Obsidian AI 知识库第 1 步：从 0 搭建最小可用系统，跑通 2 个真实场景｜PARA｜Claudian

Mingnify | Indie Maker 首頁 每日列表 原始影片
實際影片長度：11:50.000。原文、繁中、雙語可點擊句子跳轉影片。
0:00.000–0:03.100
zh现在关于Obsidian AI知识库的教程很多
0:03.100–0:04.620
zh有的只讲某个工具
0:04.620–0:06.680
zh有的一上来就是卡巴西知识库
0:06.680–0:08.460
zhAI Viki 自身长知识库
0:08.460–0:09.240
zhAgent 系统
0:09.240–0:10.300
zh听起来很厉害
0:10.300–0:12.100
zh但真正到自己动手的时候
0:12.100–0:13.720
zh还是不知道第一步怎么落地
0:13.720–0:16.200
zh如果一开始就追求AI全自动化
0:16.200–0:17.380
zh知识库还没有搭稳
0:17.380–0:19.340
zh就很容易遇到难维护
0:19.340–0:21.320
zh不可控 AI幻觉这些问题
0:21.320–0:22.520
zh所以这期分享
0:22.520–0:24.220
zh我们先不做大而全的系统
0:24.220–0:26.240
zh也不做一步到位的全自动化
0:26.240–0:28.360
zh而是回到知识库和AI本身
0:28.360–0:30.560
zh先搭建一个最小可用版
0:30.560–0:33.800
zh这里的最小可用就是先把最关键的路径跑通
0:33.800–0:34.780
zh资料能进来
0:34.780–0:35.600
zhAI能处理
0:35.600–0:36.560
zh知识能沉淀
0:36.560–0:37.820
zh最后能产生输出
0:37.820–0:38.960
zh更复杂的AIWiki
0:38.960–0:39.680
zh自动化
0:39.680–0:42.400
zh自生长知识库都可以后面再继续接代
0:42.400–0:45.200
zh具体来说我们会按照三个步骤来做
0:45.200–0:47.920
zh第一步先搭建Obsidian本地知识库
0:47.920–0:49.940
zh第二步把AI能力接进来
0:49.940–0:52.560
zh第三步用知识积累和项目推进
0:52.560–0:56.000
zh这两个真实场景把这套系统真正跑起来
0:56.000–0:57.780
zh看完之后我们至少知道
0:57.780–0:59.320
zh本地知识库怎么搭建
0:59.320–1:00.620
zhAI能力怎么接入
1:00.620–1:01.760
zh资料怎么积累
1:01.760–1:03.000
zh项目怎么推进
1:03.000–1:06.040
zh以及知识最后怎么沉淀和产生结果
1:06.040–1:09.840
zh对于Obsidian搭建AI知识库
1:09.840–1:11.880
zh我们首先要搭建一个本地知识库
1:11.880–1:14.680
zh因为后面AI要读取分析和更新的
1:14.680–1:16.300
zh本质上都是这个仓库里的
1:16.300–1:17.860
zhMarkdown文件和目录结构
1:17.860–1:20.500
zh各种外部资料和个人想法进来之后
1:20.500–1:22.440
zh会先变成一篇篇Markdown笔记
1:22.440–1:24.780
zh保存在Obsidian的本地仓库里
1:24.780–1:26.520
zh后面无论是推进项目
1:26.520–1:27.260
zh沉淀知识
1:27.260–1:29.340
zh还是让AI基于有资料做分析
1:29.340–1:31.680
zh本质上都是围绕这个仓库在工作
1:31.680–1:34.160
zh这里我们直接用之前分享过的
1:34.160–1:36.140
zhObsidian入门启动帮你的目录结构
1:36.140–1:37.600
zh我们先简单看一下
1:37.600–1:39.380
zh收件箱是临时入口
1:39.380–1:42.260
zh用来接触资料想法或临时记录
1:42.260–1:44.960
zh项目放正在推进的具体项目
1:44.960–1:47.440
zh领域放长期维护的领域和能力
1:47.440–1:49.400
zh资源放长期参考资料
1:49.400–1:52.460
zh归档放已经结束或者暂时不用的内容
1:52.460–1:54.100
zh模板放常用模板
1:54.100–1:57.060
zh附件放图片PDF和附件素材
1:57.060–1:59.760
zh这套结构参考了PAIA的思想
1:59.760–2:00.940
zh但并不复杂
2:00.940–2:02.860
zh就是一条信息进来之后
2:02.860–2:04.580
zh不是先问它属于什么主题
2:04.580–2:06.620
zh而是先问它接下来要服务什么
2:06.620–2:07.860
zh我在这个基础上
2:07.860–2:10.340
zh加了收件箱模板和附件这些目录
2:10.340–2:12.760
zh是为了更加适合正式使用场景
2:12.760–2:14.440
zh我们进一步理解一下
2:14.440–2:16.200
zh这套目录背后的核心逻辑
2:16.200–2:17.600
zh新的资料和想法
2:17.600–2:18.860
zh先进入收件箱
2:18.860–2:20.960
zh先接住降低输入门槛
2:20.960–2:21.940
zh整理之后
2:21.940–2:23.560
zh有长期参考价值的内容
2:23.560–2:24.320
zh进入资源
2:24.320–2:26.480
zh资源一方面可以被项目调用
2:26.480–2:27.840
zh用来服务具体目标
2:27.840–2:29.760
zh另一方面也可以提炼出
2:29.760–2:31.020
zh长期方法和判断
2:31.020–2:32.320
zh沉淀到领域
2:32.320–2:34.820
zh如果一开始就是明确的项目想法
2:34.820–2:36.080
zh也可以从收件箱
2:36.080–2:37.340
zh直接升级到项目
2:37.340–2:38.740
zh这是一条辅助路径
2:38.740–2:40.820
zh项目完成之后就进入归档
2:40.820–2:42.260
zh这样资料项目
2:42.260–2:43.500
zh长期知识和归档
2:43.500–2:44.620
zh都有自己的位置
2:44.620–2:45.800
zh后面AI只能基于
2:45.800–2:47.040
zh这个清晰的结构工作
2:47.040–2:50.740
zh火不这点进入AI的方式
2:50.740–2:51.400
zh其实很多
2:51.400–2:54.840
zh我之前已经专门用一个四项线图系统梳理过
2:54.840–2:57.120
zh大家感兴趣可以回去看那期
2:57.120–2:59.700
zh后来出现的Codex Hermes Agent
2:59.700–3:02.120
zh或者OpenCloud这类Agent的工具
3:02.120–3:04.560
zh直接操作Obsidian底层仓库
3:04.560–3:06.500
zh大体也可以归到第二项线
3:06.500–3:08.760
zhAI主动操作文件层
3:08.760–3:11.620
zh但这次我们先聚焦一种最基础
3:11.620–3:14.700
zh最贴近知识管理本身的接入方式
3:14.700–3:16.660
zh用Cloudian加CLI Agent
3:16.660–3:18.460
zh把AI能力接入Obsidian
3:18.460–3:20.000
zh在真正操作之前
3:20.000–3:21.560
zh我们先看整体架构
3:21.560–3:23.700
zh这一点是知识库和工作界面
3:23.700–3:25.140
zhCloud点是连接器
3:25.140–3:26.280
enCli Agent
3:26.280–3:27.640
zh执行任务的AI
3:27.640–3:30.020
zhAgent可以选择Cloud Code
3:30.020–3:31.060
enCodec CLI
3:31.060–3:32.140
zh或者OpenCode
3:32.140–3:34.260
zh模型可以来自官方订阅
3:34.260–3:36.400
zh也可以通过三方模型转接
3:36.400–3:39.740
zh下面这条就是等一下要跑的最小验证流程
3:39.740–3:41.980
zh第一先选择一个Cli Agent
3:41.980–3:45.460
zh第二完成登录或者通过三方模型做转接
3:45.460–3:48.880
zh第三在终端里测试它能不能正常对话
3:48.880–3:50.500
zh第四,回到Obsidian
3:50.500–3:53.340
zh在Cloudian插件里启用这个Agent
3:53.340–3:55.500
zh第五,让它读取当前笔记
3:55.500–3:57.240
zh并做一次简单的总结
3:57.240–4:00.840
zh接下来我们就按刚才的五步流程真实跑一遍
4:00.840–4:03.560
zh第一步,先选择一个Cli Agent
4:03.560–4:07.500
zh这里可以选择Cloud Code, Codecli或者OpenCode
4:07.500–4:08.760
zh三选一就可以
4:08.760–4:11.620
zh我这里选择Codecli做演示
4:11.620–4:14.300
zh第二步,选择登录或者模型转接
4:14.300–4:17.440
zh我这里已经提前完成了Codecli的登录
4:17.440–4:18.980
zh所以不现场展示了
4:18.980–4:20.680
zh如果能用官方订阅
4:20.680–4:22.260
zh就直接使用官方订阅
4:22.260–4:23.380
zh如果不方便
4:23.380–4:24.940
zh可以使用CC-Switch
4:24.940–4:26.240
zh转接第三方模型
4:26.240–4:28.480
zh这个部分本身是一个独立的话题
4:28.480–4:29.940
zh网上的教程也很多
4:29.940–4:31.440
zh这里先不展示了
4:31.440–4:33.120
zh如果大家对此有疑问
4:33.120–4:34.580
zh可以在评论区留言
4:34.580–4:35.440
zh第三步
4:35.440–4:36.500
zh在通装里测试
4:36.500–4:38.200
zh这个Agent能不能正常对话
4:38.200–4:40.220
zh比如我这里输入Codex
4:40.220–4:41.600
zh进入对话之后
4:41.600–4:42.880
zh简单问一句你好
4:42.880–4:43.940
zh我们可以看到
4:43.940–4:45.480
zhCodex能正常回复
4:45.480–4:47.540
zh说明本地Agent已经准备好了
4:47.540–4:48.220
zh第四步
4:48.220–4:50.180
zh在Cloudian里启动这个Agent
4:50.180–4:51.640
zh我们回到Obsidian
4:51.640–4:52.700
zh打开设置
4:52.700–4:53.920
zh进入社区插件
4:53.920–4:55.360
zh找到并打开
4:55.360–4:57.420
zh已经安装并且启用的Cloudian
4:57.420–4:59.920
zh然后切换到上面的Codex标签
4:59.920–5:02.660
zh点击启用Codex服务商
5:02.660–5:04.160
zh一般来说到这里
5:04.160–5:06.800
zhCloudian就可以正常调用Codex了
5:06.800–5:07.580
zh第五步
5:07.580–5:09.000
zh让它读取当前笔记
5:09.000–5:10.440
zh做一个简单的总结
5:10.440–5:12.520
zh我们点击左侧边来的Cloudian
5:12.520–5:15.360
zh右侧会自动打开一个新的对话面板
5:15.360–5:19.120
zh然后把模型切换到当前可用模型
5:19.120–5:20.280
enDBT5.5
5:20.280–5:22.940
zh接着从左侧目录里打开一个笔记
5:22.940–5:26.380
zh这篇笔记就会作为当前上下文记录对话
5:26.380–5:27.540
zh然后我们输入
5:27.540–5:29.420
zh帮我总结一下这个笔记的内容
5:29.420–5:32.260
zh如果AI能基于这个笔记做出总结
5:32.260–5:33.680
zh就说明这一步跑通了
5:33.680–5:38.280
zh前面我们已经把本级知识库搭建好了
5:38.280–5:39.480
zh也把AI接进来了
5:39.480–5:42.760
