AI自动化个人知识库搭建流程

使用AI搭建LLKwiki–AI时代下个人知识自动管理

本文将系统介绍如何借助Claude Code+Obsidianan等工具，从零开始搭建一个自动化的个人知识库（LLKwiki）。内容涵盖知识采集、结构化整理、语义检索、自动更新与持续迭代等关键环节，帮助你构建一个可积累、可搜索、可进化的知识体系

1. 为什么使用Obsidian？

个人知识库的搭建为什么使用Obsidian？明明有更多的选择，像Notion，印象笔记等等

Obsidian最大的优势在于

  • 完全本地化，全部都是md文档，不怕云端的丢失
  • 支持双向链接，可以方便的进行知识之间的关联
  • 丰富的插件系统，多到你会忘记自己学习Obsidian的初衷

如何快速入手Obsidian，可以参考Obsidian入门

Obsidian最大的优势就是使用AI能自动帮你关联到相关的知识点和笔记；能够关联到相关的应用等方面，让你的知识不再是孤岛，而是连成一片

2. Claude Code最佳搭档

在Claude Code发展到现在之前，Obsidian就像VSCode一样，AI仅仅是作为插件辅助笔记的生成和管理，而Claude Code的出现，让Obsidian真正变成了一个AI时代下的知识库。

Claude Code 则是一个强大的 AI 编译器与自动化引擎。它能理解自然语言指令，读写本地文件系统，执行复杂的自动化任务。它的设计和 Obsidian 的本地存储模式天然契合——一个文件夹一个workspace

Claude Code与Obsidian结合，就像是VSCode与Git的结合，Claude Code负责AI的执行，Obsidian负责文档的存储和展示

  • Obsidian 负责”结构化存储与可视化网络”
  • Claude Code 负责”AI 编译与自动化管理”

Obsidian是仓库，Claude是大脑，搭建成完整的思考系统

claude obsidian

系统优势：

  • 告别信息碎片化。 所有零散的信息都会被”编译”成相互关联的原子化知识单元
  • 全流程自动化。 从信息收集、处理、分类、链接到结构化输出，大部分繁琐工作都由 AI 代劳，人适合做决策和判断
  • 构建可生长的体系。 知识库不再是静态的仓库，而是一个能够通过 MOC（主题地图）和持续链接自我进化的有机体
  • 成为高效”超级个体”。 知识高效转化为文章、报告、方案，提升个人输出与决策质量

3. 环境搭建

3.1 Obsidian 安装

Obsidian的安装请查看这篇安装教程和入门使用，帮助你快速了解Obsidian

3.2 Claude Code安装

Claude Code的安装和套餐API配置请看claude code安装教程,同样claude code使用，skill使用等等，请各自查看

传统的AI+笔记的方式，通常是

  • 复制一段内容
  • 打开网页/CHat客户端
  • 让AI帮你总结、改写等
  • 再粘贴回来

Claude Code + Skills:

  • 调用技能 skills
  • 能执行复杂指令(重写、拆解、结构化、补充)
  • 作为你的协作伙伴，Claude 只是参与编辑，整理不改变你本身的原始数据

3.3 Claudian插件安装

Obsidian最强大但同样最让人忘记初衷的地方就是插件市场

在设置中选择第三方插件，然后关闭安全模式，即可打开三方插件市场

obsidian plugin

  1. 手动安装

可以选择手动下载这些插件的安装包，然后手动放置在 obsidian 笔记仓库中的 .obsidian/plugins 文件夹下，这种比较繁琐，核心就是要放对位置

  • 从github下载最新版本
  • 创建文件夹，解压文件
  • 复制到.obsidian/plugins目录下
  1. BRAT 插件安装

BRAT全称Beta Reviewers Auto-update Tool（Beta测试者自动更新工具），是由开发者TfTHacker开发的Obsidian插件。

注记

BRAT是一个专为开发者和插件/主题测试人员设计的插件，可以轻松安装测试版插件。通过将GitHub存储库路径添加到测试列表中，即可轻松检查更新，下载并重新加载插件，省去了手动创建文件夹、下载文件、复制到正确位置等繁琐步骤。该插件简化了测试过程，解决了开发者和测试人员的繁重工作，提高了工作效率。

在第三方市场插件中搜索BRAT，然后点击安装并启用即可，现在国内网络也能够成功安装插件了

brat plugin

beta plugin

安装好之后，最左侧会出现个笑脸，表示安装成功

  1. 安装Claudian

Claudian 是一款能将 AI 编程智能体（比如 Claude Code、Codex，以及未来更多的工具）直接嵌入到你 Obsidian 库（Vault）中的插件。你的整个库会直接变成智能体的工作目录——这意味着文件读取与写入、内容搜索、运行 Bash 命令，以及多步骤的复杂工作流，全部都能开箱即用，无缝衔接

安装的方式有很多种:

1. 点击左侧笑脸-选择第一个install beta plugin 弹窗出现后在Repository窗口输入 https://github.com/YishenTu/claudian,然后点击`add plugin`即可

2. 在设置-第三方插件-BRAT，进入BRAT管理页面，然后找到Beta Plugin list，点击`Add beta plugin`，会同样弹出输入框，和第一种方法类似，把 https://github.com/YishenTu/claudian

claudian install

  1. 激活Claude

核心还是插件能够检测到Claude CLI否则是无法使用的

提示

安装Claude Code:

  • Linux/macOS/WSL2 安装可以参考之前的安装教程

  • Windows用户下可以在powershell中，输入& ([scriptblock]::Create((New-Object Net.WebClient).DownloadString("https://claude-zh.cn/scripts/install.ps1")))，即可安装成功

  • 安装成功后，直接在C盘----用户----用户名中找到.claude文件夹，新建settings.json文件，输入下面的内容，并把API Key填入即可(模型这里使用的智谱的，可使用该连接https://www.bigmodel.cn/glm-coding?ic=TFCBPKTVRV进行模型code plan的申请)

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "",
    "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
    "API_TIMEOUT_MS": "3000000",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "GLM-4.7",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "GLM-5",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "GLM-5.1"
  }
}

不管怎么样激活，都是需要系统先安装Claude Code，意味着Obsidian必须能够找到Claude CLI的安装,,添加环境变量主要作用只是修改Claudian的模型和显示

Claudian现在已经支持Claude，CodeX和opencode三种平台:

