимом Auto-index vault strategy в настройках плагина. Автор рекомендует поставить значение ON MODE SWITCH, но это несколько замедляет переключение режимов Copilot, поэтому я предпочел поставить NEVER и регулярно выполняю переиндексацию измененных заметок руками, примерно раз в день/два.
И наконец, анонсирован новый режим Copilot Plus. Но он пока в альфа-версии и доступен только некоторым пользователям, которые спонсируют проект Копилота. В описании на Github есть небольшое видео, демонстрирующее работу этого режима, но я решил дождаться его общедоступной версии, поэтому сейчас пока ничего не могу рассказать об этом режиме.
Сценарии использования Copilot
Для меня Copilot стал если не основной, то очень часто используемой функцией Obsidian при ежедневой работе с заметками. Наиболее частные действия и команды я давно вынес на горячие клавиши и активно ими пользуюсь. Надо отметить, что число команд в новой версии Copilot увеличилось, но не следует сразу их все назначать на горячие клавиши — запутаетесь. Советую вызывать команды стандартно, через Ctrl + P
и просто писать ключевое слово команды, как будет показано ниже. И только самые часто используемые назначать на горячие клавиши.
Сценариев использования Obsidian Copilot очень много! Это и большие сценарии, которые могут поменять все заметку (например, корректура текста и стиля), и сценарии анализа заметки (например, создание плана действий и задач по тексту запроса заказчика) и короткие сценарии (перевод на другие языки, подбор синонимов, быстрая обработка части текста заметки). Некоторые сценарии я описывал и показывал ранее, в предыдущих статьях (ссылки в самом начале), некоторые покажу здесь ниже. Но важно помнить, что это лишь небольшая их часть. Возможности ИИ и Copilot намного шире и глубже. Я и по сей день открываю для себя всё новые и новые сценарии и каждый раз удивляюсь «А что, так можно было?«.
Генеративные сценарии
Это создание нового контента, новых заметок, новых идей. Конечно, при лобовом подходе типа «Напиши мне статью на тему Использование ИИ в обучении» вы получите достаточно черновой, необработанный материал, далеко не всегда пригодный к публикации. Но его дальнейшая обработка даст вам достаточно качественный материал.
Я часто использую генеративные сценарии в следующих случаях:
- Создание плана статьи, публикации, лекции, доклада и т.п. Сами статьи я всё же пишу сам;
- Задачи связанные с маркетингом (анализ ЦА, концепции и коррекции стратегии и т.п.);
- Письма и ответы на запросы клиентов (у меня прямо промпт есть, который описывает требуемый корпоративный стиль такого текста);
- Генерация отчетов по выполненным задачам, активностям в проектах и т.п. В свое время это было для меня открытием. Я часто конспектирую подробности решения и хронологию задач в проектах (о! это отдельная тема Obsidian!) и нашел, что если при закрытии очередной задачи написать клиенту развернутый отчет по ней, то это крайне положительно сказывается на дальнейшей работе. Теперь я очень часто именно так и делаю.
Вот несколько примеров использования генеративных сценариев в обучении. Я регулярно читаю лекции в ряде образовательных заведений и пришел к выводу, что очень удобно делать не просто план лекции, презентации и доп. материалы (вопросы для самопроверки, задания для выполнения) с помощью Copilot, но и писать развернутые конспекты этой лекции с глоссарием (списком ключевых моментов и их объяснением) и после лекции отдавать их студентам. Как оказалось, это очень эффективно сказывается на обучении.
По поводу презентаций для выступлений, докладов и лекций. Я сейчас на спор могу сделать презентацию в PowerPoint для 4-часовой лекции (две академические пары), оформленную в корпоративном стиле учебного заведения минут этак за пятнадцать-двадцать. И это всё в Obsidian Copilot. Вот последовательность действий для этого:
- Создается план выступления, доклада, лекции (промпт простой, главное обязательно указать основные тезисы выступления) и сохраняется как заметка;
- Обязательная корректура этого плана вручную (что-то меняется местами, что-то удаляется, что-то дописывается);
- Создается презентация в формате Obsidian Slides на основе полученного плана (промпт прямо такой и есть: «Создай презентацию Obsidian Slides на основе плана в заметке такой-то«);
- Обязательная корректура презентации вручную и ее тестовый прогон для себя чтобы посмотреть как слайды будут смотреться;
- Экспорт полученной презентации в формат PowerPoint (одна команда Export to PowerPoint, плагин Pandoc);
- Коррекция шаблона (мастер-слайды) полученной презентации PowerPoint для придания ей нужного корпоративного стиля.