zh这其实意味着一个静态的AI知识库已经完成了
5:42.760–5:44.400
zh但知识库真正有价值
5:44.400–5:45.920
zh是让它真正跑起来
5:45.920–5:47.360
zh也就是资料可以进来
5:47.360–5:48.520
zhAI可以参与处理
5:48.520–5:50.800
zh最后这些内容能够成练成知识
5:50.800–5:52.880
zh或者服务一个具体的项目
5:52.880–5:53.760
zh所以接下来
5:53.760–5:55.800
zh我会用两个真实的场景来演示
5:55.800–5:57.980
zh积累型场景和项目型场景
5:57.980–6:00.000
zh先看第一个场景积累型
6:00.000–6:02.820
zh比如我看到一篇Obsidian CEO的采访
6:02.820–6:04.980
zh觉得这篇资料很有参考价值
6:04.980–6:07.120
zh就想把它保存到本地知识库里
6:07.120–6:10.280
zh这里我用的是Obsidian官方的Web Clipper插件
6:10.280–6:13.060
zh它可以把大部分网页内容一键检查
6:13.060–6:14.980
zh并转成Markdown保存到Obsidian
6:14.980–6:16.180
zh回到这篇文章
6:16.180–6:18.600
zh我们点击浏览器里的Obsidian插件
6:18.600–6:19.780
zh这里可以预览
6:19.780–6:20.680
zh检查了内容
6:20.680–6:23.480
zh也可以设置它保存到Obsidian的哪个路径
6:23.480–6:25.180
zh我点击添加了Obsidian
6:25.180–6:27.360
zh这篇文章就会保存到这个位置
6:27.360–6:28.520
zhInbox收件箱
6:28.520–6:29.400
enClippings
6:29.400–6:30.360
zh回到Obsidian
6:30.360–6:31.200
zh可以看到
6:31.200–6:34.340
zh这篇网页已经变成了一篇本地Markdown笔记
6:34.340–6:35.120
zh到这里
6:35.120–6:37.760
zh外部资料进入Obsidian这一步就完成了
6:37.760–6:40.500
zh接下来我们对它做一轮简单的处理
6:40.500–6:41.880
zh我先用快捷命令
6:41.880–6:44.220
zh把这篇笔记从收件箱转移到资源
6:44.220–6:47.140
zh因为这篇文章可以作为一份原始资料
6:47.140–6:48.500
zh后面可以长期参考
6:48.500–6:50.960
zh然后我在正文上方加一个标题
6:50.960–6:53.360
zh原文把原始内容保留下来
6:53.360–6:55.200
zh再在它上面加一个标题
6:55.200–6:56.120
zh内容总结
6:56.120–6:58.360
zh准备让AI把总结写到这里
6:58.360–7:00.800
zh接着在这篇笔记打开的情况下
7:00.800–7:01.740
zh我打开Cloudium
7:01.740–7:03.600
zh选中内容总结这个位置
7:03.600–7:04.280
zh告诉AI
7:04.280–7:06.100
zh给我总结这篇文章内容
7:06.100–7:07.320
zh并更新到这里
7:07.320–7:08.880
zhAI分析完成之后
7:08.880–7:11.360
zh就会把总结直接写到这篇笔记里
7:11.360–7:13.160
zh我快速看了一下总结内容
7:13.160–7:15.120
zh发现里面有些观点还有价值
7:15.120–7:16.520
zh值得以后反复使用
7:16.520–7:19.020
zh我在领域里新建了一篇长篇笔记
7:19.020–7:20.460
zh叫Obsidian学习
7:20.460–7:23.340
zh然后把这些关键观点整理进去
7:23.340–7:25.660
zh例如对Obsidian使用者的启发
7:25.660–7:27.980
zh并且加上原始资料的双链链贴
7:27.980–7:30.520
zh这样一个资料积累的闭环就完成了
7:30.520–7:31.980
zh网页资料进入本地
7:31.980–7:32.940
zhAI参与处理
7:32.940–7:35.260
zh仍然来判断哪些内容值得长期保存
7:35.260–7:38.440
zh最后长期知识和原始来源还能互相追溯
7:38.440–7:40.480
zh再看第二个场景项目型
7:40.480–7:42.160
zh比如我想到一个问题
7:42.160–7:44.580
zh和这点为什么适合AI时代的知识管理
7:44.580–7:47.280
zh我会先把这个想法寄到每日笔记里
7:47.280–7:48.320
zh日常使用时
7:48.320–7:50.560
zh我一般会使用手机加语音输入法
7:50.560–7:51.320
zh快速记录
7:51.320–7:53.820
zh这里为了演示就直接在电脑上操作
7:53.820–7:56.560
zh后面我觉得这个问题值得继续推进
7:56.560–7:58.460
zh可能发展成文章或者视频
7:58.460–7:59.900
zh就会在项目里
8:01.200–8:02.260
zh这个笔记叫
8:02.260–8:04.860
zh我不知道为什么适合AI时代的知识管理
8:04.860–8:05.860
en-index
8:05.860–8:08.220
zh然后我先建四个一级标题
8:08.220–8:10.980
zh背景分析输出常见问题
8:10.980–8:12.260
zh背景放资料
8:12.260–8:13.440
zh分析放思考
8:13.440–8:14.500
zh输出放成果
8:14.500–8:17.660
zh常见问题放过程中沉淀下来的Q&A
8:17.660–8:19.400
zh接下来无不千问AI
8:19.400–8:20.520
zh如果我要研究
8:20.520–8:23.480
zh为什么Obsidian适合AI时代的知识管理
8:23.480–8:25.400
zh需要从哪些角度查找资料
8:25.400–8:27.080
zhAI给出研究方向之后
8:27.080–8:28.960
zh我觉得这个问题本身也有价值
8:28.960–8:30.940
zh就选择常众问题这个区域
8:30.940–8:31.860
zh告诉AI
8:31.860–8:34.720
zh在当前目录新建一篇Q&A笔记
8:34.720–8:36.480
zh记录上面这个问题回答
8:36.480–8:37.780
zh并在这里添加双链
8:37.780–8:40.220
zhAI成功完成了Q&A笔记创建
8:40.220–8:42.260
zh并在目标位置添加好了双链
8:42.260–8:44.360
zh然后我会根据这些方向
8:44.360–8:45.180
zh去收集资料
8:45.180–8:47.960
zh这个过程和前面积累型流程类似
8:47.960–8:49.600
zh调查器操作更加复杂
8:49.600–8:50.680
zh而且需要自动化
8:50.680–8:52.040
zh以后再单独分享
8:52.040–8:53.220
zh这里就不展开了
8:53.220–8:54.860
zh我们直接看初步成果
8:54.860–8:56.760
zh相关资料已经进入了收件箱
8:56.760–8:57.660
zh下一步
8:57.660–8:59.020
zh我选中背景这个区域
8:59.020–8:59.660
zh告诉AI
8:59.660–9:00.860
zh把收件箱
9:00.860–9:02.420
zhClipping's里的相关资料
9:02.420–9:03.760
zh迁移到资源
9:03.760–9:05.380
zh并把相关资料的双链
9:05.380–9:06.440
zh放到背景下面
9:06.440–9:07.740
zhAI执行完成之后
9:07.740–9:09.060
zh这些参考资料的链接
9:09.060–9:10.760
zh就会整理到背景区域下面
9:10.760–9:12.640
zh前面我们在积累型场景
9:12.640–9:13.520
zh里保存的那篇
9:13.520–9:14.900
zhObsidian CEO的采访
9:14.900–9:16.420
zh也可以顺手加进来
9:16.420–9:17.660
zh这里补充一句
9:17.660–9:19.480
zh克劳利亚日常调用AI的时候
9:19.480–9:21.980
zh经常会用到文件或者目录路径
9:21.980–9:24.060
zh我们可以点击笔记或者目录
9:24.060–9:26.160
zh或者相对路径或者绝对路径
9:26.160–9:28.700
zh在Obsidian中一般使用相对路径即可
9:28.700–9:31.700
zh下面我们进一步基于资料总结关键要点
9:31.700–9:32.680
zh我告诉AI
9:32.680–9:34.240
zh基于背景中的参考资料
9:34.240–9:35.640
zh给我总结关键要点
9:35.640–9:37.380
zh记录在分析标题下面
9:37.380–9:38.940
zh要剪辑要精力要罗列
9:38.940–9:39.840
zh不要太长
9:39.840–9:41.120
zh基于分析的要点
9:41.120–9:42.720
zh我们可以让AI进一步生成
9:42.720–9:43.860
zh可以交付的成果
9:43.860–9:44.880
zh我告诉AI
9:44.880–9:46.400
zh基于分析的要点
9:46.400–9:48.040
zh创建一篇简短文章
9:48.040–9:50.360
zh并把文章双链放到输出下面
9:50.360–9:52.120
zh最后我想更进一步
9:52.120–9:54.080
zh把文章内容做可视化表达
9:54.080–9:55.200
zh我告诉AI
9:55.200–9:56.240
zh利用这个skill
9:56.240–9:57.760
zh基于文章的核心结构
9:57.760–9:58.880
zh生成一个关系图
9:58.880–10:00.160
zh并把这张图的双链
10:00.160–10:01.320
zh也放到输出下面
10:01.320–10:03.560
zh到这里一个项目型流程就跑通了
10:03.560–10:04.680
zh一个临时问题
10:04.680–10:06.220
zh从每日笔记进入项目
10:06.220–10:07.900
zh相关资料进入资源
10:07.900–10:10.520
zhAI帮我拆解分析和生成输出
10:10.520–10:12.540
zh最后文章和可视化结果
10:12.540–10:14.920
zh都回到项目index文件里统一管理
10:14.920–10:16.320
zh后面有新的想法
10:16.320–10:18.500
zh也可以继续更新分析迭代文章
10:18.500–10:21.040
zh或者把更长期的判断沉淀到领域
10:21.040–10:22.500
zh通过这两个场景
10:22.500–10:25.040
zh我们就能看到这个AI知识库已经跑起来了
10:25.040–10:26.240
zh积累型解决的是
10:26.240–10:29.460
zh资料怎么从临时收集变成长期可复用的知识
10:29.460–10:30.820
zh项目型解决的是
10:30.820–10:32.620
zh知识怎么服务一个具体目标
10:32.620–10:34.260
zh并推动它形成成果
10:34.260–10:36.340
zh而这背后其实也体现了
10:36.340–10:37.900
zhObsign这条结构的价值
10:37.900–10:38.660
zh很想看
10:38.660–10:40.900
zh资料领域项目各有位置
10:40.900–10:47.040
zh总想看原始资料分析内容长期知识和项目成果又可以通过双链串起来
10:47.040–10:50.520
zh到这里我们完成了三件事
10:50.520–10:52.100
zh打好而不自定本地仓库
10:52.100–10:53.120
zh介入AI能力
10:53.120–10:55.840
zh然后用两个正式场景把这套系统跑起来
10:55.840–10:58.320
zh这两个场景背后其实是同一套流程
10:58.320–10:59.080
zh知识输入
10:59.080–10:59.660
zh知识处理
10:59.660–11:00.360
zh知识输出
11:00.360–11:03.040
zh输入是把资料想法需求放进来
11:03.040–11:06.020
zh处理是让AI帮我们总结提列和关联
11:06.020–11:08.580
zh输出是让这些知识真正产生价值
11:08.580–11:09.800
zh并推进项目
