现在关于Obsidian AI 知识库的教程很多
有的只讲某个 AI 工具
有的一上来就是卡帕西知识库、AI Wiki、自生长知识库、Agent 系统
听起来很厉害
但真正到自己动手的时候
还是不知道第一步怎么落地
如果一开始就追求AI全自动化
知识库还没搭稳
就很容易遇到难维护、不可控、AI 幻觉这些问题
所以这期分享
我们先不做大而全的系统
也不一步到位做全自动化
而是回到知识库和 AI 本身
先搭建一个最小可用版
这里的最小可用
就是先把最关键的路径跑通：
资料能进来，AI 能处理
知识能沉淀，最后能产生输出
更复杂的 AI Wiki、自动化、自生长知识库
都可以后面再继续升级
具体来说，我们会按三个步骤来做：
第一步
先搭建 Obsidian 本地知识库；
第二步，把 AI 能力接进来；
第三步
用知识积累和项目推进两个真实场景
把这套系统真正跑起来
看完之后，我们至少会知道：
本地知识库怎么搭，AI 能力怎么接入
资料怎么积累，项目怎么推进
以及知识最后怎么沉淀和产生结果
基于 Obsidian 搭建 AI 知识库
我们首先要搭一个本地知识库
因为后面 AI 要读取、分析和更新的
本质上都是这个仓库里的 Markdown 文件和目录结构
各种外部资料和个人想法进来之后
会先变成一篇篇 Markdown 笔记
保存在 Obsidian 的本地仓库里
后面无论是推进项目、沉淀知识
还是让 AI 基于已有资料做分析
本质上都是围绕这个仓库在工作
这里我们直接用之前分享过的 Obsidian 入门启动包里的目录结构
我们先简单看一下：
收件箱（Inbox）是临时入口
用来接住资料、想法或临时记录；
项目（Projects）放正在推进的具体项目；
领域（Areas）放长期维护的领域和能力；
资源（Resources）放长期参考资料；
归档（Archive）放已经结束或暂时不用的内容；
模板（Templates）放常用模板；
附件（Attachments）放图片、PDF 和附件素材
这套结构参考了 PARA 的思想
但并不复杂
就是一条信息进来之后
不是先问它属于什么主题
而是先问它接下来要服务什么
我在这个基础上又加了收件箱（Inbox）、模板（Templates）、附件（Attachments）这些目录
是为了更适合真实使用场景
我们进一步理解一下这套目录背后的核心逻辑：
新的资料和想法先进入收件箱（Inbox）
先接住
降低输入门槛
整理之后
有长期参考价值的内容进入资源（Resources）
资源（Resources）一方面可以被项目（Projects）调用
用来服务具体目标；
另一方面也可以提炼出长期方法和判断
沉淀到领域（Areas）
如果一开始就是明确的项目想法
也可以从收件箱（Inbox）直接升级成项目（Projects）
这是一条辅助路径
项目完成之后
就进入归档（Archive）
这样资料、项目、长期知识和归档都有自己的位置
后面 AI 也能基于这个清晰结构工作
Obsidian 接入 AI 的方式其实很多
我之前已经专门用一个四象限图系统梳理过
大家感兴趣可以回去看那期
后来出现的 Codex、Hermes Agent
或者 OpenClaw 这类 Agent 工具
直接操作 Obsidian 底层仓库
大体也可以归到第二象限：
AI 主动操作文件层
但这次我们先聚焦一种最基础、最贴近知识管理本身的接入方式：
用 Claudian 加 CLI Agent
把 AI 能力接入 Obsidian
在真正操作之前，我们先看整体架构
Obsidian 是知识库和工作界面
Claudian 是连接器
CLI Agent 是执行任务的 AI
Agent 可以选择 Claude Code、Codex CLI 或 OpenCode
模型可以来自官方订阅
也可以通过第三方模型转接
下面这条就是等一下要跑的最小验证流程：
第一，先选择一个 CLI Agent；
第二，完成登录
或者通过第三方模型做转接；
第三
在终端里测试它能不能正常对话；
第四，回到 Obsidian
