当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

知识过载救星：Obsidian+Claude打造会思考的个人知识库，告别碎片化笔记

源自79位全网作者

04-17 10:28

精选参考来源

属于Agent的文件协议来了！Selfware让Agent之间无缝传递上下文

【Claude的工具调用革命：从对话到编程的范式转变】Claude最近完成了一次架构层面的重大升级，这个改变可能比推理模型更具颠覆性。核心变化很简单：以前是用户提问→Claude回复→调用工具→Claude再回复。现在是用户提问→Claude编写代码→代码调用工具、处理结果、执行条件逻辑、多次调用工具→最后返回Claude。这个转变的威力在于，Claude不再像个健忘的助手，每次调用工具都要回来汇报。它会直接写一段代码，预先规划好各种可能的决策路径，让代码自主处理工具调用的结果。以数据库查询为例。过去Claude需要查询一次，读取结果，思考下一步，再查询。现在它写的代码可以自己处理首次查询结果，决定是否继续查询，如何格式化数据，如何应对不同情况，完全不需要每一步都回到LLM做决策。这相当于把几十上百次的对话循环压缩成一次代码执行。Agent不再是走一步看一步，而是预先烘焙好可能的决策树。有人在测试中看到工具调用准确率从50%跃升到96%，延迟和成本大幅下降。更重要的发现是：中间结果不再进入上下文窗口。处理百万token级别的文件时，只有最终输出会占用上下文预算。这解决了大规模网页抓取的老大难问题——你不需要把整个HTML文件塞进上下文，让代码在沙盒里处理就好。并行工具执行是另一个关键突破。串行调用不只是慢，模型还会在步骤之间丢失上下文。并行改变的是推理模式本身，不只是速度。当然，这种模式也有代价。预先规划的代码在遇到意外情况时会显得僵硬。过度规划和规划不足一样浪费。传统的“慢循环”虽然效率低，但更具适应性。具体收益取决于任务类型，并非在所有场景下都能实现2到100倍的性能提升。有趣的是，这个特性其实几个月前就在Anthropic的工程博客发布了，只是大多数人没注意到。现在它已经从Opus 4.5下放到Sonnet，开发者只需启用一个标志就能使用。AI写代码的能力每提升一分，就为性能扩展开辟了新的维度。当代理可以独自运行两小时而不需要人类干预，当它能在不破坏上下文的情况下搜索整个网络，会话内学习就没有了真正的上限。这不是噱头，是成熟的Agent架构模式的原生化实现。那些已经在手动实现这种模式的开发者现在可以直接用原生支持了。洁简的系统总是看起来无趣，直到它们开始输出结果。x.com/NickADobos/status/2023861257757925469

全部
来源

内容由AI生成

1. 属于Agent的文件协议来了！Selfware让Agent之间无缝传递上下文

2. 【Claude的工具调用革命：从对话到编程的范式转变】Claude最近完成了一次架构层面的重大升级，这个改变可能比推理模型更具颠覆性。核心变化很简单：以前是用户提问→Claude回复→调用工具→Claude再回复。现在是用户提问→Claude编写代码→代码调用工具、处理结果、执行条件逻辑、多次调用工具→最后返回Claude。这个转变的威力在于，Claude不再像个健忘的助手，每次调用工具都要回来汇报。它会直接写一段代码，预先规划好各种可能的决策路径，让代码自主处理工具调用的结果。以数据库查询为例。过去Claude需要查询一次，读取结果，思考下一步，再查询。现在它写的代码可以自己处理首次查询结果，决定是否继续查询，如何格式化数据，如何应对不同情况，完全不需要每一步都回到LLM做决策。这相当于把几十上百次的对话循环压缩成一次代码执行。Agent不再是走一步看一步，而是预先烘焙好可能的决策树。有人在测试中看到工具调用准确率从50%跃升到96%，延迟和成本大幅下降。更重要的发现是：中间结果不再进入上下文窗口。处理百万token级别的文件时，只有最终输出会占用上下文预算。这解决了大规模网页抓取的老大难问题——你不需要把整个HTML文件塞进上下文，让代码在沙盒里处理就好。并行工具执行是另一个关键突破。串行调用不只是慢，模型还会在步骤之间丢失上下文。并行改变的是推理模式本身，不只是速度。当然，这种模式也有代价。预先规划的代码在遇到意外情况时会显得僵硬。过度规划和规划不足一样浪费。传统的“慢循环”虽然效率低，但更具适应性。具体收益取决于任务类型，并非在所有场景下都能实现2到100倍的性能提升。有趣的是，这个特性其实几个月前就在Anthropic的工程博客发布了，只是大多数人没注意到。现在它已经从Opus 4.5下放到Sonnet，开发者只需启用一个标志就能使用。AI写代码的能力每提升一分，就为性能扩展开辟了新的维度。当代理可以独自运行两小时而不需要人类干预，当它能在不破坏上下文的情况下搜索整个网络，会话内学习就没有了真正的上限。这不是噱头，是成熟的Agent架构模式的原生化实现。那些已经在手动实现这种模式的开发者现在可以直接用原生支持了。洁简的系统总是看起来无趣，直到它们开始输出结果。x.com/NickADobos/status/2023861257757925469