11:09.800–11:11.560
zh生成内容或知识决策
11:11.560–11:13.760
zh这次我们做的最小可用版本
11:13.760–11:15.340
zh可以作为一个很好的起点
11:15.340–11:17.080
zh后面如果我们继续升级
11:17.080–11:18.680
zh也可以围绕这个环节来做
11:18.680–11:21.040
zh输入端可以介入更多资料类型
11:21.040–11:22.980
zh比如网页PDR5视频
11:22.980–11:24.440
zh音频Lotion笔记
11:24.440–11:26.040
zhWord等各种资料
11:26.040–11:29.260
zh处理端可以参考卡巴基的知识库思想
11:29.260–11:31.720
zh让AI自动分类整理和总结资料
11:31.720–11:33.880
zh仍主要负责判断和决策
11:33.880–11:36.520
zh输出端可以把知识转成文章
11:36.520–11:38.980
zh图文PPT视频播客等各种成果
11:38.980–11:40.740
zh后面我会继续更新
11:40.740–11:42.800
zhObsetting AI知识库的升级内容
11:42.800–11:44.440
zh感兴趣的话可以持续关注
11:44.440–11:46.320
zh如果本期内容对你有所帮助
11:46.320–11:48.000
zh欢迎点赞收藏关注
11:48.000–11:48.780
zh我是明丽飞
11:48.780–11:49.580
zh我们下期见
0:00.000–0:03.100
現在關於 Obsidian AI 知識庫的教程很多
0:03.100–0:04.620
有的只講某個工具
0:04.620–0:06.680
有的一上來就是卡巴西知識庫
0:06.680–0:08.460
AI Viki 自身長知識庫
0:08.460–0:09.240
Agent 系統
0:09.240–0:10.300
聽起來很厲害
0:10.300–0:12.100
但真正到自己動手的時候
0:12.100–0:13.720
還是不知道第一步怎麼落地
0:13.720–0:16.200
如果一開始就追求 AI 全自動化
0:16.200–0:17.380
知識庫還沒有搭穩
0:17.380–0:19.340
就很容易遇到難維護
0:19.340–0:21.320
不可控 AI 幻覺等問題
0:21.320–0:22.520
所以這期分享
0:22.520–0:24.220
我們先不做大而全的系統
0:24.220–0:26.240
也不做一步到位的全自動化
0:26.240–0:28.360
而是回到知識庫和 AI 本身
0:28.360–0:30.560
先搭建一個最小可用版
0:30.560–0:33.800
這裡的最小可用就是先把最關鍵的路徑跑通
0:33.800–0:34.780
資料能進來
0:34.780–0:35.600
AI 能處理
0:35.600–0:36.560
知識能沉澱
0:36.560–0:37.820
最後能產生輸出
0:37.820–0:38.960
更複雜的 AIWiki
0:38.960–0:39.680
自動化
0:39.680–0:42.400
自生長知識庫都可以後面再接代
0:42.400–0:45.200
具體來說我們會按照三個步驟來做
0:45.200–0:47.920
第一步先搭建 Obsidian 本地知識庫
0:47.920–0:49.940
第二步把 AI 能力接進來
0:49.940–0:52.560
第三步用知識積累和項目推進
0:52.560–0:56.000
這兩個真實場景把這套系統真正跑起來
0:56.000–0:57.780
看完之後我們至少知道
0:57.780–0:59.320
本地知識庫怎麼搭建
0:59.320–1:00.620
AI 能力怎麼接入
1:00.620–1:01.760
資料怎麼積累
1:01.760–1:03.000
項目怎麼推進
1:03.000–1:06.040
以及知識最後怎麼沉澱和產生結果
1:06.040–1:09.840
對於 Obsidian 搭建 AI 知識庫
1:09.840–1:11.880
我們首先要搭建一個本地知識庫
1:11.880–1:14.680
因為後面 AI 要讀取分析和更新的
1:14.680–1:16.300
本質上都是這個倉庫裡的
1:16.300–1:17.860
Markdown 檔案與目錄結構
1:17.860–1:20.500
各種外部資料與個人想法進入之後
1:20.500–1:22.440
會先變成一篇篇 Markdown 筆記
1:22.440–1:24.780
保存在 Obsidian 的本地端倉庫中
1:24.780–1:26.520
之後無論是推進專案
1:26.520–1:27.260
累積知識
1:27.260–1:29.340
還是讓 AI 基於現有資料進行分析
1:29.340–1:31.680
本質上都是圍繞這個倉庫在運作
1:31.680–1:34.160
這裡我們直接使用之前分享過的
1:34.160–1:36.140
Obsidian 入門啟動幫你的目錄結構
1:36.140–1:37.600
我們先簡單看一下
1:37.600–1:39.380
收件匣是臨時入口
1:39.380–1:42.260
用來接收資料、想法或臨時記錄
1:42.260–1:44.960
專案資料夾放置正在推進的具體專案
1:44.960–1:47.440
領域資料夾放置長期維護的領域與能力
1:47.440–1:49.400
資源資料夾放置長期參考資料
1:49.400–1:52.460
歸檔資料夾放置已經結束或暫時不用的內容
1:52.460–1:54.100
範本資料夾放置常用範本
1:54.100–1:57.060
附件資料夾放置圖片、PDF 與附件素材
1:57.060–1:59.760
這套結構參考了 PARA 的概念
1:59.760–2:00.940
但並不複雜
2:00.940–2:02.860
就是一條資訊進來之後
2:02.860–2:04.580
不是先問它屬於什麼主題
2:04.580–2:06.620
而是先問它接下來要服務什麼
2:06.620–2:07.860
我在這個基礎上
2:07.860–2:10.340
增加了收件匣範本與附件等目錄
2:10.340–2:12.760
是為了更適合正式的使用場景
2:12.760–2:14.440
我們進一步理解一下
2:14.440–2:16.200
這套目錄背後的核心邏輯
2:16.200–2:17.600
新的資料與想法
2:17.600–2:18.860
先進入收件匣
2:18.860–2:20.960
先接住以降低輸入門檻
2:20.960–2:21.940
整理之後
2:21.940–2:23.560
具有長期參考價值的內容
2:23.560–2:24.320
進入資源
2:24.320–2:26.480
資源一方面可以被專案調用
2:26.480–2:27.840
用來服務具體目標
2:27.840–2:29.760
另一方面也可以提煉出
2:29.760–2:31.020
長期方法與判斷
2:31.020–2:32.320
累積到領域
2:32.320–2:34.820
如果一開始就有明確的專案構想
2:34.820–2:36.080
也可以從收件匣
2:36.080–2:37.340
直接升級為專案
2:37.340–2:38.740
這是一條輔助路徑
2:38.740–2:40.820
專案完成後就進入歸檔
2:40.820–2:42.260
這樣資料專案
2:42.260–2:43.500
長期知識和歸檔
2:43.500–2:44.620
都有它自己的位置
2:44.620–2:45.800
之後AI只能基於
2:45.800–2:47.040
這個清晰的結構工作
2:47.040–2:50.740
關於這點進入AI的方式
2:50.740–2:51.400
其實很多
2:51.400–2:54.840
我之前已經專門用一個四象限系統梳理過
2:54.840–2:57.120
大家感興趣可以回去看那期
2:57.120–2:59.700
後來出現的Codex Hermes Agent
2:59.700–3:02.120
或者OpenCloud這類Agent工具
3:02.120–3:04.560
直接操作Obsidian底層倉庫
3:04.560–3:06.500
大體也可以歸到第二象限
3:06.500–3:08.760
AI主動操作文件層
3:08.760–3:11.620
但這次我們先聚焦一種最基礎
3:11.620–3:14.700
最貼近知識管理本身的接入方式
3:14.700–3:16.660
使用Cloudian加CLI Agent
3:16.660–3:18.460
將AI能力接入Obsidian
3:18.460–3:20.000
在實際操作之前
3:20.000–3:21.560
我們先看整體架構
3:21.560–3:23.700
這一點是知識庫和工作界面
3:23.700–3:25.140
Cloud點是連接器
3:25.140–3:26.280
CLI 代理程式
3:26.280–3:27.640
執行任務的AI
3:27.640–3:30.020
Agent可以選擇Cloud Code
3:30.020–3:31.060
編解碼器命令列介面
3:31.060–3:32.140
或是 OpenCode
3:32.140–3:34.260
模型可以來自官方訂閱
3:34.260–3:36.400
也可以透過三方模型轉接
3:36.400–3:39.740
下面這條就是等一下要跑的最小驗證流程
3:39.740–3:41.980
第一先選擇一個Cli Agent
3:41.980–3:45.460
第二完成登入或透過三方模型做轉接
3:45.460–3:48.880
第三在終端裡測試它能不能正常對話
3:48.880–3:50.500
[未翻譯]
3:50.500–3:53.340
在Cloudian插件裡啟用這個Agent
3:53.340–3:55.500
第五,讓它讀取當前筆記
3:55.500–3:57.240
並做一次簡單的總結
3:57.240–4:00.840
接下來我們就按照剛才的五步流程實際跑一遍
4:00.840–4:03.560
第一步,先選擇一個Cli Agent
4:03.560–4:07.500
這裡可以選擇Cloud Code、Codecli或OpenCode
4:07.500–4:08.760
三選一即可
4:08.760–4:11.620
這裡我選擇Codecli進行演示
4:11.620–4:14.300
第二步,選擇登錄或模型轉接
4:14.300–4:17.440
這裡我已經提前完成了Codecli的登錄
4:17.440–4:18.980
所以不現場展示了
4:18.980–4:20.680
如果能使用官方訂閱
4:20.680–4:22.260
就直接使用官方訂閱
4:22.260–4:23.380
如果不方便的話
4:23.380–4:24.940
可以改用 CC-Switch
4:24.940–4:26.240
轉接第三方模型
4:26.240–4:28.480
這個部分本身是一個獨立的話題
4:28.480–4:29.940
網路上的教程也很多
4:29.940–4:31.440
這裡先不展示了
4:31.440–4:33.120
如果大家對此有疑問
4:33.120–4:34.580
可以在評論區留言
4:34.580–4:35.440
[未翻譯]
4:35.440–4:36.500
在終端裡測試
4:36.500–4:38.200
這個Agent能不能正常對話
4:38.200–4:40.220
比如這裡我輸入Codex
4:40.220–4:41.600
進入對話之後
4:41.600–4:42.880
簡單問一句你好
4:42.880–4:43.940
我們可以看到
4:43.940–4:45.480
Codex能正常回覆
4:45.480–4:47.540
說明本地Agent已經準備好了
4:47.540–4:48.220
[未翻譯]
4:48.220–4:50.180
在Cloudian裡啟動這個Agent
4:50.180–4:51.640
我們回到Obsidian
4:51.640–4:52.700
打開設置
4:52.700–4:53.920
進入社區插件
4:53.920–4:55.360
找到並打開
4:55.360–4:57.420
已經安裝並且啟用的Cloudian
4:57.420–4:59.920
然後切換到上面的Codex標籤
4:59.920–5:02.660
點擊啟用Codex服務商
5:02.660–5:04.160
一般來說到這裡
5:04.160–5:06.800
Cloudian就可以正常調用Codex了
5:06.800–5:07.580
[未翻譯]
5:07.580–5:09.000
讓它讀取當前筆記
5:09.000–5:10.440
做一個簡單的總結
5:10.440–5:12.520
我們點擊左側邊欄的Cloudian
5:12.520–5:15.360
右側會自動開啟一個新的對話面板
5:15.360–5:19.120
然後將模型切換為當前可用模型
