Az eszköz, ami szándékosan nem tett bele AI-t
Ebben a cikkben egy konkrét jegyzetelő program a példa, mert érdemes tudni róla valamit, ami ritkaság 2026-ban.
Az Obsidian él és aktívan fejlesztett: a legutóbbi kiadás 1.14.1, 2026. szeptember 8-i dátummal. Az elmúlt hetek kiadásai a szerkesztőről, a mobilos gyorsrögzítésről és az akadálymentesítésről szólnak.
Hivatalos AI-funkciója nincs, és ez nem lemaradás, hanem irány. Az AI-képesség kizárólag közösségi bővítményekből jön — vagyis te döntöd el, kerül-e bármi felhőbe. Egy olyan mappában, ahol az ügyfeleid nevétől a fizetési tárgyalásaidig minden ott van, ez nem apró szempont.
A jegyzetek ráadásul sima markdown fájlok a saját géped mappájában. Ha holnap megszűnik a program, a jegyzeteid maradnak.
A legfontosabb mérés: a struktúra tízszeres különbséget okoz
Ez a cikk gerince, és sokkal általánosabb, mint egyetlen program.
Amikor egy AI a jegyzeteid között keres, nem az egész fájlt olvassa be. Darabokra vágja, a darabokat számokká alakítja, és a kérdésedhez legközelebbi darabot adja vissza. A vágás módja dönti el, mennyire jó a találat.
Egy 2026 márciusi vizsgálat 36 darabolási módszert hasonlított össze hat szakterületen, öt különböző beágyazó modellel:
| Darabolás | Első találat pontossága | Találat az első ötben |
|---|---|---|
| Bekezdéscsoport szerint (struktúratudatos) | ~24% | ~59% |
| Fix karakterszám szerint (vak vágás) | 2–3% | jóval kevesebb |
Tízszeres különbség — ugyanabból az anyagból. A tanulmány megfogalmazása szerint a tartalomtudatos darabolás érdemben javítja a visszakeresést a naiv, fix hosszúságú felosztáshoz képest.
Amit ebből tenni kell: egy háromezer szavas, tagolatlan jegyzetfalat a rendszer fix hosszra vág, és abból lesz a 2–3%. Ugyanaz az anyag, értelmes bekezdésekre és címsorok alá rendezve, huszonnégy.
Nem az a kérdés tehát, hány jegyzeted van. Az, hogy a bekezdéshatáraid egybeesnek-e a gondolati egységekkel.
Mi fut helyben
A személyes tudásbázis egyik fő érve, hogy nem kell felhőbe küldeni semmit. Ez ma valóban járható, és érdemes tudni, mit jelent a gyakorlatban.
Két különböző modell kell hozzá, és ezt sokan összekeverik:
- Egy beágyazó modell, ami a jegyzeteidből számokat csinál, hogy keresni lehessen bennük. Ez kicsi és gyors. A legnépszerűbb ilyen modell a helyi futtatókörnyezet negyedik legtöbbet letöltött modellje, nyolcvanötmillió letöltéssel — vagyis a helyi szemantikus keresés ma bevett gyakorlat, nem kísérlet.
- Egy nyelvi modell, ami a megtalált darabokból választ fogalmaz. Ez a nagy és lassú.
A laptopra szánt nyelvi modellek mai mérete a legnagyobb nyílt családoknál 7 GB körül kezdődik, 128 ezer tokenes kontextussal; a munkaállomásra szánt változatok 8 és 20 GB között vannak, nagyobb kontextussal. A gyártók kifejezetten megjelölik, melyik változatot szánják laptopra és mobilra.
Egy dolgot viszont nem érdemes elhinni sehonnan: konkrét memóriaigény-táblázatot a nagy futtatókörnyezetek nem közölnek. A letöltési méret ismert, a minimális gépigény nem — ezt a saját géped fogja megmondani.
Mit tudnak a bővítmények
Három élő, ellenőrzött bővítmény, 2026 szeptemberi állapottal:
| Bővítmény | Legutóbbi kiadás | Mit ad |
|---|---|---|
| Egy asszisztens-bővítmény | 4.0.7 — 2026. szeptember 9. | a meglévő előfizetésedet használja, coding agenteket natívan futtat, helyi modellszervereket támogat, és a jegyzettár indexelése a gépeden marad |
| Egy szemantikus kereső | 4.7.2 — 2026. augusztus 6. | bővült a beépített helyi beágyazó modellek katalógusa, köztük többnyelvű modellekkel — ez magyar jegyzetekhez közvetlenül számít |
| Egy sablonalapú szöveggenerátor | pontos dátum nem volt kiolvasható | több szolgáltatót és helyi modellt támogat, közösségi sablonokkal |
A többnyelvű helyi beágyazó modell a legfontosabb sor ebben a táblázatban. Magyar jegyzetekhez az angolra hangolt modellek érezhetően gyengébbek, és eddig ez volt a helyi megoldás fő korlátja.
Mikor lassul be?
Erre őszintén kell válaszolni: publikált méretkorlát vagy teljesítménygörbe nincs.
Ami van, az felhasználói bejelentés a hivatalos fórumon — mintanagyság és módszer nélkül, tehát nem adat. Két visszatérő mintázat viszont kiolvasható belőlük:
- a panaszok jellemzően nem a jegyzetek számához, hanem a csatolmányokhoz kötődnek;
- a fájlnév szerinti gyorskeresés gyors marad akkor is, amikor a teljes szöveges keresés lelassul — ami logikus, mert a kettő más indexet használ.