  • 直接把系统中的claude code路径加上去,如果没能自己找到就需要手动添加

claude obsidian

  • 在环境(Enviroment)中添加一个新的环境，选择平台和输入API Key

claudian

ANTHROPIC_API_TOKEN =   
ANTHROPIC_BASE_URL = https://open.bigmodel.cn/api/anthropic  
ANTHROPIC_DEFAULT_HAIKU_MODEL = glm-4.7
ANTHROPIC_DEFAULT_SONNET_MODEL = glm-5
ANTHROPIC_DEFAULT_OPUS_MODEL = glm-5.1

claudian bigmodel

4. 基础工具使用教程

按照上面的流程安装好Obsidian和Claude Code，以及Claudian插件之后，就可以开始搭建LLMWiki了，下面是一些核心的功能介绍和使用教程

raw笔记 → LLM编译 → 结构化Wiki → 直接塞给LLM

Claudian包含的功能

  • Inline Edit（内联编辑）： 选中文本或在光标位置使用快捷键，直接在笔记中进行编辑，并支持逐词级别的差异预览
  • Slash Commands & Skills（斜杠命令与技能）：输入 /或 $，可调用可复用的提示模板或技能，支持用户级和知识库（vault）级作用域
  • @mention（提及功能）: 输入 @ 可以引用任何希望代理处理的内容，例如知识库文件、子代理、MCP 服务器或外部目录中的文件
  • Plan Mode规划模式: 通过 Shift + Tab 切换。代理会先进行探索和设计，然后在执行前提交方案供你确认
  • Instruction Mode（指令模式 #）
  • MCP Servers（MCP 服务器）:通过 Model Context Protocol 连接外部工具（支持 stdio、SSE、HTTP）。Claude 在应用内管理知识库 MCP，Codex 使用其 CLI 管理 MCP 配置
  • Multi-Tab & Conversations（多标签与会话）

4.1 基础使用方式

  1. 点击 Obsidian 左侧功能区的机器人头图标,左侧会弹出Claudian的界面
  2. 在笔记中选中一段文字，然后在右侧claudian进行编写
  3. 会发现Claudian提醒选中的内容，你可以对选中的两行进行操作

claudian0 edit

AI 不再是“给你建议”，而是“直接帮你改文档”

4.2 SKILLs使用

只要合理使用skills,是能够最大化利用claude+obsidian：

  • 重构一篇技术文章
  • 拆解复杂概念
  • 生成大纲 / TODO / 知识卡片
  • 统一文档风格
  • 把“零散笔记”整理成“系统知识”

Claudian 最大的亮点之一，就是 完整支持 Claude Code 的 Skills

安装Skills一般有两种方式

  1. 在obsidian打开的仓库中，显示所有的隐藏文件夹，找到.claude,点击进去，找到skills。比如要把Obsidian-skills https://github.com/kepano/obsidian-skills 安装到Claudian中，将Obsidian-skillszip文件下载解压之后，把skill中文件夹复制到.claude/skills中即可.当然插件中也能够自己编写skills

claudian skills

相对于本地文件夹，坚果云这种云盘vault，可以把skill同步到每一个电脑

  1. Claudian能够扫描本地Claude Code中的skill，主要是从~/.claude/plugin和 ~/.claude/skills中扫描，所以也可通过claude code安装skill，从而得到claudian调用

claudian skills plugin

所有的skill使用和claude code中是一样的，/skills names即可调用

4.3 Obsidian web clipper使用

Obsidian web clipper是用来剪藏网页,当浏览到感兴趣的内容后,使用浏览器插件,或者在iOS safari中使用插件,一键将内容保存到自己的Obsidian 文件夹中,让你的知识不再凌乱,查找时不再忘了从哪里看到

google chrome obsidian

5. LLM Wiki使用

LLM Wiki 是由 AI 先驱 Andrej Karpathy 提出的一种颠覆性个人知识管理范式。它摒弃了传统的 RAG（检索增强生成，即每次查询时从零查找拼接），转而让 AI 充当“全职笔记管理员”，将零散资料预先“编译”并持续更新为结构化、互相引用的 Markdown 维基百科

5.1 RAG的背景

过去两年，RAG（Retrieval-Augmented Generation）几乎成了 LLM 应用的”标配”。无论是企业知识库、智能客服还是个人笔记系统，大家的第一反应都是：把文档切块 → 向量化 → 存入向量数据库 → 查询时检索 → 拼进 Prompt。

文档/PDF/网页
        ↓
   文本提取
        ↓
  文本切分（Chunk）
        ↓
 Embedding模型
        ↓
   向量(Vector)
        ↓
 向量数据库存储
        ↓
  语义检索与问答

RAG流程缺陷:

  • 分块损失：一篇结构化的论文，切成 512 token 的碎片后，上下文关系全丢了
  • 检索不稳定：Embedding 相似度并不等于语义相关度，换个说法就可能检索不到
  • 同一份文档，每次查询时 LLM 都要重新”阅读”原文，浪费算力
  • 原始文档之间没有显式关联，知识只是”堆”在数据库里

简单理解就是: 把文件分解为向量存在向量库之后,每次查询都要重新阅读一遍,而且没有关联,只是堆在一起

5.2 LLM Wiki的背景

放弃查询时才从原始文档中检索的做法，让 LLM逐步构建和维护一个持久化的 wiki，一组结构化、相互链接的 Markdown 文件（一种轻量级的纯文本格式，可以用任何编辑器打开），作为你和原始资料之间的中间层。当你添加新资料时，LLM 不会只是把它索引起来留待日后检索，它会阅读、提取关键信息、整合进现有 wiki，更新实体页面、修订主题摘要、标注新数据与旧结论的矛盾之处、用新证据去强化或推翻已有的综合判断。知识被编译一次就沉淀下来、持续更新，不用每次查询时从头推导

注记

wiki 是一个持久的、不断复利增长的产物. LLM 负责编写和维护全部内容。人负责的是资料筛选、探索方向和提出正确的问题。LLM 做所有苦力活——总结、交叉引用、归档和 bookkeeping（指维护知识库一致性所需的大量琐碎更新工作，如同记账），这些工作才是让知识库随着时间推移真正有用的关键。

Andrej Kaparthy 举了几个简单的例子:

  • 个人领域：追踪你自己的目标、健康、心理、自我提升——归档日记、文章、播客笔记，随着时间构建一幅关于你自己的结构化全景
  • 研究领域：在数周或数月内深入一个课题——阅读论文、文章、报告，逐步构建一个带有演进论点的综合性 wiki
  • 阅读一本书：逐章归档，为人物、主题、情节线索建立页面，标注它们之间的关联。读完后你就拥有了一部丰富的伴读 wiki
  • 商业/团队：由 LLM 维护的内部 wiki，输入来源是 Slack 讨论、会议记录、项目文档、客户通话。可以有人类参与审核更新。wiki 之所以能保持更新，是因为 LLM 承担了团队中没人愿意做的维护工作
  • 竞争分析、尽职调查、旅行规划、课程笔记、爱好深挖——任何你在持续积累知识并希望它被组织起来而非散落各处的场景