Всё! Можно идти и выступать.
Поиск связанных заметок
Это очень нужная и интересная задача. У меня в Obsidian большое число материалов и при добавлении новой заметки часто бывает необходимо связать по смыслу с существующими записями.
Вообще для этого есть плагин Smart Connections, но по ряду причин я от него отказался. Не оправдал он моих ожиданий. Ранее я для нахождения семантической (смысловой) связи использовал Vault QA, но с переменным успехом: иногда это получалось найти с первого раза, иногда приходилось делать несколько запросов.
И вот в новой версии Obsidian Copilot эта функция появилась! Поиск связанных заметок использует уже существующее векторное хранилище (эмбеддинги) Copilot, но в отличие от Vault QA число найденных фрагментов текста из ваших заметок не ограничивается.
Вот как это работает. Например, я ранее сохранил какую-то цитату или мысль в накопитель. Позже, занимаясь разгребанием накопителя, я возвращаюсь к этой заметке и выполняю следующие шаги:
- Максимально подробно и понятно для себя и своими словами описываю сохраненную цитату или мысль (помним о самодостаточности заметки в Zettelkasten);
- Индексирую изменения хранилища (
Ctrl + P
, «Index (Refresh) vault for QA»). Если вы делаете это регулярно, но это быстро — несколько секунд; - Выполняю команду
Ctrl + P
, «Copilot: Find similar notes to active note» (достаточно набрать «simil», я вообще эту команду на горячую клавишу повесил); - Через секунду-другую вы получите результат, как показано ниже;
- Изучаем его и при необходимости ставим ссылки на найденные заметки. Обращайте внимание на параметр Scope — это степень смысловой похожести.

Обратите внимание, одна и та же заметка дублируется несколько раз. Это связано с тем, что Copilot нашел похожие чанки (фрагменты текста из заметок) и в одной заметке может быть несколько похожих по смыслу чанков.
Уже второй день с момента выхода новой версии Copilot играюсь с этим режимом и могу сказать, что он находит заметки и фрагменты намного качественнее, чем тот же плагин Smart Connections. Это связано с тем, что Copilot использует заведомо более мощную и качественную модель эмбеддингов (в моем случае bge-m3
), нежели Smart Connections из коробки.
Работа с текстом заметки
Работа с текстом текущей заметки или выделенным текстом была возможна в Copilot и ранее, через настраиваемые промпты. Но в новой версии автор расширил число готовых предустановленных команд и это оказалось весьма удобным. Рассмотрим часть их них.
Перевод на разные языки
Это команда «Copilot: Translate selection». Как пользоваться:
- Откройте окно чата с Copilot и убедитесь, что выбран режим чата, а не Vault QA.
- Выделите любой фрагмент текста;
- Нажмите
Ctrl + P
, введитеtransl
и выберите команду; - Выберите язык из списка, введя одну-две буквы;
- Вставьте полученный текст в заметку.
Вот пример перевода предыдущего абзаца:
Working with the text of the current note or selected text was possible in Copilot before, through customizable prompts. However, in the new version, the author has expanded the number of ready-made preset commands, and this has proven to be quite convenient. Let’s take a look at some of them.
Упрощение и объяснение текста
Это команды «Copilot: Simplify selection» и «Copilot: Explain selection like a’m 5». Последовательность действий такая же как и в предыдущей команде.
Давайте попробуем на тексте:
**RAG (Retrieval Augmented Generation)** — это подход, который использует текстовые подсказки из существующих документов или других данных для генерации ответов. Метод применяет векторные эмбеддинги для поиска наиболее релевантной информации, которая затем используется для генерации ответов на запросы.
