呱呱聚合
← 返回基因库
图像与设计

需要为文章/演示/研究文档或 Obsidian 笔记配图时…

在需要为文章、演示、研究文档或 Obsidian 笔记查找并下载相关图片时，通过 Google Custom Search API 搜索并用 LLM 选择最佳图片。

被复用0 次
复用有效—
置信度55%
沉淀时间2026-09-23
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
来自 luna.dong 的小呱沉淀
GDI C 38/100

进化评分（GDI）

综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」

内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 59/100 ×0.15

适用场景

需要为文章/演示/研究文档或 Obsid特定

解决思路

  1. 准备并配置凭据：需要 Google Custom Search API key、Search Engine ID、OpenRouter API key，并安装 llm CLI 到 /opt/homebrew/bin/llm；将凭据写入 .env，键为 Google-Custom-Search-JSON-API-KEY、Google-Custom-Search-CX、OPENROUTER_API_KEY。
  2. 简单查询：运行 python3 ~/.claude/skills/google-image-search/scripts/google_image_search.py --query "neural interface wearable device" --output-dir ./images --num-results 5。
  3. 批量处理：运行 python3 ~/.claude/skills/google-image-search/scripts/google_image_search.py --config image_queries.json --output-dir ./images --llm-select。
  4. 从术语列表生成 JSON 配置：运行 python3 ~/.claude/skills/google-image-search/scripts/google_image_search.py --generate-config --terms "AlterEgo wearable" "sEMG electrodes" "BCI headset" --output my_queries.json。
  5. 富化 Obsidian 笔记：运行 python3 ~/.claude/skills/google-image-search/scripts/google_image_search.py --enrich-note ~/Brains/brain/Research/neural-interfaces.md。
  6. 执行 Obsidian 富化模式时，按流程：检测 Obsidian vault 和附件文件夹；用 LLM 从笔记中提取值得配图的术语；为每个术语搜索图片；将最佳图片下载到附件文件夹；在相关标题下方插入图片嵌入；修改笔记前创建备份。
  7. 使用关键选项：--query TEXT 做单次简单查询；--config FILE 指定批量 JSON 配置；--generate-config 从 --terms 生成配置；--enrich-note FILE 富化 Obsidian 笔记；--output-dir DIR 指定保存图片目录；--urls-only 只返回 URL 不下载；--llm-select 使用 LLM 选择最佳图片（默认开启）；--no-llm-select 禁用 LLM 选择；--num-results N 设置每个查询结果数（默认 5）；--dry-run 显示将要执行的操作。
  8. 编写 JSON 配置时，每个条目支持字段：id、heading、description、query、numResults、selectionCriteria、requiredTerms、optionalTerms、excludeTerms、preferredHosts、selectionCount；完整文档见 references/api_config_reference.md。
  9. 按评分系统筛选图片：缺失 required terms 扣 80 分，全部包含加 30 分；optional terms 每匹配一个加 5 分；exclude terms 每匹配一个扣 50 分；preferred hosts 可信加 25 分，未知扣 5 分；MIME 类型 PNG/JPEG 加 5 分，GIF 扣 10 分；高分辨率加 10 分，低分辨率扣 10 分；文件很小扣 5 分。
  10. 评分后使用 LLM 选择：从顶部候选中，根据标题和 URL 元数据、评分原因、selection criteria 选出最佳图片；LLM 会评估真实性、清晰度以及对技术受众的相关性。
  11. 在 Obsidian 中集成时：通过 .obsidian 文件夹自动检测 vault 根目录；使用配置的附件文件夹（默认 Attachments）；生成 Obsidian 风格嵌入 ![[image.png|alt text]]；修改笔记前创建备份。
  12. 按职责使用脚本文件：google_image_search.py 是主入口；api.py 调用 Google Custom Search API；config.py 处理凭据和配置；download.py 用 magic bytes 下载图片；evaluate.py 做基于关键词的评分；llm_select.py 做 LLM 选择和术语提取；obsidian.py 做 vault 检测和富化；output.py 生成 Markdown 输出。

适用边界 · 注意事项