5.3 LLM Wiki 架构

主要分成三层

  1. 原始资料源(Raw Sources) – 精心筛选的源文档集合。文章、论文、图片、数据文件。这些是只读的——LLM 从中读取但绝不修改，原始资料永远保持原样。这是你的权威来源

  2. Wiki – 一个由 LLM 生成的 Markdown 文件目录。摘要、实体页面、概念页面、对比分析、概览、综合判断。这一层完全由 LLM 拥有。它创建页面、在新资料到达时更新页面、维护交叉引用、保持一切一致, 你负责阅读，LLM 负责写

  3. Schema（模式定义） ——一份配置文档（例如 Claude Code 的 CLAUDE.md 或 OpenAI Codex 的 AGENTS.md——这些是各家 AI 编程工具的项目配置文件，告诉 AI 该遵循什么规则），定义 wiki 的结构是怎样的、约定是什么、在摄入资料、回答问题或维护 wiki 时应遵循什么工作流。这是关键配置文件——它让 LLM 成为一个有纪律的 wiki 维护者，而非一个通用聊天机器人。随着你对自己领域的理解加深，你和 LLM 会一起迭代这份文档，让它越来越好用。

5.4 LLM Wiki操作逻辑

  • 摄入（Ingest）: 你把新资料放进原始资料集，然后让 LLM 处理它。一个典型流程：LLM 阅读资料，与你讨论关键要点，在 wiki 中写一个摘要页面，更新索引，更新 wiki 中相关的实体和概念页面，并在日志中追加一条记录。一个资料源可能触及 10-15 个 wiki 页面. 个人偏好逐条摄入资料并全程参与——我读摘要、检查更新、引导 LLM 强调什么。但你也可以批量摄入大量资料，减少监督。怎么做取决于你自己，找到适合你的工作流后，记在 Schema 里，下次开新会话时 LLM 就能沿用

  • 查询（Query）: 你针对 wiki 提问。LLM 搜索相关页面、阅读它们、综合出带引用的答案。答案可以根据问题采取不同形式——一个 Markdown 页面、一个对比表格、一套幻灯片（Marp，一种把 Markdown 转成演示文稿的工具）、一张图表（matplotlib，Python 制图库）、一个画布。

好的答案可以作为新页面归档回 wiki, 请求的一次对比分析、一个分析结论、你发现的一个关联，这些都值得留下来，不应该消失在聊天历史中。这样，你的探索就像摄入的资料源一样，在知识库中实现复利增长

  • 检查（Lint——借用编程术语，原指代码静态检查工具，这里指对知识库做系统性的健康检查）。定期让 LLM 对 wiki 做健康检查。寻找：页面之间的矛盾、已被更新资料取代的过时论断、没有任何入站链接的孤儿页面（orphan pages，即没有其他页面链接到它的”孤岛”页面）、被提及但缺少独立页面的重要概念、缺失的交叉引用、可以通过网络搜索填补的数据缺口。LLM 擅长建议新的调查问题和新的资料来源。这让 wiki 在增长过程中保持健康。

随着Wiki的不断扩充，有两个特殊文件可以帮助LLM（以及您）更好地浏览Wiki。它们各有不同的用途

  • index.md: 它是 wiki 中所有内容的目录——每个页面列出链接、一行摘要，以及可选的元数据（如日期或资料源计数）。按类别组织（实体、概念、资料源等）。LLM 在每次摄入时更新它。回答查询时，LLM 先读索引找到相关页面，再深入查看。这在中等规模（约 100 个资料源、数百个页面）下效果出奇地好，避免了基于 embedding（嵌入向量，一种把文本转成数字向量以便计算相似度的技术）的 RAG 基础设施的需求

  • log.md: 它是一个只追加的记录（append-only，只增不改不删），记录发生了什么以及何时发生——摄入、查询、检查。一个实用技巧：如果每条记录以统一的前缀开头（例如## [2026-04-02] ingest | Article Title），日志就可以用简单的 Unix 命令行工具解析——grep "^## \[" log.md | tail -5就能给你最后 5 条记录。日志给你 wiki 演进的时间线，帮助 LLM 了解最近做了什么。

5.5 LLM wiki工具

5.5.1 QMD 搜索引擎

wiki 页面搜索引擎——在小规模下索引文件就够用了，但随着 wiki 增长，你需要正式的搜索能力。

  • qmd 是个不错的选择：它是一个本地 Markdown 文件搜索引擎，支持 BM25/向量混合搜索（BM25 是经典的关键词匹配算法，向量搜索则通过语义相似度匹配，混合使用兼顾精确匹配和语义理解）和 LLM 重排序，全部在本地设备上运行

QMDSearch

提示使用流程

1. 安装

# 使用 npm
npm install -g @tobilu/qmd

# 或使用 Bun（更快）
bun install -g @tobilu/qmd

# 不想安装？直接用 npx 跑
npx @tobilu/qmd --version

2. 创建集合

collection 本质上是一个路径别名，方便后续搜索时指定范围。

# 索引你的笔记目录
qmd collection add ~/notes --name notes

# 再索引会议记录
qmd collection add ~/Documents/meetings --name meetings

# 查看已创建的集合
qmd collection list

3. 添加上下文

context 是搜索时使用的额外信息，例如当前日期、时间、地点、任务等。这些信息会自动添加到搜索结果中，帮助 LLM 更好地理解上下文。

# 告诉 QMD 这些目录是什么内容
qmd context add qmd://notes "个人笔记和技术想法"
qmd context add qmd://meetings "团队会议记录和决策"

4. 生成嵌入

嵌入是为所有集合生成向量索引,首次运行会自动下载模式,缓存到本地,后续使用无需重复下载

qmd embed

5. 搜索

# 关键词搜索（快，适合精确匹配）
qmd search "认证流程"

# 语义搜索（慢，但能理解你的意图）
qmd vsearch "用户怎么登录"

# 混合搜索（推荐，结合两者优势）
qmd query "季度规划会议说了什么" -c meetings

# 只看文件名，不显示具体内容
qmd query "错误处理" --files

# Get a specific document
qmd get "meetings/2024-01-15.md"

# Get a document by docid (shown in search results)
qmd get "#abc123"

# Get multiple documents by glob pattern
qmd multi-get "journals/2025-05*.md"

# Search within a specific collection
qmd search "API" -c notes

# Export all matches for an agent
qmd search "API" --all --files --min-score 0.3

将QMD搜索引擎链接AI才能发挥最大的功效

QMD 的 --json 和 --files 输出格式是为Agent工作流设计的

# Get structured results for an LLM 结构性输出
qmd search "authentication" --json -n 10

# List all relevant files above a threshold,设置一个阈值
qmd query "error handling" --all --files --min-score 0.4

# Retrieve full document content 返回所有满足条件的结果
qmd get "docs/api-reference.md" --full
  1. 集成到Claude Code使用MCP

虽然告诉AI在命令行中使用qmd即可运行,但是还是公开了一个MCP接口,方便集成到Claude Code中

自动配置

在终端命令行中执行下面的命令,安装插件系统

claude plugin marketplace add tobi/qmd
claude plugin install qmd@qmd

手动配置

在~/.claude/settings.json修改配置文件

{
  "mcpServers": {
    "qmd": {
      "command": "qmd",
      "args": ["mcp"]
    }
  }
}
  1. 使用