5:19.120–5:20.280
[未翻譯]
5:20.280–5:22.940
接著從左側目錄裡開啟一篇筆記
5:22.940–5:26.380
這篇筆記就會作為當前上下文記錄對話
5:26.380–5:27.540
然後我們輸入
5:27.540–5:29.420
幫我總結一下這篇筆記的內容
5:29.420–5:32.260
如果AI能基於這篇筆記做出總結
5:32.260–5:33.680
就代表這一步跑通了
5:33.680–5:38.280
前面我們已經把本級知識庫搭建好了
5:38.280–5:39.480
也把AI接進來了
5:39.480–5:42.760
這其實意味著一個靜態的AI知識庫已經完成了
5:42.760–5:44.400
但知識庫真正有價值
5:44.400–5:45.920
是讓它真正跑起來
5:45.920–5:47.360
也就是資料可以進來
5:47.360–5:48.520
AI可以參與處理
5:48.520–5:50.800
最後這些內容能夠淬鍊成知識
5:50.800–5:52.880
或者服務一個具體的專案
5:52.880–5:53.760
所以接下來
5:53.760–5:55.800
我會用兩個真實的場景來演示
5:55.800–5:57.980
積累型場景和專案型場景
5:57.980–6:00.000
先看第一個場景積累型
6:00.000–6:02.820
比如我看到一篇Obsidian CEO的採訪
6:02.820–6:04.980
覺得這篇資料很有參考價值
6:04.980–6:07.120
就想把它保存到本地知識庫裡
6:07.120–6:10.280
這裡我用的是Obsidian官方的Web Clipper插件
6:10.280–6:13.060
它可以把大部分網頁內容一鍵檢查
6:13.060–6:14.980
並轉成Markdown保存到Obsidian
6:14.980–6:16.180
回到這篇文章
6:16.180–6:18.600
我們點擊瀏覽器裡的Obsidian插件
6:18.600–6:19.780
這裡可以預覽
6:19.780–6:20.680
檢查了內容
6:20.680–6:23.480
也可以設定它保存到Obsidian的哪個路徑
6:23.480–6:25.180
我點擊添加到Obsidian
6:25.180–6:27.360
這篇文章就會保存到這個位置
6:27.360–6:28.520
收件箱
6:28.520–6:29.400
剪藏
6:29.400–6:30.360
[未翻譯]
6:30.360–6:31.200
[未翻譯]
6:31.200–6:34.340
這篇網頁已經變成了一篇本機Markdown筆記
6:34.340–6:35.120
到這裡
6:35.120–6:37.760
外部資料進入Obsidian這一步就完成了
6:37.760–6:40.500
接下來我們對它做一輪簡單的處理
6:40.500–6:41.880
我先使用快捷指令
6:41.880–6:44.220
把這篇筆記從收件箱轉移到資源
6:44.220–6:47.140
因為這篇文章可以作為一份原始資料
6:47.140–6:48.500
後面可以長期參考
6:48.500–6:50.960
然後我在正文上方加一個標題
6:50.960–6:53.360
原文把原始內容保留下來
6:53.360–6:55.200
再在它上面加一個標題
6:55.200–6:56.120
內容總結
6:56.120–6:58.360
準備讓AI把總結寫到這裡
6:58.360–7:00.800
接著在這篇筆記打開的情況下
7:00.800–7:01.740
我打開Cloudium
7:01.740–7:03.600
選中內容總結這個位置
7:03.600–7:04.280
告訴AI
7:04.280–7:06.100
給我總結這篇文章內容
7:06.100–7:07.320
並更新到這裡
7:07.320–7:08.880
AI分析完成之後
7:08.880–7:11.360
就會把總結直接寫到這篇筆記裡
7:11.360–7:13.160
我快速看了一下總結內容
7:13.160–7:15.120
發現裡面有些觀點還有價值
7:15.120–7:16.520
值得以後反覆使用
7:16.520–7:19.020
我在領域裡新建了一篇長篇筆記
7:19.020–7:20.460
叫Obsidian學習
7:20.460–7:23.340
然後把這些關鍵觀點整理進去
7:23.340–7:25.660
例如對Obsidian使用者的啟發
7:25.660–7:27.980
並且加上原始資料的雙鏈鏈貼
7:27.980–7:30.520
這樣一個資料積累的閉環就完成了
7:30.520–7:31.980
網頁資料進入本地
7:31.980–7:32.940
AI參與處理
7:32.940–7:35.260
仍然來判斷哪些內容值得長期保存
7:35.260–7:38.440
最後長期知識和原始來源還能互相追溯
7:38.440–7:40.480
再看第二個場景項目型
7:40.480–7:42.160
比如我想到一個問題
7:42.160–7:44.580
和這點為什麼適合AI時代的知識管理
7:44.580–7:47.280
我會先把這個想法寄到每日筆記裡
7:47.280–7:48.320
在日常使用時
7:48.320–7:50.560
我一般會使用手機加語音輸入法
7:50.560–7:51.320
快速記錄
7:51.320–7:53.820
這裡為了演示就直接在電腦上操作
7:53.820–7:56.560
之後我覺得這個問題值得繼續推進
7:56.560–7:58.460
可能發展成文章或者影片
7:58.460–7:59.900
就會在專案裡
8:01.200–8:02.260
這個筆記叫做
8:02.260–8:04.860
我不知道為什麼適合AI時代的知識管理
8:04.860–8:05.860
索引
8:05.860–8:08.220
然後我先建立四個一級標題
8:08.220–8:10.980
背景分析輸出常見問題
8:10.980–8:12.260
背景放資料
8:12.260–8:13.440
分析部分放入思考內容
8:13.440–8:14.500
輸出放成果
8:14.500–8:17.660
常見問題放過程中沉澱下來的Q&A
8:17.660–8:19.400
接下來用千問AI
8:19.400–8:20.520
如果我想進行研究
8:20.520–8:23.480
為什麼Obsidian適合AI時代的知識管理
8:23.480–8:25.400
需要從哪些角度查找資料
8:25.400–8:27.080
AI給出研究方向之後
8:27.080–8:28.960
我覺得這個問題本身也有價值
8:28.960–8:30.940
就選擇常見問題這個區域
8:30.940–8:31.860
告訴AI
8:31.860–8:34.720
在當前目錄新建一篇Q&A筆記
8:34.720–8:36.480
記錄上面這個問題的回答
8:36.480–8:37.780
並在這裡添加雙向連結
8:37.780–8:40.220
AI成功完成了Q&A筆記創建
8:40.220–8:42.260
並在目標位置添加好了雙向連結
8:42.260–8:44.360
然後我會根據這些方向
8:44.360–8:45.180
去收集資料
8:45.180–8:47.960
這個過程和前面積累型流程類似
8:47.960–8:49.600
調查器操作更加複雜
8:49.600–8:50.680
而且需要自動化
8:50.680–8:52.040
以後再單獨分享
8:52.040–8:53.220
這裡就不展開了
8:53.220–8:54.860
我們直接看初步成果
8:54.860–8:56.760
相關資料已經進入了收件匣
8:56.760–8:57.660
接下來
8:57.660–8:59.020
我選取背景這個區域
8:59.020–8:59.660
告訴AI
8:59.660–9:00.860
把收件匣
9:00.860–9:02.420
Clipping's中的相關資料
9:02.420–9:03.760
遷移到資源
9:03.760–9:05.380
並將相關資料的雙向連結
9:05.380–9:06.440
放到背景下方
9:06.440–9:07.740
AI執行完成後
9:07.740–9:09.060
這些參考資料的連結
9:09.060–9:10.760
就會整理到背景區域下方
9:10.760–9:12.640
前面我們在累積型場景
9:12.640–9:13.520
裡保存的那篇
9:13.520–9:14.900
Obsidian CEO的採訪
9:14.900–9:16.420
也可以順便加進來
9:16.420–9:17.660
這裡補充一句
9:17.660–9:19.480
克勞利亞日常呼叫AI時
9:19.480–9:21.980
經常會用到檔案或目錄路徑
9:21.980–9:24.060
我們可以點擊筆記或目錄
9:24.060–9:26.160
取得相對路徑或絕對路徑
9:26.160–9:28.700
在Obsidian中一般使用相對路徑即可
9:28.700–9:31.700
下面我們進一步基於資料總結關鍵要點
9:31.700–9:32.680
我告訴AI
9:32.680–9:34.240
基於背景中的參考資料
9:34.240–9:35.640
幫我總結關鍵要點
9:35.640–9:37.380
記錄在分析標題下方
9:37.380–9:38.940
要剪輯要精力要羅列
9:38.940–9:39.840
不要太長
9:39.840–9:41.120
基於分析的要点
9:41.120–9:42.720
我們可以讓AI進一步生成
9:42.720–9:43.860
可交付的成果
9:43.860–9:44.880
我告訴AI
9:44.880–9:46.400
基於分析的要点
9:46.400–9:48.040
創建一篇簡短文章
9:48.040–9:50.360
並將文章雙向連結放到輸出下方
9:50.360–9:52.120
最後我想進一步
9:52.120–9:54.080
將文章內容做視覺化表達
9:54.080–9:55.200
我告訴AI
9:55.200–9:56.240
利用這個skill
9:56.240–9:57.760
基於文章的核心結構
9:57.760–9:58.880
生成一個關係圖
9:58.880–10:00.160
並將這張圖的雙向連結
10:00.160–10:01.320
也放在輸出下方
10:01.320–10:03.560
至此，一個專案型流程便已跑通
10:03.560–10:04.680
一個臨時問題
10:04.680–10:06.220
從每日筆記進入專案
10:06.220–10:07.900
相關資料進入資源
10:07.900–10:10.520
由 AI 協助拆解、分析並生成輸出
10:10.520–10:12.540
最後的文章與視覺化結果
10:12.540–10:14.920
都回到專案 index 檔案中統一管理
10:14.920–10:16.320
後續若有新想法
10:16.320–10:18.500
也可以繼續更新、分析並迭代文章
10:18.500–10:21.040
或將更長期的判斷沉澱至領域知識
10:21.040–10:22.500
透過這兩個場景
10:22.500–10:25.040
我們就能看到 AI 知識庫已經運轉起來了
10:25.040–10:26.240
積累型解決的是
10:26.240–10:29.460
資料如何從臨時收集轉變為長期可複用的知識
10:29.460–10:30.820
專案型解決的是
10:30.820–10:32.620
知識如何服務於具體目標
10:32.620–10:34.260
並推動其形成成果
10:34.260–10:36.340
而這背後其實也體現了
10:36.340–10:37.900
Obsidian 這條結構的價值
10:37.900–10:38.660
[未翻譯]
10:38.660–10:40.900
資料、領域、專案各有其位置
10:40.900–10:47.040
總想看原始資料、分析內容、長期知識和專案成果又能透過雙向連結串聯起來
10:47.040–10:50.520
至此我們完成了三件事
10:50.520–10:52.100
打好而不自訂本地倉庫
10:52.100–10:53.120
引入 AI 能力
10:53.120–10:55.840
然後用兩個正式場景把這套系統跑起來
10:55.840–10:58.320
這兩個場景背後其實是同一套流程
10:58.320–10:59.080
知識輸入
10:59.080–10:59.660
知識處理
10:59.660–11:00.360
知識輸出
11:00.360–11:03.040
輸入是把資料、想法、需求放進來
11:03.040–11:06.020
處理是讓 AI 協助我們總結、提列和關聯
11:06.020–11:08.580
輸出是讓這些知識真正產生價值
11:08.580–11:09.800
並推進專案
11:09.800–11:11.560
生成內容或知識決策
11:11.560–11:13.760
