现在关于Obsidian AI知识库的教程很多
有的只讲某个工具
有的一上来就是卡巴西知识库
AI Viki 自身长知识库
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
知识库还没有搭稳
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
也不做一步到位的全自动化
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AIWiki
自动化
自生长知识库都可以后面再继续接代
具体来说我们会按照三个步骤来做
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
这两个真实场景把这套系统真正跑起来
看完之后我们至少知道
本地知识库怎么搭建
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
对于Obsidian搭建AI知识库
我们首先要搭建一个本地知识库
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入门启动帮你的目录结构
我们先简单看一下
收件箱是临时入口
用来接触资料想法或临时记录
项目放正在推进的具体项目
领域放长期维护的领域和能力
资源放长期参考资料
归档放已经结束或者暂时不用的内容
模板放常用模板
附件放图片PDF和附件素材
这套结构参考了PAIA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
加了收件箱模板和附件这些目录
是为了更加适合正式使用场景
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
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
资源一方面可以被项目调用
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
如果一开始就是明确的项目想法
也可以从收件箱
直接升级到项目
这是一条辅助路径
项目完成之后就进入归档
这样资料项目
长期知识和归档
都有自己的位置
后面AI只能基于
这个清晰的结构工作
火不这点进入AI的方式
其实很多
我之前已经专门用一个四项线图系统梳理过
大家感兴趣可以回去看那期
后来出现的Codex Hermes Agent
或者OpenCloud这类Agent的工具
直接操作Obsidian底层仓库
大体也可以归到第二项线
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Cloudian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
这一点是知识库和工作界面
Cloud点是连接器
Cli Agent
执行任务的AI
Agent可以选择Cloud Code
Codec CLI
或者OpenCode
模型可以来自官方订阅
也可以通过三方模型转接
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Cloudian插件里启用这个Agent
第五,让它读取当前笔记
并做一次简单的总结
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
这里可以选择Cloud Code, Codecli或者OpenCode
三选一就可以
我这里选择Codecli做演示
第二步,选择登录或者模型转接
我这里已经提前完成了Codecli的登录
所以不现场展示了
如果能用官方订阅
就直接使用官方订阅
如果不方便
可以使用CC-Switch
转接第三方模型
这个部分本身是一个独立的话题
网上的教程也很多
这里先不展示了
如果大家对此有疑问
可以在评论区留言
第三步
在通装里测试
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Cloudian里启动这个Agent
我们回到Obsidian
打开设置
进入社区插件
找到并打开
已经安装并且启用的Cloudian
然后切换到上面的Codex标签
点击启用Codex服务商
一般来说到这里
Cloudian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
我们点击左侧边来的Cloudian
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
DBT5.5
接着从左侧目录里打开一个笔记
这篇笔记就会作为当前上下文记录对话
然后我们输入
帮我总结一下这个笔记的内容
如果AI能基于这个笔记做出总结
就说明这一步跑通了
前面我们已经把本级知识库搭建好了
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
最后这些内容能够成练成知识
或者服务一个具体的项目
所以接下来
我会用两个真实的场景来演示
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
就想把它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检查
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
检查了内容
也可以设置它保存到Obsidian的哪个路径
我点击添加了Obsidian
这篇文章就会保存到这个位置
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的处理
我先用快捷命令
把这篇笔记从收件箱转移到资源
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Cloudium
选中内容总结这个位置
告诉AI
给我总结这篇文章内容
并更新到这里
AI分析完成之后
就会把总结直接写到这篇笔记里
我快速看了一下总结内容
发现里面有些观点还有价值
值得以后反复使用
我在领域里新建了一篇长篇笔记
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贴
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
仍然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
和这点为什么适合AI时代的知识管理
我会先把这个想法寄到每日笔记里
日常使用时
我一般会使用手机加语音输入法
快速记录
这里为了演示就直接在电脑上操作
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
就会在项目里
这个笔记叫
我不知道为什么适合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
接下来无不千问AI
如果我要研究
为什么Obsidian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
我觉得这个问题本身也有价值
就选择常众问题这个区域
告诉AI
在当前目录新建一篇Q&A笔记
记录上面这个问题回答
并在这里添加双链
AI成功完成了Q&A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
这个过程和前面积累型流程类似
调查器操作更加复杂
而且需要自动化
以后再单独分享
这里就不展开了
我们直接看初步成果
相关资料已经进入了收件箱
下一步
我选中背景这个区域
告诉AI
把收件箱
Clipping's里的相关资料
迁移到资源
并把相关资料的双链
放到背景下面
AI执行完成之后
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的采访
也可以顺手加进来
这里补充一句
克劳利亚日常调用AI的时候
经常会用到文件或者目录路径
我们可以点击笔记或者目录
或者相对路径或者绝对路径
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
基于背景中的参考资料
给我总结关键要点
记录在分析标题下面
要剪辑要精力要罗列
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
相关资料进入资源
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文件里统一管理
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
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
Obsign这条结构的价值
很想看
资料领域项目各有位置
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
到这里我们完成了三件事
打好而不自定本地仓库
介入AI能力
然后用两个正式场景把这套系统跑起来
这两个场景背后其实是同一套流程
知识输入
知识处理
知识输出
输入是把资料想法需求放进来
处理是让AI帮我们总结提列和关联
输出是让这些知识真正产生价值
并推进项目
生成内容或知识决策
这次我们做的最小可用版本
可以作为一个很好的起点
后面如果我们继续升级
也可以围绕这个环节来做
输入端可以介入更多资料类型
比如网页PDR5视频
音频Lotion笔记
Word等各种资料
处理端可以参考卡巴基的知识库思想
让AI自动分类整理和总结资料
仍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
Obsetting AI知识库的升级内容
感兴趣的话可以持续关注
如果本期内容对你有所帮助
欢迎点赞收藏关注
我是明丽飞
我们下期见