当前位置：首页 » AI学习教程

Obsidian x Agent 终极指南，从零打造个人 Agent 系统

6小时前 AI学习教程 31 0

开篇：一次关于知识管理的认知升级

作为一名产品经理，我长期在思考一个问题：如何让AI真正融入日常工作流，而不只是作为一个偶尔调用的工具？答案出现在我开始用Obsidian搭建个人知识系统的那一刻。

过去一年，我把所有专栏文章、选题方案、播客摘要、周计划和项目文档都迁移到一个Obsidian Vault（存储库）中。

有趣的是，整个系统的价值在AI时代被重新定义了——它不再只是一个Markdown编辑器，而是一个AI可以直接读取、调用、执行任务的工作台。这种转变改变了我对生产力工具的理解。

这篇文章记录了我的完整思考过程，包括：为什么Obsidian适合作为AI的操作系统、如何从零搭建这套系统，以及在实践中总结的具体方法论。

如果你正在寻找一个兼具灵活性和专业性的个人AI生产力解决方案，这篇文章可能会给你一些启发。

一、理解Obsidian：从编辑器到AI工作台

1.1 Obsidian的本质是什么

很多人第一次接触Obsidian，会把它定位为"支持双向链接的Markdown编辑器"。

这个定义不错，但不够全面。从产品角度看，Obsidian更准确的描述是：本地文件夹的可视化编辑界面，加上围绕这个文件夹的工具生态。

具体来说：

所有笔记本质上是一个本地文件夹内的.md文件
这些文件可以通过CLI命令行被读取、调用
Obsidian本身是这些文件的图形化编辑器和可视化层
在这个界面内，你可以看到AI在读什么、输出什么，保持完全的可控性

这个特性对于AI集成特别重要。相比于云端笔记或专有格式，本地Markdown文件意味着：Agent可以直接用grep、cat、sed等标准命令行工具操作；所有数据完全掌控在自己手里；可以配合任何第三方工具组合使用。

1.2 一个实用的类比：AI的工作桌模型

假设你要雇一个助理帮你处理工作，你会怎么准备？

给他一张整洁的桌子，上面分类摆好所有需要的文件夹
贴几张便签纸，明确标注哪些规则不能违反
放一本SOP手册，规定不同任务的执行流程
给他一支笔，让他能随手记录、输出工作成果

Obsidian就是这张桌子的数字化版本。在我的系统里：

每个文件夹是按分类整理的"文件柜"
CLAUDE.md是那几张"便签纸"，告诉AI这里有什么、不能碰什么
索引文件（JSONL）是那本"SOP手册"
与此同时，AI可以直接在这个系统内读、写、执行任务

这种模型相比于每次都要给Claude补充背景信息，效率高很多。AI已经掌握了所有context，工作时更专注、更精准。

1.3 核心方法论：剪藏、Wiki、规则三角

这套方法论来自Andrej Karpathy（前OpenAI联创、Tesla AI总监）在其个人知识系统中的实践。核心包含三个环节：

① 剪藏：信息的统一入口

所有值得保留的内容——文章、播客字幕、推文、想法——都进入Obsidian，而不是分散在浏览器书签、邮件、备忘录中。关键原因是：不在Obsidian里的信息，对AI系统等于不存在。

用Web Clipper一键保存完整文章
把播客字幕整段复制进来
转发有价值的推文到笔记
灵感来临时直接开新文件记录

② Wiki：让信息自组织成网络

当你在笔记中写[[概念名]]时，就在建立双向链接。随着时间推移，你的Vault会自然演化成一个个人Wiki——任何一篇笔记都能通过链接关联到背景资料、相似案例、相关概念。这是AI最好的上下文来源。

③ 规则：定义AI的行为边界

有原料、有连接还不够。需要一份明确的规则文档，告诉AI：

什么该做、什么不该做
写博客要遵循什么风格
创建新文件时应该放在哪里
不同类型的任务走什么流程

这三个环节形成闭环：信息进来 → 建立关联 → 按规则使用。

1.4 我的Obsidian运作机制：分层结构

基于上述方法论，我设计了一个更具体、更易执行的三层架构：

Layer 1：CLAUDE.md（AI的指引文件）

Agent进入Vault的第一个文件。内容包括：

项目概述：这个Vault是什么、核心目标是什么
模块地图：每个文件夹的职责和内容范围
核心行为规则：比如"JSONL只能追加不能覆盖""写文章前必读写作风格"
任务路由表：不同类型的任务走哪个流程、需要读哪些文件

Layer 2：文件夹结构（信息的骨架）

采用"序号+中文名"的命名规范，保证排序稳定、一眼可懂。示例：

05 工具箱 — 插件、脚本、Skill
06 计划 — 年度 → 周计划 → 每日 → 复盘
07 系统方法 — 工作流、迭代记录
08 交付物 — 工作交付、甲方内容
10 About me — 个人介绍、写作风格、审稿标准