這次我們做的最小可用版本
11:13.760–11:15.340
可以作為一個很好的起點
11:15.340–11:17.080
後續如果我們繼續升級
11:17.080–11:18.680
也可以圍繞這個環節來進行
11:18.680–11:21.040
輸入端可以介入更多資料類型
11:21.040–11:22.980
例如網頁、PDF、影片
11:22.980–11:24.440
音訊、筆記
11:24.440–11:26.040
Word 等各種資料
11:26.040–11:29.260
處理端可以參考卡巴基的知識庫理念
11:29.260–11:31.720
讓 AI 自動分類、整理和總結資料
11:31.720–11:33.880
仍主要負責判斷和決策
11:33.880–11:36.520
輸出端可以把知識轉化為文章
11:36.520–11:38.980
圖文、簡報、影片、播客等各種成果
11:38.980–11:40.740
後續我會繼續更新
11:40.740–11:42.800
Obsetting AI 知識庫的升級內容
11:42.800–11:44.440
感興趣的話可以持續關注
11:44.440–11:46.320
如果本期內容對你有幫助
11:46.320–11:48.000
歡迎按讚、收藏並關注
11:48.000–11:48.780
我是明麗飛
11:48.780–11:49.580
我們下期見
0:00.000–0:03.100
zh现在关于Obsidian AI知识库的教程很多
現在關於 Obsidian AI 知識庫的教程很多
0:03.100–0:04.620
zh有的只讲某个工具
有的只講某個工具
0:04.620–0:06.680
zh有的一上来就是卡巴西知识库
有的一上來就是卡巴西知識庫
0:06.680–0:08.460
zhAI Viki 自身长知识库
AI Viki 自身長知識庫
0:08.460–0:09.240
zhAgent 系统
Agent 系統
0:09.240–0:10.300
zh听起来很厉害
聽起來很厲害
0:10.300–0:12.100
zh但真正到自己动手的时候
但真正到自己動手的時候
0:12.100–0:13.720
zh还是不知道第一步怎么落地
還是不知道第一步怎麼落地
0:13.720–0:16.200
zh如果一开始就追求AI全自动化
如果一開始就追求 AI 全自動化
0:16.200–0:17.380
zh知识库还没有搭稳
知識庫還沒有搭穩
0:17.380–0:19.340
zh就很容易遇到难维护
就很容易遇到難維護
0:19.340–0:21.320
zh不可控 AI幻觉这些问题
不可控 AI 幻覺等問題
0:21.320–0:22.520
zh所以这期分享
所以這期分享
0:22.520–0:24.220
zh我们先不做大而全的系统
我們先不做大而全的系統
0:24.220–0:26.240
zh也不做一步到位的全自动化
也不做一步到位的全自動化
0:26.240–0:28.360
zh而是回到知识库和AI本身
而是回到知識庫和 AI 本身
0:28.360–0:30.560
zh先搭建一个最小可用版
先搭建一個最小可用版
0:30.560–0:33.800
zh这里的最小可用就是先把最关键的路径跑通
這裡的最小可用就是先把最關鍵的路徑跑通
0:33.800–0:34.780
zh资料能进来
資料能進來
0:34.780–0:35.600
zhAI能处理
AI 能處理
0:35.600–0:36.560
zh知识能沉淀
知識能沉澱
0:36.560–0:37.820
zh最后能产生输出
最後能產生輸出
0:37.820–0:38.960
zh更复杂的AIWiki
更複雜的 AIWiki
0:38.960–0:39.680
zh自动化
自動化
0:39.680–0:42.400
zh自生长知识库都可以后面再继续接代
自生長知識庫都可以後面再接代
0:42.400–0:45.200
zh具体来说我们会按照三个步骤来做
具體來說我們會按照三個步驟來做
0:45.200–0:47.920
zh第一步先搭建Obsidian本地知识库
第一步先搭建 Obsidian 本地知識庫
0:47.920–0:49.940
zh第二步把AI能力接进来
第二步把 AI 能力接進來
0:49.940–0:52.560
zh第三步用知识积累和项目推进
第三步用知識積累和項目推進
0:52.560–0:56.000
zh这两个真实场景把这套系统真正跑起来
這兩個真實場景把這套系統真正跑起來
0:56.000–0:57.780
zh看完之后我们至少知道
看完之後我們至少知道
0:57.780–0:59.320
zh本地知识库怎么搭建
本地知識庫怎麼搭建
0:59.320–1:00.620
zhAI能力怎么接入
AI 能力怎麼接入
1:00.620–1:01.760
zh资料怎么积累
資料怎麼積累
1:01.760–1:03.000
zh项目怎么推进
項目怎麼推進
1:03.000–1:06.040
zh以及知识最后怎么沉淀和产生结果
以及知識最後怎麼沉澱和產生結果
1:06.040–1:09.840
zh对于Obsidian搭建AI知识库
對於 Obsidian 搭建 AI 知識庫
1:09.840–1:11.880
zh我们首先要搭建一个本地知识库
我們首先要搭建一個本地知識庫
1:11.880–1:14.680
zh因为后面AI要读取分析和更新的
因為後面 AI 要讀取分析和更新的
1:14.680–1:16.300
zh本质上都是这个仓库里的
本質上都是這個倉庫裡的
1:16.300–1:17.860
zhMarkdown文件和目录结构
Markdown 檔案與目錄結構
1:17.860–1:20.500
zh各种外部资料和个人想法进来之后
各種外部資料與個人想法進入之後
1:20.500–1:22.440
zh会先变成一篇篇Markdown笔记
會先變成一篇篇 Markdown 筆記
1:22.440–1:24.780
zh保存在Obsidian的本地仓库里
保存在 Obsidian 的本地端倉庫中
1:24.780–1:26.520
zh后面无论是推进项目
之後無論是推進專案
1:26.520–1:27.260
zh沉淀知识
累積知識
1:27.260–1:29.340
zh还是让AI基于有资料做分析
還是讓 AI 基於現有資料進行分析
1:29.340–1:31.680
zh本质上都是围绕这个仓库在工作
本質上都是圍繞這個倉庫在運作
1:31.680–1:34.160
zh这里我们直接用之前分享过的
這裡我們直接使用之前分享過的
1:34.160–1:36.140
zhObsidian入门启动帮你的目录结构
Obsidian 入門啟動幫你的目錄結構
1:36.140–1:37.600
zh我们先简单看一下
我們先簡單看一下
1:37.600–1:39.380
zh收件箱是临时入口
收件匣是臨時入口
1:39.380–1:42.260
zh用来接触资料想法或临时记录
用來接收資料、想法或臨時記錄
1:42.260–1:44.960
zh项目放正在推进的具体项目
專案資料夾放置正在推進的具體專案
1:44.960–1:47.440
zh领域放长期维护的领域和能力
領域資料夾放置長期維護的領域與能力
1:47.440–1:49.400
zh资源放长期参考资料
資源資料夾放置長期參考資料
1:49.400–1:52.460
zh归档放已经结束或者暂时不用的内容
歸檔資料夾放置已經結束或暫時不用的內容
1:52.460–1:54.100
zh模板放常用模板
範本資料夾放置常用範本
1:54.100–1:57.060
zh附件放图片PDF和附件素材
附件資料夾放置圖片、PDF 與附件素材
1:57.060–1:59.760
zh这套结构参考了PAIA的思想
這套結構參考了 PARA 的概念
1:59.760–2:00.940
zh但并不复杂
但並不複雜
2:00.940–2:02.860
zh就是一条信息进来之后
就是一條資訊進來之後
2:02.860–2:04.580
zh不是先问它属于什么主题
不是先問它屬於什麼主題
2:04.580–2:06.620
zh而是先问它接下来要服务什么
而是先問它接下來要服務什麼
2:06.620–2:07.860
zh我在这个基础上
我在這個基礎上
2:07.860–2:10.340
zh加了收件箱模板和附件这些目录
增加了收件匣範本與附件等目錄
2:10.340–2:12.760
zh是为了更加适合正式使用场景
是為了更適合正式的使用場景
2:12.760–2:14.440
zh我们进一步理解一下
我們進一步理解一下
2:14.440–2:16.200
zh这套目录背后的核心逻辑
這套目錄背後的核心邏輯
2:16.200–2:17.600
zh新的资料和想法
新的資料與想法
2:17.600–2:18.860
zh先进入收件箱
先進入收件匣
2:18.860–2:20.960
zh先接住降低输入门槛
先接住以降低輸入門檻
2:20.960–2:21.940
zh整理之后
整理之後
2:21.940–2:23.560
zh有长期参考价值的内容
具有長期參考價值的內容
2:23.560–2:24.320
zh进入资源
進入資源
2:24.320–2:26.480
zh资源一方面可以被项目调用
資源一方面可以被專案調用
2:26.480–2:27.840
zh用来服务具体目标
用來服務具體目標
2:27.840–2:29.760
zh另一方面也可以提炼出
另一方面也可以提煉出
2:29.760–2:31.020
zh长期方法和判断
長期方法與判斷
2:31.020–2:32.320
zh沉淀到领域
累積到領域
2:32.320–2:34.820
zh如果一开始就是明确的项目想法
如果一開始就有明確的專案構想
2:34.820–2:36.080
zh也可以从收件箱
也可以從收件匣
2:36.080–2:37.340
zh直接升级到项目
直接升級為專案
2:37.340–2:38.740
zh这是一条辅助路径
這是一條輔助路徑
2:38.740–2:40.820
zh项目完成之后就进入归档
專案完成後就進入歸檔
2:40.820–2:42.260
zh这样资料项目
這樣資料專案
2:42.260–2:43.500
zh长期知识和归档
長期知識和歸檔
2:43.500–2:44.620
zh都有自己的位置
都有它自己的位置
2:44.620–2:45.800
zh后面AI只能基于
之後AI只能基於
2:45.800–2:47.040
zh这个清晰的结构工作
這個清晰的結構工作
2:47.040–2:50.740
zh火不这点进入AI的方式
關於這點進入AI的方式
2:50.740–2:51.400
zh其实很多
其實很多
2:51.400–2:54.840
zh我之前已经专门用一个四项线图系统梳理过
我之前已經專門用一個四象限系統梳理過
2:54.840–2:57.120
zh大家感兴趣可以回去看那期
大家感興趣可以回去看那期
2:57.120–2:59.700
zh后来出现的Codex Hermes Agent
後來出現的Codex Hermes Agent
2:59.700–3:02.120
zh或者OpenCloud这类Agent的工具
或者OpenCloud這類Agent工具
3:02.120–3:04.560
zh直接操作Obsidian底层仓库
直接操作Obsidian底層倉庫
3:04.560–3:06.500
zh大体也可以归到第二项线
大體也可以歸到第二象限
3:06.500–3:08.760
zhAI主动操作文件层
AI主動操作文件層
3:08.760–3:11.620
zh但这次我们先聚焦一种最基础
但這次我們先聚焦一種最基礎
3:11.620–3:14.700
zh最贴近知识管理本身的接入方式
最貼近知識管理本身的接入方式
3:14.700–3:16.660
zh用Cloudian加CLI Agent
使用Cloudian加CLI Agent
3:16.660–3:18.460
zh把AI能力接入Obsidian
將AI能力接入Obsidian
3:18.460–3:20.000
zh在真正操作之前
在實際操作之前
3:20.000–3:21.560
zh我们先看整体架构
我們先看整體架構
3:21.560–3:23.700
zh这一点是知识库和工作界面
這一點是知識庫和工作界面
3:23.700–3:25.140
zhCloud点是连接器
Cloud點是連接器
3:25.140–3:26.280
enCli Agent
CLI 代理程式
3:26.280–3:27.640
zh执行任务的AI
執行任務的AI
3:27.640–3:30.020
zhAgent可以选择Cloud Code
Agent可以選擇Cloud Code
3:30.020–3:31.060
enCodec CLI
編解碼器命令列介面
3:31.060–3:32.140
zh或者OpenCode
或是 OpenCode
3:32.140–3:34.260
zh模型可以来自官方订阅
模型可以來自官方訂閱
3:34.260–3:36.400
zh也可以通过三方模型转接
也可以透過三方模型轉接
3:36.400–3:39.740
zh下面这条就是等一下要跑的最小验证流程
下面這條就是等一下要跑的最小驗證流程
3:39.740–3:41.980
zh第一先选择一个Cli Agent