在 Claudian 插件里启用这个 Agent；
第五，让它读取当前笔记
并做一次简单总结
接下来我们就按刚才的五步流程真实跑一遍
第一步，先选择一个 CLI Agent
这里可以选 Claude Code、Codex CLI 或 OpenCode
三选一就可以
我这里用 Codex CLI 做演示
第二步，完成登录或者模型转接
我这里已经提前完成了 Codex CLI 的登录
所以不现场展开了
如果能用官方订阅
就直接用官方订阅；
如果不方便
也可以用 CC Switch 转接第三方模型
这部分本身是一个独立话题
网上的教程也很多
这里先不展开
如果大家有疑问，可以在评论区留言
第三步
在终端里测试这个 Agent 能不能正常对话
比如我这里输入 `codex`，
进入对话之后
简单问一句 `你好`。
我们可以看到，Codex能正常回复
说明本地 Agent 已经准备好了
第四步
在 Claudian 里启用这个 Agent
我们回到 Obsidian，打开设置
进入社区插件
找到并打开 已经安装并启用的Claudian
然后切换到上面的 Codex 标签页
点击「启用 Codex 服务商（Enable Codex provider）」。
一般来说
到这里 Claudian 就可以正常调用 Codex 了
第五步，让它读取当前笔记
做一个简单的总结
我们点击左侧边栏里的 Claudian
右侧会自动打开一个新的对话面板
然后把模型切换到当前可用模型：
GPT-5.5
接着从左侧目录里打开一篇笔记
这篇笔记就会作为当前上下文进入对话
然后我们输入：
帮我总结一下这个笔记内容
如果 AI 能基于这个笔记做出总结
就说明这一步跑通了
前面我们已经把本地知识库搭好了
也把 AI 接进来了
这其实意味着
一个“静态的 AI 知识库”已经完成了
但知识库真正有价值
是让它能真正跑起来
也就是资料可以进来
AI 可以参与处理
最后这些内容能沉淀成知识
或者服务一个具体的项目
所以接下来
我会用两个真实场景来演示：
积累型场景和项目型场景
先看第一个场景：积累型
比如我看到一篇 Obsidian CEO 的采访
觉得这篇资料很有参考价值
就想先保存到本地知识库里
这里我用的是 Obsidian 官方的 Web Clipper 插件
它可以把大部分网页内容一键剪藏
并转成 Markdown 保存到 Obsidian
回到这篇文章
我们点击浏览器里的 Obsidian 插件
这里可以预览剪藏的内容
也可以设置它保存到 Obsidian 里的哪个路径
我点击“添加到 Obsidian”，
这篇文章就会被保存到这个位置：`00-Inbox收件箱/Clippings`。
回到 Obsidian
可以看到这篇网页已经变成了一篇本地 Markdown 笔记
到这里
外部资料进入 Obsidian 这一步就完成了
接下来，我们对它做一轮简单处理
我先用快捷命令
把这篇笔记从 收件箱（Inbox） 转移到 资源（Resources）
因为这篇文章可以作为一份原始资料
后面可以长期参考
然后我在正文上方加一个标题：`# 原文`，
把原始内容保留下来
再在它上面加一个标题：`# 内容总结`，
准备让 AI 把总结写到这里
接着，在这篇笔记打开的情况下
我打开 Claudian
选中“内容总结”这个位置
然后告诉 AI：
给我总结这篇文章内容
并更新到这里
AI 分析完成后
就会把总结直接写回到这篇笔记里
我快速看了一下内容总结
发现里面有些观点很有价值
值得以后反复使用
我在领域（Areas）里新建一篇长期笔记
叫：
`Obsidian学习`。
然后把这些关键观点整理进去
例如：“对Obsidian使用者的启发”，
并且加上原始资料的双链链接
这样，一个资料积累的闭环就完成了：
网页资料进入本地，AI 参与处理
人来判断哪些内容值得长期保存
最后长期知识和原始来源还能互相追溯
再看第二个场景：项目型
比如我想到一个问题：
Obsidian 为什么适合 AI 时代的知识管理？
我会先把这个想法记到每日笔记里
日常使用时