Layer 3：具体文件（执行层）

独立文章：MMDD-标题.md
专栏文章：章节号-标题.md
索引文件：xxx_index.jsonl（记录Agent在该文件夹的执行历史）

Agent的典型执行流程是：读取CLAUDE.md → 判断任务类型 → 确认是否需要调用Skill → 进入指定文件夹 → 读取_index.jsonl查看历史 → 执行任务并输出。每一步都明确且可追溯。

二、从零搭建：实战操作指南

2.1 入门阶段：30分钟快速启动

Step 1：安装和初始化

前往obsidian.md下载对应系统版本
双击安装，打开应用时选择一个本地文件夹作为Vault
建议路径：~/Documents/GitHub/obsidian（放在Git目录便于版本管理）

Step 2：掌握7个核心功能

功能	说明	应用场景
双向链接	在笔记中写[[笔记名]]链接到另一篇笔记，被链接方自动显示反向引用	建立知识关联、追踪引用关系
知识图谱	所有双链可视化成节点-连线的网络图	发现知识盲区、识别孤立主题
笔记属性（YAML）	笔记顶部的结构化元数据，比如author、date、status	为AI提供笔记的第一印象、便于筛选和分类
Daily Notes	点击自动创建日期命名的笔记（2026-04-15.md）	日志记录、日常工作追踪
Templates	快速复制某个文件框架到新文件	周复盘、选题、日报等重复结构
Canvas	内置白板工具，可画关系图、头脑风暴	概念设计、流程梳理
Web Clipper	官方浏览器扩展，一键保存网页到Vault	内容采集、素材积累