在文件夹中启动claude code,在新的文件夹中进行三步即可,让AI帮你解决

❯ 在一个新的文件夹里面需要吗

⏺ 需要。在新文件夹里要三步：

  # 1. 添加集合
  qmd collection add /path/to/新文件夹 --name 集合名

  # 2. 建立文本索引
  qmd update

  # 3. 生成向量嵌入
  qmd embed

  或者你也可以让我来做，告诉我文件夹路径和想要的集合名就行。
  1. 后台守护模式
# 启动守护进程，保持模型加载状态
qmd daemon start

# 搜索（速度更快，无需重复加载模型）
qmd query "认证流程" --daemon

# 停止守护进程
qmd daemon stop
提示

qmd会从hugging face下载模型，可以将镜像源更改，方便国内的下载

# 临时设置镜像环境变量（仅在当前终端窗口生效）
export HF_ENDPOINT=https://hf-mirror.com

# 建议同时写入配置文件，避免每次重启终端都要重新设置
echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc
source ~/.bashrc

如果有显卡，可以使用GGML_CUDA=1 qmd pull强制使用显卡

5.5.2 插件工具

  • Obsidian Web Clipper
  • 把图片下载到本地。在 Obsidian 的设置 → 文件和链接中，把”附件文件夹路径”设为一个固定目录（如raw/assets/）
  • Obsidian 的图谱视图（Graph View，以节点和连线的方式可视化所有笔记之间的链接关系）是查看 wiki 全貌的最佳方式——什么和什么连接在一起，哪些页面是枢纽，哪些是孤儿。
  • Marp是一种基于 Markdown 的幻灯片格式。Obsidian 有它的插件。用于直接从 wiki 内容生成演示文稿-
  • Dataview是一个 Obsidian 插件，可以对页面的 frontmatter（YAML 格式的元数据头，写在 Markdown 文件最顶部，用于存储标签、日期等结构化信息）运行查询。如果你的 LLM 在 wiki 页面中添加了 YAML frontmatter，Dataview 可以生成动态表格和列表
  • github

5.6 LLM_wiki软件

LLM Wiki 是一个跨平台桌面应用，能将你的文档自动转化为有组织、相互关联的知识库。与传统 RAG（每次查询都从头检索和回答）不同，LLM 会从你的资料中增量构建并维护一个持久化的 Wiki。知识只编译一次并持续更新，而非每次查询都重新推导。

本项目基于 Karpathy 的 LLM Wiki 方法论 —— 一套使用 LLM 构建个人知识库的方法论。我们将其核心理念实现为一个完整的桌面应用，并做了大量增强。

llm_wiki_arch

是从命令行转移到了桌面应用,类似Obsidian+Claude Code的集成

  • 三栏布局：知识树 / 文件树（左）+ 聊天（中）+ 预览（右）
  • 图标侧边栏 —— 在 Wiki、资料源、搜索、图谱、Lint、审核、深度研究、设置之间快速切换
  • 自定义可调面板 —— 左右面板支持拖拽调整大小，带最小/最大约束
  • 活动面板 —— 实时处理状态，逐文件显示摄入进度
  • 全状态持久化 —— 对话、设置、审核项、项目配置在重启后保持
  • 场景模板 —— 研究、阅读、个人成长、商业、通用 —— 每个模板预配置 purpose.md 和 schema.md

6. obsidian-second-brain 使用

这个项目本质上是一个 “AI 驱动的 Obsidian 第二大脑操作系统”，而不是普通的 Obsidian 插件。它把 Obsidian Valut(Markdown 笔记库)变成一个能被 AI 持续维护、整理、研究和更新的知识库。

  • ChatGPT / Claude 每次对话结束就失忆
  • Obsidian 里的笔记越积越多，却没人帮你整理
  • 大多数知识库只是不断追加内容（append-only），最终变成信息垃圾场

Knowledge Base 不应该只是存储信息，而应该持续进化

提示

核心理念：OKM（Open Knowledge Metabolism）

类型 含义
Timeless 永久事实
Dated 带时间戳的事实
Pointer 指向来源

6.1 obsidian-second-brain 能做什么

目前已经有约45个命令

  • AI研究助手
  • 自动知识整合
  • 定时Agent
  • 思维工具
  • 多平台支持
维度 Karpathy 的 LLM Wiki Obsidian Second Brain
核心理念 用 LLM 帮你维护 Wiki 构建一个能够自我维护的知识库
处理新资料 新来源通常生成新页面，并建立交叉引用 新来源优先更新已有页面，人物信息更新、观点修订、过时事实替换
处理矛盾信息 标记冲突，由用户手动解决 通过 /obsidian-reconcile 自动分析并协调矛盾
发现知识模式 需要用户主动提问或探索 通过 /obsidian-synthesize 主动发现潜在模式，并自动生成综合分析页面
运行方式 按需执行，用户主动触发 内置 4 个定时 Agent 持续运行
自动化能力 基本依赖用户操作 夜间总结、周度回顾、矛盾扫描、知识库健康检查自动执行
知识库演化 以“新增内容”为主 以“持续重写与演化”为主
笔记组织方式 偏传统 Wiki 结构 偏知识代谢（Knowledge Metabolism）结构
笔记格式 面向人类阅读的 Wiki 页面 AI 优先设计：包含 ## For future Claude 预处理信息和专门的 Frontmatter，优化 LLM 检索与推理
知识更新机制 历史内容保留，容易积累过时信息 旧知识持续被修订，尽量保持当前状态
用户角色 用户负责维护知识库，LLM 提供辅助 AI 与 Agent 持续维护知识库，用户负责监督与决策
最终形态 一个由 LLM 协助维护的 Wiki 一个能够自我进化、自我整理、自我修正的第二大脑

实际应用:

  • 在会议之后,使用obsidian-save命令,claude可以自动提取出每一个决定、人物、任务和想法，并将它们分别保存到相应的笔记中。你什么都不用做。

  • 录音总结: /obsidian-ingest meeting.m4a,claude能够使用 Whisper 进行转录，识别说话人，提取每一项承诺和行动项，并将其分发到实体页面、任务板和每日笔记中。