第一先選擇一個Cli Agent
3:41.980–3:45.460
zh第二完成登录或者通过三方模型做转接
第二完成登入或透過三方模型做轉接
3:45.460–3:48.880
zh第三在终端里测试它能不能正常对话
第三在終端裡測試它能不能正常對話
3:48.880–3:50.500
zh第四,回到Obsidian
[未翻譯]
3:50.500–3:53.340
zh在Cloudian插件里启用这个Agent
在Cloudian插件裡啟用這個Agent
3:53.340–3:55.500
zh第五,让它读取当前笔记
第五,讓它讀取當前筆記
3:55.500–3:57.240
zh并做一次简单的总结
並做一次簡單的總結
3:57.240–4:00.840
zh接下来我们就按刚才的五步流程真实跑一遍
接下來我們就按照剛才的五步流程實際跑一遍
4:00.840–4:03.560
zh第一步,先选择一个Cli Agent
第一步,先選擇一個Cli Agent
4:03.560–4:07.500
zh这里可以选择Cloud Code, Codecli或者OpenCode
這裡可以選擇Cloud Code、Codecli或OpenCode
4:07.500–4:08.760
zh三选一就可以
三選一即可
4:08.760–4:11.620
zh我这里选择Codecli做演示
這裡我選擇Codecli進行演示
4:11.620–4:14.300
zh第二步,选择登录或者模型转接
第二步,選擇登錄或模型轉接
4:14.300–4:17.440
zh我这里已经提前完成了Codecli的登录
這裡我已經提前完成了Codecli的登錄
4:17.440–4:18.980
zh所以不现场展示了
所以不現場展示了
4:18.980–4:20.680
zh如果能用官方订阅
如果能使用官方訂閱
4:20.680–4:22.260
zh就直接使用官方订阅
就直接使用官方訂閱
4:22.260–4:23.380
zh如果不方便
如果不方便的話
4:23.380–4:24.940
zh可以使用CC-Switch
可以改用 CC-Switch
4:24.940–4:26.240
zh转接第三方模型
轉接第三方模型
4:26.240–4:28.480
zh这个部分本身是一个独立的话题
這個部分本身是一個獨立的話題
4:28.480–4:29.940
zh网上的教程也很多
網路上的教程也很多
4:29.940–4:31.440
zh这里先不展示了
這裡先不展示了
4:31.440–4:33.120
zh如果大家对此有疑问
如果大家對此有疑問
4:33.120–4:34.580
zh可以在评论区留言
可以在評論區留言
4:34.580–4:35.440
zh第三步
[未翻譯]
4:35.440–4:36.500
zh在通装里测试
在終端裡測試
4:36.500–4:38.200
zh这个Agent能不能正常对话
這個Agent能不能正常對話
4:38.200–4:40.220
zh比如我这里输入Codex
比如這裡我輸入Codex
4:40.220–4:41.600
zh进入对话之后
進入對話之後
4:41.600–4:42.880
zh简单问一句你好
簡單問一句你好
4:42.880–4:43.940
zh我们可以看到
我們可以看到
4:43.940–4:45.480
zhCodex能正常回复
Codex能正常回覆
4:45.480–4:47.540
zh说明本地Agent已经准备好了
說明本地Agent已經準備好了
4:47.540–4:48.220
zh第四步
[未翻譯]
4:48.220–4:50.180
zh在Cloudian里启动这个Agent
在Cloudian裡啟動這個Agent
4:50.180–4:51.640
zh我们回到Obsidian
我們回到Obsidian
4:51.640–4:52.700
zh打开设置
打開設置
4:52.700–4:53.920
zh进入社区插件
進入社區插件
4:53.920–4:55.360
zh找到并打开
找到並打開
4:55.360–4:57.420
zh已经安装并且启用的Cloudian
已經安裝並且啟用的Cloudian
4:57.420–4:59.920
zh然后切换到上面的Codex标签
然後切換到上面的Codex標籤
4:59.920–5:02.660
zh点击启用Codex服务商
點擊啟用Codex服務商
5:02.660–5:04.160
zh一般来说到这里
一般來說到這裡
5:04.160–5:06.800
zhCloudian就可以正常调用Codex了
Cloudian就可以正常調用Codex了
5:06.800–5:07.580
zh第五步
[未翻譯]
5:07.580–5:09.000
zh让它读取当前笔记
讓它讀取當前筆記
5:09.000–5:10.440
zh做一个简单的总结
做一個簡單的總結
5:10.440–5:12.520
zh我们点击左侧边来的Cloudian
我們點擊左側邊欄的Cloudian
5:12.520–5:15.360
zh右侧会自动打开一个新的对话面板
右側會自動開啟一個新的對話面板
5:15.360–5:19.120
zh然后把模型切换到当前可用模型
然後將模型切換為當前可用模型
5:19.120–5:20.280
enDBT5.5
[未翻譯]
5:20.280–5:22.940
zh接着从左侧目录里打开一个笔记
接著從左側目錄裡開啟一篇筆記
5:22.940–5:26.380
zh这篇笔记就会作为当前上下文记录对话
這篇筆記就會作為當前上下文記錄對話
5:26.380–5:27.540
zh然后我们输入
然後我們輸入
5:27.540–5:29.420
zh帮我总结一下这个笔记的内容
幫我總結一下這篇筆記的內容
5:29.420–5:32.260
zh如果AI能基于这个笔记做出总结
如果AI能基於這篇筆記做出總結
5:32.260–5:33.680
zh就说明这一步跑通了
就代表這一步跑通了
5:33.680–5:38.280
zh前面我们已经把本级知识库搭建好了
前面我們已經把本級知識庫搭建好了
5:38.280–5:39.480
zh也把AI接进来了
也把AI接進來了
5:39.480–5:42.760
zh这其实意味着一个静态的AI知识库已经完成了
這其實意味著一個靜態的AI知識庫已經完成了
5:42.760–5:44.400
zh但知识库真正有价值
但知識庫真正有價值
5:44.400–5:45.920
zh是让它真正跑起来
是讓它真正跑起來
5:45.920–5:47.360
zh也就是资料可以进来
也就是資料可以進來
5:47.360–5:48.520
zhAI可以参与处理
AI可以參與處理
5:48.520–5:50.800
zh最后这些内容能够成练成知识
最後這些內容能夠淬鍊成知識
5:50.800–5:52.880
zh或者服务一个具体的项目
或者服務一個具體的專案
5:52.880–5:53.760
zh所以接下来
所以接下來
5:53.760–5:55.800
zh我会用两个真实的场景来演示
我會用兩個真實的場景來演示
5:55.800–5:57.980
zh积累型场景和项目型场景
積累型場景和專案型場景
5:57.980–6:00.000
zh先看第一个场景积累型
先看第一個場景積累型
6:00.000–6:02.820
zh比如我看到一篇Obsidian CEO的采访
比如我看到一篇Obsidian CEO的採訪
6:02.820–6:04.980
zh觉得这篇资料很有参考价值
覺得這篇資料很有參考價值
6:04.980–6:07.120
zh就想把它保存到本地知识库里
就想把它保存到本地知識庫裡
6:07.120–6:10.280
zh这里我用的是Obsidian官方的Web Clipper插件
這裡我用的是Obsidian官方的Web Clipper插件
6:10.280–6:13.060
zh它可以把大部分网页内容一键检查
它可以把大部分網頁內容一鍵檢查
6:13.060–6:14.980
zh并转成Markdown保存到Obsidian
並轉成Markdown保存到Obsidian
6:14.980–6:16.180
zh回到这篇文章
回到這篇文章
6:16.180–6:18.600
zh我们点击浏览器里的Obsidian插件
我們點擊瀏覽器裡的Obsidian插件
6:18.600–6:19.780
zh这里可以预览
這裡可以預覽
6:19.780–6:20.680
zh检查了内容
檢查了內容
6:20.680–6:23.480
zh也可以设置它保存到Obsidian的哪个路径
也可以設定它保存到Obsidian的哪個路徑
6:23.480–6:25.180
zh我点击添加了Obsidian
我點擊添加到Obsidian
6:25.180–6:27.360
zh这篇文章就会保存到这个位置
這篇文章就會保存到這個位置
6:27.360–6:28.520
zhInbox收件箱
收件箱
6:28.520–6:29.400
enClippings
剪藏
6:29.400–6:30.360
zh回到Obsidian
[未翻譯]
6:30.360–6:31.200
zh可以看到
[未翻譯]
6:31.200–6:34.340
zh这篇网页已经变成了一篇本地Markdown笔记
這篇網頁已經變成了一篇本機Markdown筆記
6:34.340–6:35.120
zh到这里
到這裡
6:35.120–6:37.760
zh外部资料进入Obsidian这一步就完成了
外部資料進入Obsidian這一步就完成了
6:37.760–6:40.500
zh接下来我们对它做一轮简单的处理
接下來我們對它做一輪簡單的處理
6:40.500–6:41.880
zh我先用快捷命令
我先使用快捷指令
6:41.880–6:44.220
zh把这篇笔记从收件箱转移到资源
把這篇筆記從收件箱轉移到資源
6:44.220–6:47.140
zh因为这篇文章可以作为一份原始资料
因為這篇文章可以作為一份原始資料
6:47.140–6:48.500
zh后面可以长期参考
後面可以長期參考
6:48.500–6:50.960
zh然后我在正文上方加一个标题
然後我在正文上方加一個標題
6:50.960–6:53.360
zh原文把原始内容保留下来
原文把原始內容保留下來
6:53.360–6:55.200
zh再在它上面加一个标题
再在它上面加一個標題
6:55.200–6:56.120
zh内容总结
內容總結
6:56.120–6:58.360
zh准备让AI把总结写到这里
準備讓AI把總結寫到這裡
6:58.360–7:00.800
zh接着在这篇笔记打开的情况下
接著在這篇筆記打開的情況下
7:00.800–7:01.740
zh我打开Cloudium
我打開Cloudium
7:01.740–7:03.600
zh选中内容总结这个位置
選中內容總結這個位置
7:03.600–7:04.280
zh告诉AI
告訴AI
7:04.280–7:06.100
zh给我总结这篇文章内容
給我總結這篇文章內容
7:06.100–7:07.320
zh并更新到这里
並更新到這裡
7:07.320–7:08.880
zhAI分析完成之后
AI分析完成之後
7:08.880–7:11.360
zh就会把总结直接写到这篇笔记里
就會把總結直接寫到這篇筆記裡
7:11.360–7:13.160
zh我快速看了一下总结内容
我快速看了一下總結內容
7:13.160–7:15.120
zh发现里面有些观点还有价值
發現裡面有些觀點還有價值
7:15.120–7:16.520
zh值得以后反复使用
值得以後反覆使用
7:16.520–7:19.020
zh我在领域里新建了一篇长篇笔记
我在領域裡新建了一篇長篇筆記
7:19.020–7:20.460
zh叫Obsidian学习
叫Obsidian學習
7:20.460–7:23.340
zh然后把这些关键观点整理进去
然後把這些關鍵觀點整理進去
7:23.340–7:25.660
zh例如对Obsidian使用者的启发
例如對Obsidian使用者的啟發
7:25.660–7:27.980
zh并且加上原始资料的双链链贴
並且加上原始資料的雙鏈鏈貼
7:27.980–7:30.520
zh这样一个资料积累的闭环就完成了
這樣一個資料積累的閉環就完成了
7:30.520–7:31.980
zh网页资料进入本地
網頁資料進入本地
7:31.980–7:32.940
zhAI参与处理
AI參與處理
7:32.940–7:35.260
zh仍然来判断哪些内容值得长期保存
仍然來判斷哪些內容值得長期保存
7:35.260–7:38.440
zh最后长期知识和原始来源还能互相追溯
最後長期知識和原始來源還能互相追溯
7:38.440–7:40.480
zh再看第二个场景项目型
再看第二個場景項目型
7:40.480–7:42.160
zh比如我想到一个问题
比如我想到一個問題
7:42.160–7:44.580
zh和这点为什么适合AI时代的知识管理
和這點為什麼適合AI時代的知識管理
7:44.580–7:47.280
zh我会先把这个想法寄到每日笔记里
我會先把這個想法寄到每日筆記裡
7:47.280–7:48.320
zh日常使用时
在日常使用時
7:48.320–7:50.560
zh我一般会使用手机加语音输入法
我一般會使用手機加語音輸入法
