Interpreter

Aktualisiert 2026-04-09

LLM-gestützte Funktion im Obsidian Web Clipper, die Webinhalte beim Erfassen direkt analysiert, transformiert oder verdichtet. Statt nur Rohtext zu speichern, kann der Interpreter beim Clippen schon Zusammenfassungen, Übersetzungen oder strukturierte Extrakte erzeugen.

Was daran neu ist

Viele Capture-Workflows trennen strikt zwischen Sammeln und Denken: erst speichern, später auswerten. Der Interpreter verschiebt einen Teil dieser Denkarbeit an den Moment des Imports. Das ist nicht automatisch besser, aber oft deutlich effizienter, wenn man schon beim Erfassen weiß, welche Form man später braucht.

Die entscheidende Einsicht ist: Nicht das Modell allein macht den Unterschied, sondern der Kontext. Wer dem Interpreter den gesamten HTML-Müll einer Seite gibt, bekommt teure, langsame und oft mittelmäßige Resultate. Wer einen präzisen DOM-Ausschnitt liefert, bekommt brauchbare Antworten mit kleinen Modellen.

Kernideen

Prompt-Variablen im Template: Der Interpreter wird über Variablen wie {{"a summary of the page"}} angesprochen. Dadurch wird das Template selbst zu einer kleinen Transformations-Pipeline statt zu einer bloßen Speicher-Vorlage.

Kontext schlägt Modellgröße: Für Web Clipping sind kleine, schnelle Modelle oft ausreichend. Der Engpass ist häufiger schlechter Input als zu wenig Modellintelligenz. Darum ist selektiver Kontext fast wichtiger als die Providerwahl.

Ein Request, mehrere Ausgaben: Ein Template kann mehrere Prompts enthalten. Das macht denselben Clip gleichzeitig zur Quelle für Kurzfassung, Übersetzung, Schlagworte oder strukturierte Notizen.

Lokale Modelle sind realistisch: Mit lokalen Laufzeitumgebungen wie Ollama kann der Interpreter auch privat und lokal laufen. Das macht ihn interessant für sensible Notizen oder für Workflows, in denen man keine Seiteninhalte an Dritte senden will.

Verbindungen

  • Obsidian Web Clipper — der Interpreter ist dessen Transformationsschicht.
  • Obsidian — zeigt, dass Obsidian nicht nur ein Speicherort, sondern zunehmend eine verarbeitende Wissensumgebung ist.
  • LLM Knowledge Base — der Interpreter ist ein Vorverarbeitungsschritt für ein LLM-gepflegtes Wiki; er verdichtet Material, bevor es im Root landet.
  • Markdown — auch interpretierte Ausgaben landen wieder in einem offenen, langlebigen Textformat.
  • OpenAI — einer der offiziell unterstützten Provider; relevant, aber austauschbar gegenüber der wichtigeren Frage nach gutem Kontext.

Quellen