Упрощаем этот текст:
**RAG (Улучшенная генерация с помощью поиска)** — это способ, который использует текстовые подсказки из уже существующих документов или данных, чтобы создавать ответы. Этот метод ищет самую подходящую информацию и использует её, чтобы отвечать на вопросы.
Объясняем этот текст пятилетнему ребенку:
**RAG (Улучшенная генерация с помощью поиска)** — это как волшебная книга, которая помогает находить нужные слова из других книг, чтобы отвечать на вопросы. Она ищет самые подходящие слова и использует их, чтобы дать правильный ответ.
Ну что ж, вполне себе неплохо.
Сокращение и увеличение объема текста
Это команды «Copilot: Make selection shorly» и «Copilot: Make selection longer». Последовательность действий точно такая же, как и предыдущих сценариях.
Попробуем сократить абзац из этой статьи выше о Smart Connctions:
Для этого есть плагин Smart Connections, но я от него отказался, так как он не оправдал ожиданий. Ранее я использовал Vault QA для нахождения семантической связи, но с переменным успехом: иногда удавалось найти с первого раза, иногда требовалось несколько запросов.
А теперь увеличим первый абзац этого раздела:
Это команды, которые называются «Copilot: Make selection shortly» и «Copilot: Make selection longer». Первая команда предназначена для того, чтобы сделать выбранный текст более кратким и сжато изложить его суть. Вторая команда, наоборот, помогает расширить выбранный текст, добавляя к нему больше деталей и информации. Последовательность действий для использования этих команд остается точно такой же, как и в предыдущих сценариях, что делает их применение простым и понятным для пользователей. Вы просто выбираете текст, а затем выбираете одну из этих команд, чтобы получить желаемый результат.
Очень удобно, как мне кажется!
Обобщение текста
Попробуем обобщить весь текст раздела «Генеративные сценарии» из этой статьи. Для этого я выделил весь раздел, нажал Ctrl + P
и выбрал команду «Copilot: Summarize selection» (я просто ввел «summ»). Вот что получилось:
- Генеративные сценарии создают новый контент, заметки и идеи.
- Прямой запрос может дать черновой материал, который требует доработки.
- Частое использование генеративных сценариев включает:
- Создание планов статей, публикаций, лекций и докладов.
- Задачи по маркетингу, включая анализ целевой аудитории и коррекцию стратегии.
- Написание писем и ответов на запросы клиентов с учетом корпоративного стиля.
- Генерация отчетов по выполненным задачам и проектам, что положительно сказывается на дальнейшей работе.
- Примеры использования в обучении:
- Создание планов лекций и дополнительных материалов с помощью Copilot.
- Написание развернутых конспектов лекций с глоссарием для студентов.
- Для презентаций:
- Быстрое создание презентации в PowerPoint для 4-часовой лекции за 15-20 минут с помощью Obsidian Copilot.
- Последовательность действий включает создание плана, корректуру, создание слайдов, тестовый прогон и экспорт в PowerPoint с последующей корректировкой шаблона.
Это отличный сценарий для обобщения длинных текстов, например, длинного письма, расшифровки аудио часовой встречи или созвона и т.п.
Создание глоссариев
Создание глоссариев очень удобно в процессе обучения или анализа сложного текста в заметке Obsidian. Это выписанные ключевые определения и их расшифровка. Например создадим глоссарий для этого абзаца.
Я выделил абзац, нажал Ctrl + P
, ввел «glos» и выбрал «Copilot: Generate glossary for selection». Вот результат:
- Глоссарий — список ключевых терминов и их определений, используемый для объяснения сложных понятий.
- Обучение — процесс получения знаний или навыков.
- Анализ — изучение и разбор информации для лучшего понимания.
- Сложный текст — текст, содержащий трудные для понимания идеи или термины.
- Заметка — запись информации в текстовом формате, используемая для хранения и организации данных.
- Obsidian — программа для ведения заметок и организации информации.
Мечта студента!