7:50.560–7:51.320
zh快速记录
快速記錄
7:51.320–7:53.820
zh这里为了演示就直接在电脑上操作
這裡為了演示就直接在電腦上操作
7:53.820–7:56.560
zh后面我觉得这个问题值得继续推进
之後我覺得這個問題值得繼續推進
7:56.560–7:58.460
zh可能发展成文章或者视频
可能發展成文章或者影片
7:58.460–7:59.900
zh就会在项目里
就會在專案裡
8:01.200–8:02.260
zh这个笔记叫
這個筆記叫做
8:02.260–8:04.860
zh我不知道为什么适合AI时代的知识管理
我不知道為什麼適合AI時代的知識管理
8:04.860–8:05.860
en-index
索引
8:05.860–8:08.220
zh然后我先建四个一级标题
然後我先建立四個一級標題
8:08.220–8:10.980
zh背景分析输出常见问题
背景分析輸出常見問題
8:10.980–8:12.260
zh背景放资料
背景放資料
8:12.260–8:13.440
zh分析放思考
分析部分放入思考內容
8:13.440–8:14.500
zh输出放成果
輸出放成果
8:14.500–8:17.660
zh常见问题放过程中沉淀下来的Q&A
常見問題放過程中沉澱下來的Q&A
8:17.660–8:19.400
zh接下来无不千问AI
接下來用千問AI
8:19.400–8:20.520
zh如果我要研究
如果我想進行研究
8:20.520–8:23.480
zh为什么Obsidian适合AI时代的知识管理
為什麼Obsidian適合AI時代的知識管理
8:23.480–8:25.400
zh需要从哪些角度查找资料
需要從哪些角度查找資料
8:25.400–8:27.080
zhAI给出研究方向之后
AI給出研究方向之後
8:27.080–8:28.960
zh我觉得这个问题本身也有价值
我覺得這個問題本身也有價值
8:28.960–8:30.940
zh就选择常众问题这个区域
就選擇常見問題這個區域
8:30.940–8:31.860
zh告诉AI
告訴AI
8:31.860–8:34.720
zh在当前目录新建一篇Q&A笔记
在當前目錄新建一篇Q&A筆記
8:34.720–8:36.480
zh记录上面这个问题回答
記錄上面這個問題的回答
8:36.480–8:37.780
zh并在这里添加双链
並在這裡添加雙向連結
8:37.780–8:40.220
zhAI成功完成了Q&A笔记创建
AI成功完成了Q&A筆記創建
8:40.220–8:42.260
zh并在目标位置添加好了双链
並在目標位置添加好了雙向連結
8:42.260–8:44.360
zh然后我会根据这些方向
然後我會根據這些方向
8:44.360–8:45.180
zh去收集资料
去收集資料
8:45.180–8:47.960
zh这个过程和前面积累型流程类似
這個過程和前面積累型流程類似
8:47.960–8:49.600
zh调查器操作更加复杂
調查器操作更加複雜
8:49.600–8:50.680
zh而且需要自动化
而且需要自動化
8:50.680–8:52.040
zh以后再单独分享
以後再單獨分享
8:52.040–8:53.220
zh这里就不展开了
這裡就不展開了
8:53.220–8:54.860
zh我们直接看初步成果
我們直接看初步成果
8:54.860–8:56.760
zh相关资料已经进入了收件箱
相關資料已經進入了收件匣
8:56.760–8:57.660
zh下一步
接下來
8:57.660–8:59.020
zh我选中背景这个区域
我選取背景這個區域
8:59.020–8:59.660
zh告诉AI
告訴AI
8:59.660–9:00.860
zh把收件箱
把收件匣
9:00.860–9:02.420
zhClipping's里的相关资料
Clipping's中的相關資料
9:02.420–9:03.760
zh迁移到资源
遷移到資源
9:03.760–9:05.380
zh并把相关资料的双链
並將相關資料的雙向連結
9:05.380–9:06.440
zh放到背景下面
放到背景下方
9:06.440–9:07.740
zhAI执行完成之后
AI執行完成後
9:07.740–9:09.060
zh这些参考资料的链接
這些參考資料的連結
9:09.060–9:10.760
zh就会整理到背景区域下面
就會整理到背景區域下方
9:10.760–9:12.640
zh前面我们在积累型场景
前面我們在累積型場景
9:12.640–9:13.520
zh里保存的那篇
裡保存的那篇
9:13.520–9:14.900
zhObsidian CEO的采访
Obsidian CEO的採訪
9:14.900–9:16.420
zh也可以顺手加进来
也可以順便加進來
9:16.420–9:17.660
zh这里补充一句
這裡補充一句
9:17.660–9:19.480
zh克劳利亚日常调用AI的时候
克勞利亞日常呼叫AI時
9:19.480–9:21.980
zh经常会用到文件或者目录路径
經常會用到檔案或目錄路徑
9:21.980–9:24.060
zh我们可以点击笔记或者目录
我們可以點擊筆記或目錄
9:24.060–9:26.160
zh或者相对路径或者绝对路径
取得相對路徑或絕對路徑
9:26.160–9:28.700
zh在Obsidian中一般使用相对路径即可
在Obsidian中一般使用相對路徑即可
9:28.700–9:31.700
zh下面我们进一步基于资料总结关键要点
下面我們進一步基於資料總結關鍵要點
9:31.700–9:32.680
zh我告诉AI
我告訴AI
9:32.680–9:34.240
zh基于背景中的参考资料
基於背景中的參考資料
9:34.240–9:35.640
zh给我总结关键要点
幫我總結關鍵要點
9:35.640–9:37.380
zh记录在分析标题下面
記錄在分析標題下方
9:37.380–9:38.940
zh要剪辑要精力要罗列
要剪輯要精力要羅列
9:38.940–9:39.840
zh不要太长
不要太長
9:39.840–9:41.120
zh基于分析的要点
基於分析的要点
9:41.120–9:42.720
zh我们可以让AI进一步生成
我們可以讓AI進一步生成
9:42.720–9:43.860
zh可以交付的成果
可交付的成果
9:43.860–9:44.880
zh我告诉AI
我告訴AI
9:44.880–9:46.400
zh基于分析的要点
基於分析的要点
9:46.400–9:48.040
zh创建一篇简短文章
創建一篇簡短文章
9:48.040–9:50.360
zh并把文章双链放到输出下面
並將文章雙向連結放到輸出下方
9:50.360–9:52.120
zh最后我想更进一步
最後我想進一步
9:52.120–9:54.080
zh把文章内容做可视化表达
將文章內容做視覺化表達
9:54.080–9:55.200
zh我告诉AI
我告訴AI
9:55.200–9:56.240
zh利用这个skill
利用這個skill
9:56.240–9:57.760
zh基于文章的核心结构
基於文章的核心結構
9:57.760–9:58.880
zh生成一个关系图
生成一個關係圖
9:58.880–10:00.160
zh并把这张图的双链
並將這張圖的雙向連結
10:00.160–10:01.320
zh也放到输出下面
也放在輸出下方
10:01.320–10:03.560
zh到这里一个项目型流程就跑通了
至此，一個專案型流程便已跑通
10:03.560–10:04.680
zh一个临时问题
一個臨時問題
10:04.680–10:06.220
zh从每日笔记进入项目
從每日筆記進入專案
10:06.220–10:07.900
zh相关资料进入资源
相關資料進入資源
10:07.900–10:10.520
zhAI帮我拆解分析和生成输出
由 AI 協助拆解、分析並生成輸出
10:10.520–10:12.540
zh最后文章和可视化结果
最後的文章與視覺化結果
10:12.540–10:14.920
zh都回到项目index文件里统一管理
都回到專案 index 檔案中統一管理
10:14.920–10:16.320
zh后面有新的想法
後續若有新想法
10:16.320–10:18.500
zh也可以继续更新分析迭代文章
也可以繼續更新、分析並迭代文章
10:18.500–10:21.040
zh或者把更长期的判断沉淀到领域
或將更長期的判斷沉澱至領域知識
10:21.040–10:22.500
zh通过这两个场景
透過這兩個場景
10:22.500–10:25.040
zh我们就能看到这个AI知识库已经跑起来了
我們就能看到 AI 知識庫已經運轉起來了
10:25.040–10:26.240
zh积累型解决的是
積累型解決的是
10:26.240–10:29.460
zh资料怎么从临时收集变成长期可复用的知识
資料如何從臨時收集轉變為長期可複用的知識
10:29.460–10:30.820
zh项目型解决的是
專案型解決的是
10:30.820–10:32.620
zh知识怎么服务一个具体目标
知識如何服務於具體目標
10:32.620–10:34.260
zh并推动它形成成果
並推動其形成成果
10:34.260–10:36.340
zh而这背后其实也体现了
而這背後其實也體現了
10:36.340–10:37.900
zhObsign这条结构的价值
Obsidian 這條結構的價值
10:37.900–10:38.660
zh很想看
[未翻譯]
10:38.660–10:40.900
zh资料领域项目各有位置
資料、領域、專案各有其位置
10:40.900–10:47.040
zh总想看原始资料分析内容长期知识和项目成果又可以通过双链串起来
總想看原始資料、分析內容、長期知識和專案成果又能透過雙向連結串聯起來
10:47.040–10:50.520
zh到这里我们完成了三件事
至此我們完成了三件事
10:50.520–10:52.100
zh打好而不自定本地仓库
打好而不自訂本地倉庫
10:52.100–10:53.120
zh介入AI能力
引入 AI 能力
10:53.120–10:55.840
zh然后用两个正式场景把这套系统跑起来
然後用兩個正式場景把這套系統跑起來
10:55.840–10:58.320
zh这两个场景背后其实是同一套流程
這兩個場景背後其實是同一套流程
10:58.320–10:59.080
zh知识输入
知識輸入
10:59.080–10:59.660
zh知识处理
知識處理
10:59.660–11:00.360
zh知识输出
知識輸出
11:00.360–11:03.040
zh输入是把资料想法需求放进来
輸入是把資料、想法、需求放進來
11:03.040–11:06.020
zh处理是让AI帮我们总结提列和关联
處理是讓 AI 協助我們總結、提列和關聯
11:06.020–11:08.580
zh输出是让这些知识真正产生价值
輸出是讓這些知識真正產生價值
11:08.580–11:09.800
zh并推进项目
並推進專案
11:09.800–11:11.560
zh生成内容或知识决策
生成內容或知識決策
11:11.560–11:13.760
zh这次我们做的最小可用版本
這次我們做的最小可用版本
11:13.760–11:15.340
zh可以作为一个很好的起点
可以作為一個很好的起點
11:15.340–11:17.080
zh后面如果我们继续升级
後續如果我們繼續升級
11:17.080–11:18.680
zh也可以围绕这个环节来做
也可以圍繞這個環節來進行
11:18.680–11:21.040
zh输入端可以介入更多资料类型
輸入端可以介入更多資料類型
11:21.040–11:22.980
zh比如网页PDR5视频
例如網頁、PDF、影片
11:22.980–11:24.440
zh音频Lotion笔记
音訊、筆記
11:24.440–11:26.040
zhWord等各种资料
Word 等各種資料
11:26.040–11:29.260
zh处理端可以参考卡巴基的知识库思想
處理端可以參考卡巴基的知識庫理念
11:29.260–11:31.720
zh让AI自动分类整理和总结资料
讓 AI 自動分類、整理和總結資料
11:31.720–11:33.880
zh仍主要负责判断和决策
仍主要負責判斷和決策
11:33.880–11:36.520
zh输出端可以把知识转成文章
輸出端可以把知識轉化為文章
11:36.520–11:38.980
zh图文PPT视频播客等各种成果
圖文、簡報、影片、播客等各種成果
11:38.980–11:40.740
zh后面我会继续更新
後續我會繼續更新
11:40.740–11:42.800
zhObsetting AI知识库的升级内容
Obsetting AI 知識庫的升級內容
11:42.800–11:44.440
zh感兴趣的话可以持续关注
感興趣的話可以持續關注
11:44.440–11:46.320
zh如果本期内容对你有所帮助
如果本期內容對你有幫助
11:46.320–11:48.000
zh欢迎点赞收藏关注
歡迎按讚、收藏並關注
11:48.000–11:48.780
zh我是明丽飞
我是明麗飛
11:48.780–11:49.580
zh我们下期见
我們下期見