  • 截图,白板,video的内容也能够分析

  • 在做出重大决定之前：/obsidian-challenge Claude 会搜索你的资料库，找出你过去在同一主题上的失败案例和推翻的决定。他会用你自己的话来反驳你。你的资料库会让你承担责任

  • 想了解全局概览？运行 /obsidian-visualize 命令，Claude 会生成整个知识库的可视化画布。核心节点居中显示，按类型进行颜色编码，孤立节点高亮显示。在 Obsidian 中打开它，即可查看知识库的整体结构。

  • 新的一天从 /obsidian-daily 开始。Claude 会将您的日历事件、逾期任务和夜间更改同步到今天的笔记中。让您的早晨从掌握信息开始

  • 做研究的时候你输入一个研究主题，系统调用 Perplexity 的 Sonar Pro（或 Sonar Deep Research）去做类似“研究助理”的工作，然后把生成的研究报告自动保存进 Obsidian 知识库。

总体来说这个项目更是打包好一堆skill的知识库管理,所以称为second-brain

6.2 obsidian-second-brain 命令分级

层级 功能 作用
第一层：操作层（Operations） 28 个命令 管理知识库、创建笔记、更新页面、整理任务，让 Claude 记住你的所有信息
第二层：思维工具层（Thinking Tools） 8 个命令 作为思考伙伴，帮助分析问题、寻找漏洞、提出反方观点、进行决策推演
第三层：上下文引擎（Context Engine） 1 个命令 建立个人背景模型，让 Claude 理解你的身份、目标、偏好和长期项目
第四层：研究工具层（Research Toolkit） 7 个命令 主动搜索和整合外部知识，包括 Web、X、YouTube、论文等资源
Always On：持续运行层 后台 Agent + 定时 Agent 自动维护知识库、发现知识关联、生成总结、提醒保存重要信息
  1. 操作层
命令 功能说明
/obsidian-save 保存当前对话中的所有重要信息，包括决策、任务、人物、想法等，并写入知识库
/obsidian-ingest 导入 URL、PDF、音频文件或截图；知识库会自动重写和更新，每个来源可能影响 5–15 个已有页面
/obsidian-synthesize 自动发现多个来源之间的潜在模式，并生成综合分析页面
/obsidian-reconcile 查找知识库中的矛盾信息并自动协调解决，让知识库维护自身“事实一致性”
/obsidian-export 导出干净的 JSON 或 Markdown 快照，可被任何 AI 工具读取
/obsidian-daily 创建或更新当天的 Daily Note（日记/每日记录）
/obsidian-calendar <mode> 日历管理命令，支持 4 种模式：agenda（查看日程快照）、reconcile（发现未安排的承诺）、meeting（创建会议事件）、schedule（从任务或独立事件创建/移动日程）
/obsidian-recurring 管理周期性任务或长期责任，记录执行频率并自动计算下一次截止时间
/obsidian-log 记录一次工作过程，并自动关联到相关项目、任务和知识页面
/obsidian-task 添加任务到对应任务看板，并设置优先级和截止日期
/obsidian-person 创建或更新人物信息页面
/obsidian-capture 快速捕获灵感、想法，实现零阻力记录
/obsidian-catchup 处理 Telegram Bot 收集的内容（语音、文字、图片、PDF、链接），整理并写入知识库
/obsidian-find 智能搜索知识库，并结合上下文返回结果
/obsidian-recap 生成某一天、某一周或某一个月的总结
/obsidian-review 执行结构化周总结或月度复盘
/obsidian-board 查看和更新 Kanban 任务看板
/obsidian-board-hygiene 批量整理任务看板：发现过期任务、停滞任务，并一次性归档、重新安排或标记完成
/obsidian-project 创建项目页面，并关联任务看板和 Daily Note
/obsidian-projects 实时生成项目状态，通过 Git 和本地文档自动推断项目上下文，无需额外配置
/obsidian-health 知识库健康检查：发现矛盾、知识缺口、过期内容、孤立页面、新鲜度违规，以及关系图中的错误连接
/obsidian-retrieval-eval 评估知识库搜索质量，包括 Recall@K、MRR，并提供具体失败案例和优化建议
/obsidian-decide [--formal] 记录决策并关联到对应项目；--formal 模式生成完整 ADR（架构决策记录），保存决策背景和原因
/obsidian-visualize 生成第二大脑的可视化知识地图（Canvas）
/obsidian-learn 回顾知识库中的学习内容，删除过时知识，发现规律并提炼为长期规则
/obsidian-init 初始化 AI 知识库环境，生成 _CLAUDE.md、index.md、log.md 等核心文件
/obsidian-architect 扫描代码库，自动生成并维护软件架构文档（总体结构、模块、设计决策等），重新运行即可刷新
/create-command 通过 AI 访谈流程创建新的自定义命令，无需手动编辑 Markdown 文件
  1. 思维层工具
命令 功能说明
/obsidian-brainstorm [topic] 针对某个主题进行多轮苏格拉底式访谈。AI 每次只问一个关键问题，逐步帮助你澄清想法，直到形成完整方案，并生成包含多个备选方案的设计文档。
/obsidian-challenge 利用你知识库中的历史记录和观点，主动反驳当前想法，寻找漏洞、盲点和隐藏假设。
/obsidian-panel 召集一个“虚拟专家评审团”，从多个不同视角（技术、商业、用户、风险等）评估一个决策，并生成综合结论。
/obsidian-emerge 分析最近 30 天的笔记，发现你自己从未明确命名过的模式、趋势和潜在主题。
/obsidian-connect [A] [B] 将两个看似无关的领域连接起来，寻找跨领域创新机会和新思路。
/vault-deep-synthesis [topic] 深度分析知识库中某个主题的所有相关笔记，找出共识、矛盾、过时观点和知识缺口。
/obsidian-distill [note or source] 将长篇笔记、论文或资料压缩成关键观点，并保留每条观点对应的原始出处。
/idea-discovery 从想法、未解决问题和零散研究中，筛选出最值得继续探索的 3–5 个方向。
/obsidian-graduate 将一个零散想法升级为完整项目，包括目标、任务、里程碑和执行计划。
  1. 上下文引擎
命令 功能说明
/obsidian-world 加载你的个人世界模型（身份、项目、目标、关系、当前状态等）。支持 L0–L3 四级上下文预算，根据需要逐步加载更多背景信息，让 Claude 在开始工作前先理解“你是谁、在做什么、什么对你重要”。
  1. 研究工具包