Step 3：学习Markdown语法

Obsidian使用Markdown写作。以下是AI最关键的语法元素：

# → 标题。h1是文章主题，h2是分论点，AI通过此理解文章结构
- / 1. → 列表。AI识别"这些是并列/有序要点"
[[...]] → 双链。AI理解"这个概念在系统里有专门文档"
``` → 代码块。AI识别"这段是代码，不是正文"
Frontmatter → YAML元数据。AI读笔记时的第一印象
#tag → 标签。用于分类和检索

Markdown不仅给人看，更是给AI的结构化指引。好的格式能直接提升AI的理解质量。

2.2 精通阶段：构建完整的AI操作系统

Step 1：设计你的文件夹模块地图

这是整个系统的骨架。设计原则：

序号+中文名：保证排序稳定且一眼可懂
每个文件夹有README.md：写清楚这里放什么、不放什么
深度不超过3层：太深的目录结构无论对人还是对AI都是负担

参考结构示例：

00_inbox/              # 收件箱（快速捕获）
01_content/            # 内容创作
  └─ articles/         # 独立文章
  └─ series/           # 专栏系列
02_topics/             # 选题库
03_references/         # 参考资料、摘要
04_resources/          # 工作资源、模板
05_tools/              # 工具脚本、插件说明
06_plans/              # 计划与目标
07_system/             # 系统方法、工作流
08_outputs/            # 交付物
09_images/             # 文章配图
10_about/              # 个人介绍、写作风格、审稿标准

Step 2：编写你的CLAUDE.md

这是Agent进入Vault的必读文件。结构参考：

# CLAUDE.md - Vault 使用指南

## 项目概述
- 这是我的个人AI生产力系统
- 核心目标：[你的目标]
- 主要场景：内容创作、知识管理、项目跟踪

## 模块地图
- 00_inbox: 快速捕获想法和素材
- 01_content: 所有文章创作过程
- 03_references: 参考资料和知识库
- 06_plans: 年度目标、周计划、日志
- 10_about: 我的个人风格和偏好

## 核心行为规则
1. JSONL文件只允许追加，绝不覆盖
2. 写文章前必须先读 10_about/writing_style.md
3. 创建新文件前确认应该放哪个子文件夹
4. 每个文件夹下的README是进入该区域的必读文件
5. 输出内容时，优先检查索引文件了解历史执行情况

## 任务路由表
- 写文章任务：
  1. 读 10_about/writing_style.md
  2. 访问 02_topics 查看选题
  3. 到 03_references 收集素材
  4. 在 01_content/articles 创建草稿
  5. 完成后追加记录到 articles_index.jsonl

## 关键索引位置
- daily_log.jsonl: 07_system/
- articles_index.jsonl: 01_content/
- goals_tracker.jsonl: 06_plans/

Step 3：建立索引文件（JSONL）

JSONL是纯文本格式的JSON行，每行一条记录。相比JSON和数据库，它的优势是：结构简单、追加成本低、AI操作稳定。

我的系统中跑着四个关键索引：

daily_log.jsonl（07_system/）- 每日产出记录

{"date": "2026-04-15", "task": "写文章《Obsidian入门》", "status": "completed", "output_file": "01_content/articles/0415-obsidian.md"}

articles_index.jsonl（01_content/）- 独立文章索引

{"title": "从笔记应用到AI操作系统", "filename": "0415-obsidian.md", "status": "published", "date": "2026-04-15"}

goals_tracker.jsonl（06_plans/）- 年度目标进度

{"goal": "完成12篇深度文章", "progress": 8, "target": 12, "deadline": "2026-12-31"}

series_index.jsonl - 专栏进度索引

{"series": "AI生产力", "chapter": 4, "title": "Obsidian系统搭建", "status": "in_progress"}

关键规则：JSONL只追加、不覆盖。这条规则几乎是整个系统最重要的护栏，保证了数据的完整性和追踪的可靠性。

Step 4：沉淀你的个人上下文

AI懂不懂你，取决于你愿不愿意把自己的偏好、风格、历史记录下来。在10_about/文件夹下创建：

我的介绍.md - 身份、背景、当前角色、专业领域
写作风格.md - 语言偏好、文章结构、禁忌内容、常用表达
定位.md - 写什么、不写什么、目标读者是谁
审稿标准.md - 发布前要过哪些关、质量要求
性格特点.md - MBTI、决策倾向、沟通偏好

初看起来像在写简历，但一旦完成，AI的输出质量会有显著提升。因为它不再需要"了解你"，而是直接参考这些文档就能精准输出。

Step 5：搭建你的核心工作闭环

一个完整的AI生产力系统，需要至少3个互相喂养的闭环：

闭环一：内容创作流

选题（02_topics）
  ↓
收集素材（03_references）
  ↓
起草文章（01_content/articles）
  ↓
自审和修改
  ↓
发布
  ↓
归档 + 更新articles_index.jsonl

每一步都绑定到具体的文件夹或文件。AI看到"写文章"这个任务，就能自动沿着这条线走。

闭环二：知识管理流

信息来源（播客/文章/书）
  ↓
消化（摘要、金句、观点提取）
  ↓
分类存档到03_references
  ↓
反哺到选题库
  ↓
用于内容创作

这个闭环的关键是"消化"环节——原始信息进来不能直接放着，必须经过一轮压缩和结构化，才能变成AI可检索的有效素材。

闭环三：周复盘流

每日记录追加到daily_log.jsonl
  ↓
周末汇总周计划完成情况
  ↓
对比年度目标进度
  ↓
生成复盘报告
  ↓
制定下周规划

这个闭环让系统实现"自我跟踪"。每周末让AI自动读本周的daily_log.jsonl、对比02_plans中的周计划、计算goals_tracker.jsonl中的目标进度，自动生成复盘。