我一般会使用手机加语音输入快速记录；
这里为了演示，就直接在电脑端操作
后面我觉得这个问题值得继续推进
可能发展成文章或者视频
就会在 项目（Projects ）里新建一个项目 index
这个笔记叫：`Obsidian为什么适合AI时代的知识管理-index`。
然后我先建四个一级标题：`背景`、`分析`、`输出`、`常见问题`。
背景放资料，分析放思考
输出放成果
常见问题放过程中沉淀下来的 Q&A
接下来，我先问 AI：
如果我要研究“Obsidian 为什么适合 AI 时代的知识管理”，
需要从哪些角度查找资料？
AI 给出研究方向之后
我觉得这个问答本身也有价值
就选中“常见问题”这个区域，告诉 AI：
在当前目录新建一篇 Q&A 笔记
记录上面这个问题和回答
并在这里添加双链
AI成功完成了QA笔记创建，并在目标位置添加好了双链。
然后我会根据这些方向去收集资料
这个过程和前面的积累型流程类似
详细操作更加复杂且需要自动化
以后再单独分享，这里就不展开了
我们直接看初步结果：
相关资料已经先进入了收件箱（Inbox）
下一步，我选中“背景”这个区域
告诉 AI：
把 `00-Inbox收件箱/Clippings` 里的相关资料迁移到 `30-Resources资源`，
并把这些资料的双链放到“背景”下面
AI 执行完成后
这些参考资料的链接就会整理到背景区域下面
前面我们在积累型场景里保存的那篇 Obsidian CEO 采访
也可以顺手加进来
这里补充一句
Claudian日常调用AI的时候
经常会用到文件或目录路径
我们可以点击笔记或目录
获得相对路径或绝对路径
在Obsidian中一般使用相对路径即可
下面
我们进一步基于资料总结关键要点
我告诉AI：
基于背景中参考资料
给我总结关键要点
记录在分析标题下面
要简要精炼罗列，不要太长
基于分析的要点
我们可以让AI进一步生成可以交付的成果
我告诉AI：
基于“分析”里的要点
创建一篇简短文章
并把文章双链放到“输出”下面
最后，我想更进一步
把文章内容做可视化表达
我告诉AI：
利用这个skill，基于文章的核心结构
生成一个 关系图
并把这张图的双链也放到“输出”下面
到这里，一个项目型流程就跑通了：
一个临时问题
从每日笔记进入 项目（Projects）；
相关资料进入 资源（Resources）；
AI 帮我拆解、分析和生成输出；
最后文章和可视化结果
都回到项目 index 里统一管理
后面有新的想法
也可以继续更新分析、迭代文章
或者把更长期的判断沉淀到 领域（Areas）
通过这两个场景
我们就能看到这个 AI 知识库已经跑起来了
积累型解决的是：
资料怎么从临时收集
变成长期可复用的知识
项目型解决的是：
知识怎么服务一个具体目标
并推动它形成成果
而这背后
其实也体现了 Obsidian 这套结构的价值
横向看，资料、领域、项目各有位置；
纵向看
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
到这里，我们完成了三件事：
搭好 Obsidian 本地知识库
接入 AI 能力，然后用两个真实场景
把这套系统跑起来
而这两个场景背后
其实都是同一条流程：
知识输入、知识处理、知识输出
输入，是把资料、想法和需求放进来
处理
是让 AI 帮我们总结、提炼和关联
输出，是让这些知识真正产生价值
比如推进项目、生成内容
或者支持决策
这次我们做的最小可用版本
可以作为一个很好的起点了
后面如果继续升级
也可以围绕这三个环节来做
输入端，可以接入更多资料类型
比如网页、PDF、视频、音频、Notion 笔记、word等各种资料
处理端
可以参考Karpathy知识库的思想
让AI 自动分类、整理和总结资料
人主要负责判断和决策
输出端
可以把知识转成文章、图文、PPT、视频、播客等各种成果
后面我会继续更新 Obsidian AI 知识库的升级内容
感兴趣的话可以持续关注
如果这期内容对你有帮助
欢迎点赞👍、收藏⭐、关注➕
我是明立非Mingnify，我们下期再见