De a fontosabb válasz a fenti mérésből jön: a keresés minőségét nem elsősorban a mennyiség rontja el, hanem a szerkezet. A 2–3%-os találati pontosság nem attól lesz rossz, hogy sok a jegyzet.
Amit a tudásbázis megold, és amit nem
Itt van a leggyakoribb túlzás, amit érdemes rögtön kilőni.
A saját jegyzettárra épített keresés az előkeresést javítja: azt, hogy a modell a te anyagodat lássa, ne a fejéből találgasson. Ez valódi és mérhető.
De nem szünteti meg a hallucinációt. A legjobb bizonyíték erre nem is jegyzetelésből jön: a piacvezető, saját jogi adatbázisra kötött kutatóeszközök — tehát pontosan ilyen felépítésű rendszerek — egy előregisztrált mérésben 17–33%-ban hallucináltak. A tanulmány megfogalmazása pontos: a hallucináció csökken az általános chatbotokhoz képest, de nem tűnik el. Erről a dokumentumvázlat poszt szól számokkal.
És arra, hogy egy személyes jegyzettár javítja-e a válaszminőséget, publikált mérés egyszerűen nincs. Amit tudunk: a struktúra tízszeres különbséget okoz a visszakeresésben, és ha a modell nem találja meg a jegyzetet, akkor a jegyzet nem javít semmit.
A tudásbázis tehát a megtalálást oldja meg, nem az igazságot.
A how-to
1. EGY JEGYZET = EGY TÉMA
Ha két dologról szól, két fájl. A vágás a fájlhatárt
és a címsort tiszteli — a gondolataidat nem ismeri.
2. CÍMSOROKKAL TAGOLJ
Nem formázás: ez mondja meg, hol lehet vágni.
Ez a különbség a 24% és a 2–3% között.
3. BEKEZDÉS = EGY GONDOLAT
Négy-nyolc mondat. A háromezer szavas folyószöveg
a legrosszabb eset.
4. A DÁTUM KERÜLJÖN BE A SZÖVEGBE
Nem csak a fájl metaadatába. A méréseken ez
az a metaadat, ami javít.
5. ELŐSZÖR KERESS, UTÁNA KÉRDEZZ
Nézd meg, mit talál meg a kérdésedre. Ha rossz
jegyzeteket hoz, a válasz is rossz lesz.
6. HELYI BEÁGYAZÁS, HA A TARTALOM ÉRZÉKENY
A kereséshez elég a kis modell. A nagy modellt
külön döntés bevinni.
A hatodik pont adja a legjobb kompromisszumot a gyakorlatban: az indexelés és a keresés fusson helyben, a fogalmazás mehet a szokásos előfizetésedre — így a teljes jegyzettárad soha nem hagyja el a gépet, csak az a néhány bekezdés, amit épp kérdezel.
Az ötödik pont pedig az egyetlen ellenőrzés, ami tényleg számít. Ha a rendszer megmutatja, melyik jegyzetekből dolgozott, akkor két másodperc alatt látod, hogy a válasz alá van-e támasztva. Ha nem mutatja meg, akkor nem tudod — és ez a beállítás fontosabb, mint bármelyik modellválasztás.
Tipikus félreértések
- „Minél több jegyzetem van, annál jobb lesz." A mérés szerint a szerkezet számít, nem a mennyiség. Tagolatlan anyagból tízszer rosszabb a találat.
- „A címsor csak formázás." A darabolás a címsorokat és a bekezdéshatárokat használja vágási pontnak. Ez a legolcsóbb minőségjavítás, ami létezik.
- „Ha a saját jegyzeteimből dolgozik, nem hallucinálhat." De igen. A saját adatbázisra kötött, professzionális rendszerek 17–33%-ban hallucináltak egy előregisztrált mérésben.
- „Helyben futtatni bonyolult." A kereséshez szükséges kis modell ma tömegesen használt. A nagy modell az, ami gépigényes — de az nem kell a kereséshez.
- „Kell hozzá egy AI-jegyzetelő alkalmazás." Nem. A jegyzetelő lehet olyan, aminek egyáltalán nincs beépített AI-ja — a képesség a bővítményből jön, és így te döntöd el, mi megy felhőbe.
Amit érdemes elvinni
A személyes tudásbázisnál a munka nagy része a jegyzetelésben van, nem az eszközválasztásban. Címsorok, egy téma egy fájlban, olvasható bekezdések, kiírt dátum — és ebből a szerkezet, vagyis a címsor és a bekezdéshatár, tízszeres különbséget okoz abban, hogy a gép megtalálja-e, amit keresel.
És egy határ, amit érdemes tisztán tartani: a tudásbázis a megtalálást javítja, az ellenőrzést nem váltja ki. Attól, hogy a válasz a te jegyzetedből jön, még ugyanúgy meg kell nézned, hogy tényleg azt mondja-e.
Hogy a jegyzetelés maga hogyan épüljön fel ehhez, arról a jegyzetelés poszt szól lépésről lépésre; az olvasás és a kutatás sorrendjéről pedig a gyorsabb olvasás poszt.