Изменение тона выделенного фрагмента
Очень интересная функция Copilot, которая позволяет менять тональность текста. Например, я старался писать весь текст этой статьи в простом, но максимально нейтральном стиле, без излишней эмоциональной окраски. А теперь попробуем это изменить на примере текущего абзаца.
Выделяю абзац, нажимаю Ctrl + P
и выбираю «Copilot: Change tone of selection».
Тон Professional:
Очень интересная функция Copilot, которая предоставляет возможность изменять тональность текста. Например, в данной статье я стремился придерживаться простого, но максимально нейтрального стиля, избегая излишней эмоциональной окраски. Теперь мы можем продемонстрировать эту функцию на примере текущего абзаца.
Тон Friendly:
Очень интересная функция Copilot, которая позволяет менять тональность текста! Например, я старался писать весь текст этой статьи в простом и нейтральном стиле, без лишних эмоций. А теперь давайте попробуем изменить это на примере текущего абзаца!
А можно и так, по-пацански (я просто написал запрос после выполнения команды: «Напиши это по-пацански, в стиле уличных хулиганов«):
Слушай, тут есть крутая фишка в Copilot, которая позволяет менять тональность текста. Я, короче, весь этот текст замутил в простом и нейтральном стиле, без всякой лишней фигни. А теперь давай-ка заценим, как это можно изменить на примере этого абзаца.
Там еще много вариантов, попробуйте их самостоятельно.
Сокращение выделенного фрагмента для короткого сообщения
Эта функция сокращает выделенный текст для публикации в Twitter, на форум и т.п. Попробуем сократить всю эту статью. Для этого я выделил весь текст целиком и выбрал команду «Copilot: Rewrite selection to a tweet». Вот результат:
Обновилась версия Obsidian Copilot до 2.7.0. Это мощный инструмент для управления заметками. В новой версии изменились режимы работы: чат, Vault QA и Copilot Plus. Copilot помогает создавать контент, генерировать отчеты и упрощать работу с текстом. Он также находит связанные заметки и позволяет изменять тональность текста.
Очень интересная функция, особенно для меня, так как я часто увлекаюсь и начинаю писать графоманские лонгриды.
Коррекция грамматики и стиля в выбранном тексте
Тоже полезная нужная и, востребованная функция, особенно для длинных сложных зачастую бестолковых текстов колотые я пишу как черновики. В этом абзаце я специально допустил кучу грамматических ошибаков чтобы продемонстрировать ее работу.
А вот коррекция этого текста. Я выделил текст и использовал команду «Copilot: Fix grammar and spelling of selectiion»:
Тоже полезная, нужная и востребованная функция, особенно для длинных, сложных, зачастую бестолковых текстов, которые я пишу как черновики. В этом абзаце я специально допустил кучу грамматических ошибок, чтобы продемонстрировать ее работу.
Результат на лицо!
Конечно же, указанными командами возможности Obsidian Copilot не ограничиваются. Их можно произвольно расширять, например, сделать команду объяснения текста не для пятилетнего малыша, а для школьника. Это делается с помощью настраиваемых промптов, которые описаны в статье Сценарии использования Obsidian Copilot.
Обработка данных
В качестве примера обработки и визуализации данных я использую пример генерации деловой графики в ваших заметках. Этот пример навеян одним из вопросов на форуме русскоязычного сообщества Obsidian.
Для начала создадим Custom Prompt генерации деловой графики по данным, которые будут указываться в выделенном тексте. Для этого выполним команду «Copilot: Add Custom Prompt» и введем следующее:
Название: Генерация графика
Текст:Сейчас ты аналитик данных. Последовательно выполни следующие шаги:
- Проанализируй эти данные;
- Выбери наиболее подходящий тип графика для визуализации этих данных;
- Нaпиши код mermaid для вставки этого графика в заметку Obsidian.
- Вот данные:
{}
Сохраним наш промпт.
Теперь подготовим данные. Для этого я загрузил целиком всю эту статью в контекст чата. Я просто в чате ввел двойные квадратные скобки и выбрал текущую заметку. Далее написал следующее:
Проанализируй эту заметку, выпиши основные разделы этой заметки и посчитай количество слов в каждом из них. Ответ дай в виде списка:
- Название раздела — число слов.