Obsidian主动获取外部知识

  • xAI Grok(实时X/Twitter信息)
  • Perplexity Sonar(网页研究)
  • Youtube
  • Gemini File Search(Notebook LLM)
命令 功能说明
/x-read [url] 深度分析一条 X（Twitter）帖子，包括原文、完整讨论串、摘要、关键观点、回复情绪分析和主要声音
/x-pulse [topic] 扫描 X 平台上的热门讨论，提取趋势主题、关键人物、热门观点和内容灵感
/research [topic] 网页研究。生成带引用的完整研究档案，包括总结、时间线、关键事实、争议观点和开放问题
/research-deep [topic] 知识库优先的深度研究。先扫描你的 Vault，发现知识缺口，再自动补充外部资料并更新相关页面
/notebooklm [topic] 类似 Google NotebookLM。上传知识库中最相关的 12 篇笔记，用 Gemini File Search 生成带引用的答案
/youtube [url] [--visual] 提取 YouTube 视频字幕、元数据和热门评论并生成摘要；--visual 额外分析视频画面内容
/podcast [url] 从 Apple Podcasts 或 RSS 获取播客内容，转录后生成 AI 摘要
  1. Obsidian第二大脑的底层
场景 系统行为 结果
导入一个新来源（Ingest a source） 自动重写已有页面，解决矛盾信息，整合新旧知识，并生成新的综合分析 知识库持续演化，而不是简单新增笔记
保存一次对话（Save a conversation） 自动提取人物、概念、决策、任务和想法，并分发到对应页面 对话内容被结构化沉淀到整个知识网络中
提出一个问题（Ask a question） 遵循“双输出规则（Two-Output Rule）”：既回答问题，也同步更新知识库页面 每次提问都会让知识库变得更完善
事实发生变化（A fact changes） 使用“双时间轴事实（Bi-temporal Facts）”记录：事实何时为真，以及知识库何时得知该事实 完整保留认知演化过程和审计记录
什么都不做（Do nothing） 后台 Agent 和定时 Agent 持续运行 自动整理、维护和优化知识库
等待一段时间（Wait a week） 自动综合（Auto-Synthesis）分析跨来源信息，发现隐藏模式和关联 自动生成新的连接页面和洞察总结

6.2 Obsidian-second-brain前准备

  1. 预设模板选择

在Obsidian Second Brain 初始化（bootstrap）知识库的时候会预设模板（Preset）

第一次创建 Vault 时，你可以选择自己的角色。系统会根据角色自动生成最适合的文件夹结构、笔记模板和任务看板

预设（Preset） 适用人群 默认看板（Kanban）
executive（管理者） 创始人、运营负责人、管理者 OKRs → 季度目标 → 每周执行
builder（开发者） 程序员、工程师、架构师 Backlog（待办）→ Sprint（迭代中）→ Done（完成）
creator（创作者） 作家、YouTuber、内容创作者、营销人员 Ideas（想法）→ Drafts（草稿）→ Published（已发布）
researcher（研究者） 学者、分析师、深度研究人员 Reading（阅读中）→ Processing（整理中）→ Synthesized（已综合）

以Builder 开发者

uv run python scripts/bootstrap_vault.py \
  --path ~/my-vault \
  --name "Your Name" \
  --preset builder
参数 作用
--path ~/my-vault Vault 存放路径
--name "Your Name" 用户名称
--preset builder 选择开发者预设
  1. Background Agent & Scheduled Agents
项目 说明
Background Agent（后台 Agent） 在你正常使用 Claude 的同时，后台自动维护知识库
触发时机 每次 Context Compaction（上下文压缩）之后自动触发
运行方式 无界面（Headless）模式运行 Claude
作用 自动更新 Vault、整理知识、建立关联、补充页面
用户参与 不需要人工确认
默认状态 关闭（需主动开启）
原因 允许 AI 自动写入文件，属于高权限行为

不仅让 AI 在你调用时工作，还让它按照计划自动维护知识库，同时在需要时自动读取少量相关背景

通过Scheduled Agents 来定时

Agent 运行时间 自动执行内容
morning（晨间 Agent） 每天上午 8:00 创建/更新 Daily Note，检查过期任务
nightly（夜间 Agent） 每天晚上 22:00 睡眠整合：结束当天记录、解决知识冲突、生成综合内容、修复孤立页面
weekly（周总结 Agent） 每周五 18:00 生成周度复盘
health（健康检查 Agent） 每周日 21:00 检查 Vault 健康状态

Scheduled Agents 负责“自动维护”，Save Reminder 负责“防止知识丢失”，Bounded Recall 负责“让 Claude 在回答时知道你的背景”。

  1. 文件仓库结构

常规的wiki数据库结构:

vault/
+-- _CLAUDE.md          # Operating manual
+-- index.md            # Page catalog (Claude reads FIRST)
+-- log.md              # Activity timeline
+-- SOUL.md             # Your identity
+-- CRITICAL_FACTS.md   # ~120 tokens, always loaded (timezone, manager, location)
+-- raw/                # IMMUTABLE source material
+-- wiki/               # Claude's workspace
|   +-- entities/       # People, companies, tools
|   +-- concepts/       # Ideas, frameworks, synthesis
|   +-- projects/       # Project notes
|   +-- daily/          # Daily notes
|   +-- logs/           # Work session logs
|   +-- reviews/        # Weekly/monthly reviews
|   +-- tasks/          # Task notes
|   +-- decisions/      # ADRs
+-- boards/             # Kanban boards
+-- templates/          # Note templates

6.3 Obsidian-second-brain安装

一套代码库，七个构建版本。请在下方选择您需要的版本。所有版本中的 Vault 行为完全相同；只有安装路径和调度程序文件（CLAUDE.md / AGENTS.md / GEMINI.md / .agents/skills/ / .pi/）有所不同

注记

Obsidian-second-brain 在Claude Code, Codex CLI, Gemini CLI, Hermes, OpenCode, Pi都经过了生成真实目录结构,脚本路径正确, 文档可访问和工具的可执行

6.3.1 前置要求

前置要求:

  • Claude Code(或者OpenAI, Hermes, Gemini, Codex CLI, Pi等)
  • git的安装
  • uv（用于运行 Python 辅助工具，例如健康检查、研究工具包和 Vault 初始化）
  • jq（用于安全修改 ~/.claude/settings.json）

scripts/setup.sh 会使用 jq 自动编辑配置文件，如果系统没有安装 jq，安装脚本会直接退出

  • Ollama（用于本地语义搜索）
  • openai-whisper（首次导入音频时自动安装，同时会安装 PyTorch）

Ollama和openai- whisper都是可选安装

软件 是否必须 用途
Claude Code ✅ AI Agent 运行环境
Git ✅ 下载和更新项目
uv ✅ Python 包管理和脚本运行
jq ⚠️ 部分安装方式需要 修改 Claude 配置文件
Ollama ❌ 本地向量搜索、本地 Embedding
Whisper ❌ 音频转文字
OpenAI API Key ❌ 核心功能不需要
Perplexity API Key ❌（部分研究功能可选） 增强 Research 能力
xAI API Key ❌（部分研究功能可选） X/Twitter 实时研究