影片筆記：Obsidian AI 知识库第 1 步：从 0 搭建最小可用系统，跑通 2 个真实场景｜PARA｜Claudian

一句話總結

本影片示範如何搭建 Obsidian AI 知識庫的「最小可用版」，透過類似 PARA 的目錄結構與 CLI Agent 插件接入，跑通「資料輸入、AI 處理、知識沉澱、產生輸出」的核心路徑，並演示了「積累型」與「項目型」兩個真實場景的操作流程。

核心重點

  1. 最小可用版理念：不追求一步到位的全自動化，避免初期系統過於複雜導致維護困難與 AI 幻覺。優先確保跑通關鍵路徑：資料進入 -> AI 處理 -> 知識沉澱 -> 產生輸出。
  2. 架構設計（類 PARA）：
  • 資訊進入後，優先考慮「服務什麼」而非「屬於什麼主題」。
  • 目錄結構包含：收件箱（Inbox）、項目（Projects）、領域（Areas）、資源（Resources）、歸檔（Archive）、模板（Templates）、附件（Attachments）。
  • 資料流向：收件箱 -> 資源/項目 -> 歸檔。
  1. 技術接入流程：
  • 使用 Obsidian 插件（如 Cloudian/Codex）結合 CLI Agent（如 Codecli）。
  • 透過本地終端測試對話後，在 Obsidian 內啟用 AI 服務。
  1. 實戰場景演示：
  • 積累型場景：透過 Web Clipper 將網頁轉為 Markdown 存入收件箱，利用 AI 總結並建立雙鏈，將關鍵觀點沉澱至「領域」。
  • 項目型場景：從每日筆記產生想法，建立項目索引文件，利用 AI 拆解背景、分析、輸出及常見問題，最終生成文章與可視化圖表，並回傳至項目文件。
  1. 核心價值：透過雙鏈串聯原始資料、分析內容與長期知識，實現知識從輸入到輸出的閉環。

詳細大綱

一、 觀念與架構設計

  1. 最小可用版理念
  • 避免一開始追求全自動化導致難維護與 AI 幻覺。
  • 優先跑通關鍵路徑：資料進入 -> AI 處理 -> 知識沉澱 -> 產生輸出。
  • 複雜系統（如自生長、全自動化）可後續迭代。
  1. Obsidian 本地知識庫結構
  • 核心邏輯：資訊進來後，先問「服務什麼」而非「屬於什麼主題」。
  • 目錄結構參考：
  • 收件箱 (Inbox)：臨時入口，降低輸入門檻。
  • 項目 (Projects)：正在推進的具體項目。
  • 領域 (Areas)：長期維護的能力與判斷。
  • 資源 (Resources)：長期參考資料。
  • 歸檔 (Archive)：結束或暫不使用的內容。
  • 模板 (Templates)：常用模板。
  • 附件 (Attachments)：圖片、PDF 等素材。
  • 資料流向：收件箱 -> (整理後) -> 資源/項目 -> (完成後) -> 歸檔。

二、 AI 能力接入流程

  1. 架構組成
  • 知識庫：Obsidian 本地倉庫（Markdown 文件與目錄）。
  • 連接器：Obsidian 插件（文中提及 Cloudian/Codex）。
  • 執行者：CLI Agent（命令行代理）。
  1. 五步實作流程
  • 步驟 1：選擇 CLI Agent（如 Cloud Code, Codecli, OpenCode）。
  • 步驟 2：完成登錄或使用第三方模型轉接（如 CC-Switch）。
  • 步驟 3：在終端測試 Agent 是否正常對話。
  • 步驟 4：在 Obsidian 中啟用對應插件（如 Codex 標籤）。
  • 步驟 5：讓 AI 讀取當前筆記並進行總結，驗證最小驗證流程。

三、 真實場景演示

  1. 場景一：積累型（資料轉知識）
  • 輸入：使用 Obsidian Web Clipper 將網頁轉為 Markdown 存入「收件箱」。
  • 處理：
  • 將筆記從收件箱轉移至「資源」。
  • 在筆記中新增「內容總結」標題。
  • 指令 AI 總結文章並更新至此標題下。
  • 輸出/沉澱：
  • 檢視 AI 總結，提取有價值的觀點。
  • 在「領域」建立長期筆記（如 Obsidian 學習）。
  • 將關鍵觀點整理進去，並保留原始資料的雙鏈。
  1. 場景二：項目型（知識服務目標）
  • 輸入：從每日筆記記錄想法，建立項目索引文件（Index）。
  • 結構規劃：建立背景、分析、輸出、常見問題四個一級標題。
  • 處理：
  • 指令 AI 根據問題提供研究方向。
  • 指令 AI 在「常見問題」區域新建 Q&A 筆記並添加雙鏈。
  • 收集資料進入收件箱後，指令 AI 將資料遷移至「資源」並鏈接至「背景」。
  • 指令 AI 基於背景資料總結關鍵要點至「分析」。
  • 指令 AI 基於要點生成短文章至「輸出」。
  • 指令 AI 利用 Skill 生成關係圖，並鏈接至「輸出」。
  • 輸出：文章與可視化結果統一管理於項目 Index 文件中。

四、 總結與未來展望

  1. 系統價值
  • 積累型：解決資料從臨時收集變為長期可複用知識。
  • 項目型：解決知識服務具體目標並推動成果形成。
  • 結構價值：資料、領域、項目各有位置，透過雙鏈串聯原始資料、分析與長期知識。
  1. 流程本質
  • 輸入：資料、想法、需求。
  • 處理：AI 總結、提列、關聯。
  • 輸出：產生價值、推進項目、生成內容或決策。
  1. 未來升級方向
  • 輸入端：介入更多資料類型（網頁、PDF、視頻、音頻、Lotion 筆記、Word 等）。
  • 處理端：參考卡巴基（Kagi/卡巴西？）知識庫思想，讓 AI 自動分類整理，人類負責判斷決策。
  • 輸出端：轉化為文章、圖文、PPT、視頻、播客等成果。

工具 / 模型 / 名詞整理

  • Obsidian：本地知識庫軟體。
  • Markdown：筆記文件格式。
  • AI Wiki / AI Viki：文中提及的概念或系統名稱。
  • Agent 系統：代理系統。
  • 卡巴西知識庫：文中提及的知識庫思想來源。
  • Codex：文中提及的 AI 模型或服務名稱（多次出現，如 Codex CLI, Codex 服務商）。
  • Hermes Agent：文中提及的 Agent 工具。
  • OpenCloud：文中提及的 Agent 工具。
  • Cloudian / Cloudium：文中提及的 Obsidian 插件名稱。
  • CLI Agent：命令行代理。
  • Cloud Code：文中提及的 CLI Agent 選項之一。
  • Codecli：文中演示選擇的 CLI Agent。
  • OpenCode：文中提及的 CLI Agent 選項之一。
  • CC-Switch：用於轉接第三方模型的工具。
  • Codex CLI：命令行接口工具。
  • DBT5.5：文中提及的模型版本或名稱。
  • Obsidian Web Clipper：網頁剪藏插件。
  • Clippings：文中提及的資料保存路徑或文件夾名稱。
  • 卡巴基：文中提及的知識庫思想來源。
  • Lotion：文中提及的筆記類型。

操作流程整理

通用 AI 接入流程

  1. 選擇 CLI Agent（如 Cloud Code, Codecli, OpenCode）。
  2. 完成登錄或使用第三方模型轉接（如 CC-Switch）。
  3. 在終端測試 Agent 是否正常對話。
  4. 在 Obsidian 中啟用對應插件（如 Codex 標籤）。
  5. 讓 AI 讀取當前筆記並進行總結，驗證最小驗證流程。

場景一：積累型操作流程

  1. 輸入：使用 Obsidian Web Clipper 將網頁轉為 Markdown 存入「收件箱」。
  2. 轉移：將筆記從收件箱轉移至「資源」。
  3. 標記：在筆記中新增「內容總結」標題。
  4. AI 處理：指令 AI 總結文章並更新至此標題下。
  5. 沉澱：
  • 檢視 AI 總結，提取有價值的觀點。
  • 在「領域」建立長期筆記（如 Obsidian 學習）。
  • 將關鍵觀點整理進去，並保留原始資料的雙鏈。

場景二：項目型操作流程

  1. 輸入：從每日筆記記錄想法，建立項目索引文件（Index）。
  2. 結構規劃：建立背景、分析、輸出、常見問題四個一級標題。
  3. AI 輔助規劃：
  • 指令 AI 根據問題提供研究方向。
  • 指令 AI 在「常見問題」區域新建 Q&A 筆記並添加雙鏈。
  1. 資料處理與沉澱：
  • 收集資料進入收件箱後，指令 AI 將資料遷移至「資源」並鏈接至「背景」。
  • 指令 AI 基於背景資料總結關鍵要點至「分析」。
  1. 產出生成：
  • 指令 AI 基於要點生成短文章至「輸出」。
  • 指令 AI 利用 Skill 生成關係圖，並鏈接至「輸出」。
  1. 最終管理：文章與可視化結果統一管理於項目 Index 文件中。

值得注意的限制或風險

  1. AI 幻覺風險：影片強調避免初期追求全自動化，因為複雜系統容易導致 AI 幻覺，建議先跑通最小驗證流程。
  2. 維護成本：全自動化系統若設計不當，可能導致維護困難。
  3. 工具鏈混亂：逐字稿中對於 CLI Agent 的選擇（Cloud Code, Codecli, OpenCode）以及登錄方式（Codex CLI）的描述較為混亂，實際操作時需確認工具鏈的正確名稱與邏輯。
  4. 辨識錯誤風險：部分工具名稱、模型名稱及術語在逐字稿中存在疑似聽寫錯誤（如 Cloudian/Codex 混用、卡巴西/卡巴基、Lotion 筆記等），實際搭建時需查證正確名稱。

逐字稿辨識疑點

  • 卡巴西知識庫：逐字稿出現「卡巴西知識庫」，後續又出現「卡巴基的知識庫思想」。需查證是否為特定知識管理方法論（如 PARA 的誤聽或特定作者名稱）。
  • AI Viki：逐字稿出現「AI Viki 自身長知識庫」，需查證是否為特定產品或模型名稱。
  • OpenCloud：逐字稿提及「OpenCloud 這類 Agent 的工具」，需查證是否存在此名稱的 Agent 工具。
  • Cloudian / Cloudium：逐字稿中插件名稱在「Cloudian」、「Codex」、「Cloudium」之間混用。通常 Obsidian 中對接 Codex 的插件名為 "Codex" 或 "Obsidian-Codex"。需查證正確插件名稱。
  • DBT5.5：逐字稿提及「模型切換到當前可用模型 DBT5.5」，需查證是否為特定模型版本或聽寫錯誤。
  • Lotion 筆記：逐字稿提及「Lotion 筆記」，需查證是否為特定筆記軟體名稱（如 Logseq 的誤聽）。
  • Codex 與 Codecli：逐字稿中對於 CLI Agent 的選擇（Cloud Code, Codecli, OpenCode）以及登錄方式（Codex CLI）的描述較為混亂，需查證具體工具鏈的正確名稱與操作邏輯。
  • Obsign：逐字稿最後提及「Obsign 這條結構」，應為 Obsidian 的聽寫錯誤。
  • 常眾問題：逐字稿提及「選擇常眾問題這個區域」，應為「常見問題」的聽寫錯誤。
  • 克勞利亞：逐字稿提及「克勞利亞日常調用 AI 的時候」，應為插件名稱（如 Codex 或 Cloudian）的聽寫錯誤。
  • 調查器：逐字稿提及「調查器操作更加複雜」，需查證是否為特定工具名稱或聽寫錯誤。
  • 要剪辑要精力要罗列：逐字稿中 AI 指令或反饋出現「要剪辑要精力要罗列」，語意不明，需查證是否為聽寫錯誤（如「要精簡、要精煉、要羅列」）。

可延伸追問

  1. 如何具體配置 CC-Switch 來轉接第三方模型？
  2. 在「積累型場景」中，如何設定自動化規則以減少手動轉移筆記至「資源」的步驟？
  3. 「卡巴基」或「卡巴西」知識庫思想具體指什麼？是否有相關文獻或工具推薦？
  4. 針對「項目型場景」，若資料量龐大，如何優化 AI 生成關係圖（Skill）的準確性與效率？
  5. 未來升級輸入端時，處理視頻、音頻等多媒體資料的具體技術方案為何？

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習