Вот результат:
- Встречаем Obsidian Copilot 2.7.0 — 36 слов
- Назначение и применение Obsidian Copilot — 164 слова
- Режимы работы Copilot — 153 слова
- Сценарии использования Copilot — 61 слово
- Генеративные сценарии — 134 слова
- Поиск связанных заметок — 134 слова
- Работа с текстом заметки — 92 слова
- Обработка данных — 83 слова
- Коррекция грамматики и стиля в выбранном тексте — 104 слова
Теперь я выделил этот результат и выбрал команду «Copilot: Apply Custom Prompt» и далее выбрал созданный нами промпт «Генерация графика».
Вот результат:
- Анализ данных:
Данные представляют собой список разделов статьи с указанием количества слов в каждом из них. Это позволяет увидеть, какие разделы более объемные, а какие — менее. Наиболее длинный раздел — «Назначение и применение Obsidian Copilot» с 164 словами, а самый короткий — «Сценарии использования Copilot» с 61 словом.- Выбор типа графика:
Для визуализации этих данных наиболее подходящим типом графика будет столбчатая диаграмма. Она позволяет легко сравнить количество слов в разных разделах и наглядно увидеть, какие разделы длиннее, а какие короче.- Код mermaid для вставки графика в заметку Obsidian:
graph TD; A[Разделы статьи] -->|36| B[Встречаем Obsidian Copilot 2.7.0] A -->|164| C[Назначение и применение Obsidian Copilot] A -->|153| D[Режимы работы Copilot] A -->|61| E[Сценарии использования Copilot] A -->|134| F[Генеративные сценарии] A -->|134| G[Поиск связанных заметок] A -->|92| H[Работа с текстом заметки] A -->|83| I[Обработка данных] A -->|104| J[Коррекция грамматики и стиля в выбранном тексте]
Этот код создаст график, который наглядно покажет количество слов в каждом разделе статьи.

Ну, так себе результат, я бы всё же круговую диаграмму использовал. Попрошу его это сделать. Прямо в чате пишу «Используй круговую диаграмму«.
И вот результат:
Код mermaid для вставки круговой диаграммы в заметку Obsidian:
pie
title Количество слов в разделах статьи
"Встречаем Obsidian Copilot 2.7.0": 36
"Назначение и применение Obsidian Copilot": 164
"Режимы работы Copilot": 153
"Сценарии использования Copilot": 61
"Генеративные сценарии": 134
"Поиск связанных заметок": 134
"Работа с текстом заметки": 92
"Обработка данных": 83
"Коррекция грамматики и стиля в выбранном тексте": 104

А вот это уже совершенно другое дело!
Заметьте, на всю задачу ушло около минуты времени.
Заключение
Итак, Obsidian Copilot 2.7.0 очень мощный инструмент для работы с заметками любой сложности. Но очень важно помнить, что это лишь инструмент, а не волшебная кнопка «Сделай мне хорошо». Понимая возможности и принципы этого инструмента, можно и облегчить свою повседневную работу и значительно расширить горизонты. А оно того стоит! Ведь фактически границы Obsidian и Copilot определяются лишь вашей фантазией.
Я с большим удовольствием отвечу на любые ваши вопросы, которые вы можете задать здесь в комментариях, или в чате Obsidian, в разделе «Искусственный интеллект: ChatGPT».
Примечание
Завершая работу над статьей, я выполнил следующий запрос в Copilot:
Проанализируй [[Встречаем Obsidian Copilot 2.7.0]], напиши краткое обобщение статьи для анонса (не более 500-600 символов).
Далее действуй как опытный SEO специалист и напиши привлекательные TITLE и DESCRIPTION для этой статьи.
Далее действуй как художник и придумай концепцию иллюстрации для этой статьи. Напиши промпт для генерации этого изображения длиной не более 1000 символов.
И это тоже иллюстрация использования Copilot в повседневной практике.