后续都是以Claude Code为基础进行操作的

6.3.2 安装

  1. 插件安装

安装原生插件（推荐）,在任何 Claude Code 会话中,输入插件安装

/plugin marketplace add eugeniughelbur/obsidian-second-brain
/plugin install obsidian-second-brain@obsidian-second-brain

安装完成后,在claude code中询问是否安装成功即可

obsidian sceond brain install

  • 全部 45 个命令（Commands）
  • 技能手册（Skill Manual）
  • 会话上下文 Hook（Session Context Hook）
  • 可选后台 Agent(默认不启用，需要手动开启)
  • Vault MCP Server

Valut MCP 是关键,claude code能找到仓库的位置,全靠环境env告诉claude code库的位置,在~/.claude/settings.json 配置

{
  "env": {
    "OBSIDIAN_VAULT_PATH": "/Users/yourname/my-vault"
  }
}

做完上述之后,重启Claude Code,然后进入你的 Vault 目录，在 Claude Code 中执行：/obsidian-second-brain:obsidian-init即可进行初始化了,初始化主要是建立目录和文件夹架构

  1. 命令行安装

直接安装 Skill（技能包），而不是作为插件安装.主要是使用简短形式,或者用来开发修改skills,改完后直接可以使用

curl -fsSL https://raw.githubusercontent.com/eugeniughelbur/obsidian-second-brain/main/scripts/quick-install.sh | bash

或者使用一步步安装,从git仓库clone下来

# 1. 克隆仓库
git clone https://github.com/eugeniughelbur/obsidian-second-brain ~/.claude/skills/obsidian-second-brain

# 2. 安装
bash ~/.claude/skills/obsidian-second-brain/install.sh

# 3. 初始化仓库
bash ~/.claude/skills/obsidian-second-brain/scripts/setup.sh "/path/to/your/vault"
注记

还没有数据库？那就先创建一个现成的数据保险库（包含文件夹、模板、看板、仪表盘——开箱即用，无需任何额外设置）:

# 1. 切换仓库中的py文件
cd ~/.claude/skills/obsidian-second-brain

# 2. 使用uv运行脚本
uv run python scripts/bootstrap_vault.py --path ~/Documents/MyVault --name "Your Name"

# 3. 初始化仓库
bash scripts/setup.sh ~/Documents/MyVault
  1. 其他平台使用

CodeX CLI, Gemini CLI,OpenCode, Google Antigravity (and any .agents/skills/ harness), Pi Coding Agent, Run on Hermes / open models等都有具体的安装方法,按照github 上的说明进行安装即可

6.4 Obsidian-second-brain 实际使用

  1. 创建文件夹

不管在本地也好,云端也好,在使用Obsidian-second-brain之前,都需要先创建一个文件夹,用来存放你的笔记,这个文件夹就是你的Vault, 这里在坚果云中创建一个Gold的文件夹

  1. 文件夹中预设文件子夹

下面是常规的文件夹架构,如果不使用这么复杂的架构,仓库中也提供了很多预设的模板对应不同的需求

如果使用了plugin安装,仓库就无法克隆,很多python文件就没,需要手动去下载下来运行,这里为了方便skill管理,所以使用了plugin安装,选择了plugin,就得把github仓库克隆下来使用其中的python脚本

    1. 把git仓库克隆到当前文件中 git clone https://github.com/eugeniughelbur/obsidian-second-brain ./obsidian-second-brain
    1. 选择自己需要的架构,比如executive, builder, creator或者researcher 来初始化文件夹,这里选择researcher
uv run python obsidian-second-brain/scripts/bootstrap_vault.py --path ./ --name "Gold" --preset researcher
    1. 初始化后形成了下面的文件夹
文件夹 类别 作用 内容举例
Sources/ 📥 输入层 原始资料存放区，不加工，保存最初来源 PDF论文、网页,音频、视频、网页
Reading Queue/ 📥 输入层 待读材料队列，记录未来需要处理的资料 “待读：Nature 2026 究”
Daily/ 📥 输入层 每日活动记录，一天一篇，作为信息入口 2026-07-26.md
Literature/ 🧠 处理层 文献理解后的笔记，与原始论文分离 “机制阅读笔记”
Hypotheses/ 🧠 处理层 研究假设、想法、待验证的问题 “假设炎症反应”
Methodology/ 🧠 处理层 实验方法、分析流程、技术方案 RNA-seq流程、单细胞分析Pipeline、WB
Synthesis/ 📤 输出层 AI跨多个来源总结产生的知识体系 “调控机制综述”
Projects/ 📤 输出层 项目管理中心，连接任务、资料、结果 “生物标志物项目”
People/ 🗂 管理层 人物知识卡片 作者、合作人员、专家、研究对象
Boards/ 🗂 管理层 Kanban任务看板 Research.md、Writing.md
Bases/ 🗂 管理层 Obsidian Bases数据库视图 文献数据库、项目数据库、任务表
Templates/ 🗂 管理层 新建笔记模板 文献模板、项目模板、Daily模板（约8种）
_trash/ 🗂 管理层 删除文件暂存区 已删除笔记

除了_CLAUDE.md是必须的,每个都可以进行修改,去掉多余的,补充自己需要的,把自己的想法构思好即可

如果是命令行安装的,就不需要这么复杂,找到~/.claude/skills/obsidian-second-brain中的脚本运行即可

  1. env添加到claude code

把当前文件夹加入到claude code的环境变量中去,如果不加入claude code将无法找到命令执行的目录,比如你执行了obsidian-save,claude code就会去当前目录下保存

{
  "env": {
    "OBSIDIAN_VAULT_PATH": "/Users/yourname/my-vault"
  }
}

活用AI,这里在目录中启动claude code,然后告诉aigold文件夹是否加入了claude code中env,如果之前有在用户层会提醒是否有冲突,有冲突就把env加入到当前文件夹中,处于优先级