三、插件生态：让Obsidian真正运转起来

Obsidian生态中有2700+个社区插件。虽然看起来很多，但按"采集 → 整理 → 输出"三个阶段来选，每阶段2-3个就足够了。

3.1 采集层：把信息搬进Vault

AI生产力系统的第一个瓶颈不是"怎么写"，而是"写什么"。没有素材，AI再强也是空转。

① Web Clipper（官方）

看到好文章，点一下浏览器扩展，整篇以Markdown存进Vault。保留标题、正文、链接、图片。

为什么这比书签强？因为存进Vault的内容是AI可以用grep检索的素材，而不是躺在收藏夹里永远不看的死链接。

② 微信读书插件

在插件社区搜索"weread"下载。一键同步微信读书的划线、笔记、书评到Vault，每本书一个文件。

价值：写文章时AI能直接搜你划过的关键段落，比从头搜互联网快得多，而且都是你精心筛选过的高质量内容。

③ RSS 订阅

关注播客字幕、技术博客、Newsletter的RSS源。设置自动拉取新内容，以笔记形式存到指定文件夹。

我的03_references/daily_podcasts/文件夹就是这样——AI每天自动从RSS拉字幕，整理成摘要等我消化。

3.2 整理层：把信息变成可查询的知识

① Dataview

用类SQL语法查询笔记库。例如：

列出所有status为"待写"的笔记，按优先级排序：

TABLE priority, status
FROM 02_topics
WHERE status = "待写"
SORT priority DESC

Dataview维护的结构化视图，反过来也指导AI的行为——AI看到这个看板就知道该优先处理什么。

② QuickAdd

解决"捕获一个想法要打开Obsidian → 找文件夹 → 新建文件"的摩擦。设置快捷键：

Ctrl+Shift+A：新增选题到02_topics
Ctrl+Shift+N：新增笔记到00_inbox
Ctrl+Shift+L：新增日志条目

按一下，弹出输入框，回车完成。极大降低了信息捕获的摩擦。

3.3 输出层：把知识变成产品

① Kanban（看板视图）

把笔记集合可视化为看板。我用它管理文章创作进度：

[选题] [写作中] [待审] [已发布]
  卡片1   卡片2   卡片3  卡片4
  卡片5

Claude Code可以直接读取看板状态，知道每篇文章在哪个阶段，自动分配优先级。

② Excalidraw

在Obsidian里画手绘风格的流程图、架构图、概念图。完成后能嵌入笔记或导出图片。

坦白说我用得不多，因为大部分图我直接让AI生成。Excalidraw更适合需要精细手工调整的场景。

四、CLI：Obsidian真正的AI通道

让AI真正用起Obsidian的关键，是**CLI（命令行接口）**。Obsidian支持URI Scheme，即通过obsidian://协议直接操作。

常见的URI命令：

# 新建文件
obsidian://new?vault=obsidian&name=新笔记&content=内容

# 搜索
obsidian://search?vault=obsidian&query=上下文工程

# 打开特定文件
obsidian://open?vault=obsidian&file=01_content/articles/0415-obsidian.md

更关键的是，Agent可以直接执行这些命令，也可以用标准Unix工具操作本地文件：

cat：读取文件内容
grep：搜索关键词
rg（ripgrep）：快速全文搜索
find：按条件查找文件
sed/awk：文本处理

我的具体用法：

AI起草完文章后，用CLI打开到创建的文件，我审稿前能快速定位
Skill调用时返回Obsidian URL链接，点击跳转到对应的参考文档
写文章时让AI插入相关笔记的内部链接，读者点击能跳到我的原始笔记
AI直接遍历整个Vault，用grep按需加载上下文

本地文件+本地CLI，是目前为止AI读写个人知识最低成本、最可控的方案。

五、多设备同步方案对比

Obsidian本身不提供云同步，需要借助第三方工具。选择标准是：数据量、费用、易用性。

方案	适合数据量	成本	易用性	优缺点
官方Obsidian Sync	任意大小	10USD/月	极高	官方方案，加密同步。缺点是较贵
iCloud	<50GB	6元/月	高	适合小规模Vault，价格便宜。缺点是大容量贵
Git（GitHub）	<10GB	免费	中等	完全免费，版本控制完整。缺点是需要commit，不是实时同步
NAS	>100GB	一次性投入	低	完全掌控，无限存储。缺点是需要自己维护、搭建复杂

我的建议：

如果Vault <10GB且不需实时同步：用Git（GitHub），完全免费
如果追求开箱即用：用iCloud（一个月6块钱不贵）
如果优先级是安全和官方支持：用Obsidian Sync
如果数据量超大且有NAS：自己搭自动同步脚本

总结与反思

很多人现在还把Obsidian看作一个"高门槛的笔记应用"，觉得它功能碎片化、学习曲线陡。但在我一年的实践中，我看到了完全不同的一面。

Obsidian的真实价值在于：

它是对AI最友好的个人知识系统。本地Markdown文件意味着Agent可以直接用CLI操作，没有API限制、没有第三方依赖。
它提供了完整的透明性。在Obsidian里，你能看到AI在读什么、输出什么、是否偏离了你的规则。这种可控性是使用其他AI工具无法获得的。
它是个人知识的长期沉淀载体。不像临时性的对话记录，Obsidian里的笔记、链接、索引会随着时间积累变得越来越有价值。

搭建一套完整的AI生产力系统听起来是大工程，但拆开来看就是五个步骤：

选一个Vault位置和同步方案
搭一套清晰的文件夹结构
写一份CLAUDE.md规则文档
沉淀你的个人上下文（写作风格、审稿标准等）
跑通一两个工作闭环

做完这五步，你就已经拥有一个"懂你"的AI助手了。它不是一个通用的ChatGPT，而是为你量身定制的生产力伙伴——既掌握你的知识库，又遵循你的工作规则，每次交互的质量都远高于一般的AI对话。

如果你正在寻找一个兼具灵活性、专业性和长期价值的个人AI系统，我建议从搭建Obsidian Vault开始。不需要一次性完成所有细节，而是先搭起基础框架，然后在实际使用中逐步迭代优化。三个月后回头看，你会发现这个系统对你的工作方式产生了深刻的影响。

我是一名产品经理，同时也是这个系统的设计者和使用者。这篇文章记录的是我从理论理解到实战操作的完整思考过程。欢迎你在构建自己的系统时参考这些方法，相信也能找到最适合自己的那个版本。

声明：本站原创文章文字版权归本站所有，转载务必注明作者和出处；本站转载文章仅仅代表原作者观点，不代表本站立场，图文版权归原作者所有。如有侵权，请联系我们删除。

未经允许不得转载：Obsidian x Agent 终极指南，从零打造个人 Agent 系统

请登录后发表评论