4m read
Obsidian + Claude Code：用 AI 管理第二大脑
obsidianclaude-codeknowledge-managementai
参考花叔《Obsidian + Claude Code：用 AI 重建你的第二大脑》及 obsidian-ai-orange-book。
核心观察：Obsidian 是本地 Markdown 文件夹，Claude Code 可以直接进去读写。
人不擅长整理和检索，但记录和思考还可以。整理、关联、检索交给 AI，人只管往里面丢东西。
为什么选 Obsidian
Markdown 对 LLM 友好。训练数据里 Markdown 占比高，它对 ##、**、- 这些语法理解直接。同样内容，Markdown 比 JSON/XML 省 30-50% token，AI 一次能处理更多。加上模型默认输出就是 Markdown，读写都省事。
本地文件的好处：Claude Code cd 进 vault 就能操作所有笔记，零配置、没延迟、权限完整。Notion 要 API、格式转来转去还容易丢东西。
几个项目也在用 Markdown 文件当 AI 记忆层：
- Manus（Meta 20 亿美元收购）：
task_plan.md+notes.md - OpenClaw（355K+ GitHub 星）：
MEMORY.md+SOUL.md - Claude Code：
CLAUDE.md+memory/
让 Claude Code 进场
hljs bashcd ~/Documents/my-vault
claude
不用插件、不用 API、不用 MCP。vault 就是普通文件夹，Claude Code 本来就能操作本地文件。
CLAUDE.md
vault 根目录放 CLAUDE.md，说明身份、vault 组织方式、能做的事、笔记写法。这个文件是长期维护的——每次 AI 犯错就加一条规则，慢慢长出来。
vault 组织规则
定下的规则：
- 只认 Markdown。只有 AI 不需要处理的东西才放 PDF/Word。
- 用词保持一致。比如统一说「RAG」，别一会儿「检索增强生成」。
- 文件夹尽量扁平。不超过三层，分类靠标签和链接。
- 每条笔记写 summary。放在 frontmatter 里，一句话说明内容。
- frontmatter 五个字段：
title、tags、created、type、summary。 - 人写的东西和 AI 写的东西分开。
notes/放原始笔记，ai-output/放 AI 产出。
文件夹、标签、双链各管各的
- 文件夹：管生命周期，比如「这个东西处于什么阶段」。
- #标签：管主题，比如「属于哪个领域」。
- [[双链]]：管关系，比如「这个概念和另一个概念有什么联系」。
LLM Wiki：把知识整理当编译
想法来自 Karpathy。
传统 RAG 每次提问都从零搜索原始素材，拼一个答案出来，答完就扔。
LLM Wiki 的思路：AI 先读原始素材，写成 wiki 文章保留下来，后面再问就基于 wiki 回答。做一次工作，产出可以反复用。
三层结构
textraw/ → wiki/ → output/ 源材料 结构化知识 查询产物 (只增不改) (AI维护) (报告/分析)
SCHEMA.md 是 wiki 层的约定文件，规定命名、frontmatter 模板、标签和 wikilink 规则。
在跑的工作流
| 工作流 | 人做 | AI 做 | 每天大概花多久 |
|---|---|---|---|
| 日记 + 周报 | 每天写几行 | 每周生成摘要 | 5 分钟 |
| 读书笔记 | 划线批注 | 整理成结构化笔记 + 建链接 | 不额外 |
| 调研积累 | 原始信息丢 raw/ | 编译成 wiki，增量更新 | 不额外 |
| 写作工作流 | 说个选题 | 搜索 vault + 生成初稿 | 0 |
| 自动 Backlinks | 正常写笔记 | 识别实体、建链接 | 0 |
| 项目管理 | 维护 index.md | 关联项目间知识 | 不额外 |
| 自动整理旧笔记 | 丢进 unsorted/ | 扫描、分类、建链接 | 0 |
几点观察
- 不用逼自己成为笔记达人。标签不完美、双向链接没手动建，都没关系。重点是让知识以 AI 能读懂的格式存在。
CLAUDE.md是长期资产，在一次次纠错中长出来，不是一次设计出来的。- 把 AI 当编译器，不是搜索引擎。原始素材反复利用，知识才会越积越厚。
- 工具会换，vault 里的 Markdown 文件永远在手里。