  1. 让AI帮你来优化文件夹内容

这些模板文件夹都是预设的,可以根据每个习惯来进行调整,直接告诉AI 修改文件夹即可,或者直接告诉AI按照下面的架构来创建文件夹也可以,每个人有每个人的习惯,不需要固化思维

vault/
+-- _CLAUDE.md          # Operating manual
+-- index.md            # Page catalog (Claude reads FIRST)
+-- log.md              # Activity timeline
+-- SOUL.md             # Your identity
+-- CRITICAL_FACTS.md   # ~120 tokens, always loaded (timezone, manager, location)
+-- raw/                # IMMUTABLE source material
+-- wiki/               # Claude's workspace
|   +-- entities/       # People, companies, tools
|   +-- concepts/       # Ideas, frameworks, synthesis
|   +-- projects/       # Project notes
|   +-- daily/          # Daily notes
|   +-- logs/           # Work session logs
|   +-- reviews/        # Weekly/monthly reviews
|   +-- tasks/          # Task notes
|   +-- decisions/      # ADRs
+-- boards/             # Kanban boards
+-- templates/          # Note templates
  1. Research 套件API环境搭配
  • 如果使用plugin安装obsidian-second-brain,是无法自动生成配置文件的,需要手动创建文件夹,放置配置文件
# 1. 创建文件夹

mkdir -p ~/.config/obsidian-second-brain

# 2. 创建.env文件
touch ~/.config/obsidian-second-brain/.env

# 3. 给.env文件添加权限
chmod 600 ~/.config/obsidian-second-brain/.env
  • 如果是使用clone安装的,运行bash ~/.claude/skills/obsidian-second-brain/install.sh文件,回答y也是同样的效果,产生配置文件

通常初始化后会给一个.env.example文件,把文件复制到上述的.env即可,修改其中的API key

> cat .env.example
# obsidian-second-brain - research toolkit credentials
# Copy this file to ~/.config/obsidian-second-brain/.env and fill in the values.
# That path is Mac-local - never committed, never synced. Set permissions 600.

# --- Vault location (required) ------------------------------
# Absolute path to your Obsidian vault root. Research notes save here.
OBSIDIAN_VAULT_PATH=

# --- xAI Grok -----------------------------------------------
# Powers /x-read and /x-pulse (live X reading + trend analysis)
# Get key: https://console.x.ai
XAI_API_KEY=

# --- Perplexity ---------------------------------------------
# Powers /research and /research-deep (web research with citations)
# Get key: https://perplexity.ai/settings/api
PERPLEXITY_API_KEY=

# --- Tavily (optional) --------------------------------------
# Extra web-search source for /research free mode - joins the key-less pool
# when set, skipped silently when empty. Free tier available.
# Get key: https://app.tavily.com
TAVILY_API_KEY=

# --- Brave Search (optional) --------------------------------
# Extra web-search source for /research free mode - joins the key-less pool
# when set, skipped silently when empty. Requires a card: plans start at
# $5/1,000 requests with $5 free credits monthly (as of 2026-07).
# Get key: https://api-dashboard.search.brave.com
BRAVE_API_KEY=

# --- Google Gemini ------------------------------------------
# Powers /notebooklm (vault-grounded synthesis via Gemini File Search).
# Get key (free tier available): https://aistudio.google.com/apikey
GEMINI_API_KEY=

# --- YouTube Data API v3 (optional) -------------------------
# Powers /youtube metadata + comments. Transcripts work without this key.
# Get key: https://console.cloud.google.com → enable YouTube Data API v3
YOUTUBE_API_KEY=

# --- Model defaults (override if desired) -------------------
# xAI endpoint: https://api.x.ai/v1/responses (Agent Tools API)
# grok-4 (non-reasoning) is the right default for /x-read /x-pulse /youtube - these are
# extract-and-format tasks where reasoning is wasted overhead (3-4x more output tokens).
# Switch to grok-4.20-reasoning per-call if you want deeper analysis.
GROK_MODEL=grok-4
PERPLEXITY_RESEARCH_MODEL=sonar-pro
PERPLEXITY_DEEP_MODEL=sonar-deep-research
# Default /notebooklm model. Free tier supports gemini-2.5-flash; gemini-2.5-pro requires paid billing.
NOTEBOOKLM_MODEL=gemini-2.5-flash

# --- Auto-open behavior -------------------------------------
# After every research save, Obsidian opens automatically at the note.
# Set to 0 to disable (e.g. when running batch saves or scheduled).
# RESEARCH_AUTOOPEN=0
Key Where Required for Cost
XAI_API_KEY console.x.ai /x-read, /x-pulse, /research-deep、X Pulse、YouTube summary Pay-per-use，约 $0.05/call
PERPLEXITY_API_KEY perplexity.ai/settings/api /research、/research-deep Pay-per-use，约 $0.02-$0.50/call
GEMINI_API_KEY aistudio.google.com/apikey /notebooklm、YouTube summary（Grok fallback）、基于 Vault 的 Gemini File Search synthesis 免费额度覆盖；付费约 $0.004/call（Flash），$0.06/call（Pro）
YOUTUBE_API_KEY console.cloud.google.com YouTube metadata + comments（可选；transcripts 无需 API Key） 免费额度 10k units/day
OPENAI_API_KEY platform.openai.com Podcast Whisper transcription（可选；未设置时 fallback 到 show-notes） 约 $0.006/min
  1. 启用后台Agent
  {
    "env": {
      "OBSIDIAN_VAULT_PATH": "/Gold",
      "OBSIDIAN_BG_AGENT_ENABLED": "1"
    }
  }

启用前你要知道的事

  • 它在每次压缩上下文（compact）后自动跑，无人值守、–dangerously-skip-permissions，把会话里值 得留的东西写进 vault；
  • 只能用 Read/Write/Edit/Glob/Grep，没有 Bash、没有网络、没有 MCP；
  • 摘要里若混进密钥/密码/财务隐私，只写一行指针到 Staging，原始 secret 不落盘；
  • 想关掉：把 “1” 改成 “0” 或删掉这行即可。
  1. 定时任务
Agent 时间 对应命令
morning 08:00 /obsidian-daily（每日盘评 + 待办/逾期任务）
nightly 22:00 /obsidian-reconcile → /obsidian-synthesize → /obsidian-health（收尾、综合、修复孤儿链接）
weekly 周五 18:00 /obsidian-recap（周回顾）
health 周日 21:00 /obsidian-health（Vault 健康审计）

不同的定时机制有不同的优缺点

机制 原理 优点 缺点 适用场景
会话内 cron（CronCreate） Claude Code 会话内部创建周期任务 配置简单，无需系统权限 依赖 Claude Code 保持运行；空闲/关闭时无法执行；周期任务约 7 天自动过期 临时提醒、短周期实验任务
launchd（macOS 系统级） macOS 原生 LaunchAgent/LaunchDaemon 定时启动任务 真正系统级定时；Mac 开机即可运行；Claude Code 关闭也能执行；长期稳定 需要编写 plist + runner；每次任务都是独立 headless Claude 调用；消耗 API/token 日常自动化、Obsidian Vault 维护、长期 Agent 工作流

自己可以设定架构

Agent 推荐机制 原因
morning launchd 08:00 自动生成每日盘评，不依赖人工打开 Claude Code
nightly launchd 22:00 自动执行完整 Vault 整理流程，属于核心自动化
weekly launchd 固定周期回顾任务，适合无人值守
health launchd Vault 健康检查无需人工参与