3. 手把手教你用Obsidian + OpenClaw重构AI知识管理体系

4. 【上下文工程实战指南：如何让AI代理真正听懂你的话】“AI垃圾输出”的锅，现在该用户来背了。在Claude Code这类黑箱系统中，上下文是我们唯一能控制的输入变量。既然如此，如何优化它就成了关键问题。+ 什么是上下文？上下文指的是你发送消息时提供给大语言模型的一切——不仅是提示词本身，还包括系统提示、元数据、历史对话、模型的思考过程、工具调用和响应。大模型的上下文窗口有限，对话越长，追踪信息的准确度就越低。Claude Code的上下文窗口看似有20万token，但实际可用空间远没那么多。运行/context命令就能看清真相：22.5%被预留，10.2%被系统提示占用，加上MCP服务器、子代理和规则，真正留给我们的只有约12万token。更关键的是，无论是否接近窗口上限，上下文越多，模型质量就越差。+ 基础功夫最重要和大多数事情一样，820法则同样适用于vibe coding。做好以下基础，你就已经完成了80%：- /upgrade升级到Max计划- /model选择opus 4.5- /init创建项目说明文件然后是基本工作流：1. 从计划模式开始（Shift + Tab）2. 让Claude通过提问来澄清模糊点3. 执行经过打磨的计划创建子代理、自定义命令、钩子、多代理编排确实很酷，但说实话，没有我们想象的那么重要。掌握基础才是核心竞争力。+ 如何实际运用这套工作流把每次新对话当作一个目标，严格控制范围：-“我要修复这个bug”-“我要构建这个功能”对于新项目，目标可以更宽泛，但这意味着需要更多规划和打磨——因为模糊性越大，误解空间就越大。多花时间规划，再多花时间打磨规划。让Claude不断提问，直到它开始为问而问。请它多次审查计划，讨论架构、最佳实践、安全风险、生产就绪度、测试策略——目标是在每个模糊点提供细节。+ 何时重置，如何重置如果进展顺利且后续任务与当前上下文相关，继续就好。接近上下文上限时，运行/compact释放空间，或让Claude Code自动处理。但如果事情不顺利呢？模型没做对，你陷入了“这太糟糕了请修复”→垃圾输出→“这更糟糕了你在想什么”→垃圾输出的循环。这时不要试图在同一线程中挽救，而是：- /rewind回到进展顺利的节点- /new开启新线程，优化原始提示词，明确指出“不要做什么”——把上次的教训写进去+ 避开复杂性陷阱如果你常刷社交媒体，可能已经收藏了无数花哨设置——MCP服务器、子代理、技能包……我的建议是：不要过度复杂化。正如Anthropic所说，我们的目标是“找到最小的高信号token集合”。往上下文塞太多MCP数据，只会用低信号填满窗口，同时烧掉你的钱。+ 善用MCP服务器获取优质上下文MCP服务器本质上是让模型能调用的第三方工具——文档、GitHub代码、Linear工单、Figma设计等。这类工具刚推出时被热捧，但人们很快发现很多会疯狂消耗上下文，得不偿失。我目前只用三个经过验证的：- exa.ai：AI代理的网络搜索- context7：AI代理的最新文档- grep.app：AI代理的GitHub搜索我主要用它们研究如何正确实现代码——这些事我自己查文档也能做。Anthropic把这称为“即时上下文”策略——代理在需要时自己寻找信息。这对Claude Code这类代理式编码工具非常有效。+ 用子代理节省上下文——我最喜欢的隐藏技巧Claude Code可以创建子代理——作为主代理的子实例运行。关键在于：- 子代理拥有独立于主代理的上下文窗口- 可以使用不同模型（比如非opus）这意味着我们可以让子代理执行消耗大量token的操作（如研究），然后向主代理提供精炼摘要——信息密度高，token消耗低。我最常用的是一个自定义的“图书管理员”子代理，运行sonnet模型扫描开源仓库和文档，向主代理返回精炼摘要。我会说：“用librarian研究如何用Y库实现X，然后实现Z”——子代理触发，调用所有工具找到高质量答案。这既防止主上下文被污染，又用更便宜的模型完成简单任务。+ 用技能包引入相关上下文技能包与子代理相反——不是把任务委派给专门代理，而是把专业能力引入当前代理的上下文。比如Claude Code内置的“前端设计师”技能，会引入一段较长的提示词，告诉Claude前端设计的注意事项。这些工作流听起来花哨，但原理很简单——Claude只是在认为需要时，把一段文本拉入上下文。+ 核心要义好的vibe coding是为价值密集的上下文而优化。你添加或从模型接收的任何信息，都应简洁地服务于帮助模型回答下一个请求。如果做不到这点，就不应继续在同一上下文中工作——这是避免陷入令人沮丧的垃圾输出循环的关键。社交媒体上那些花哨命令可能让你觉得自己落伍了。但实际上，事情没那么复杂——尽力用简洁、高质量的信息帮助模型，给它工具让它自己找到相关信息。就像你对待一位同事那样。x.com/jarrodwatts/status/1926054877836624014

5. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

6. Anthropic 社区负责人连更31条Claude Code技巧！比Claude Code创始人私藏的还硬核

7. 9000+篇AI教程，现在能“一键问答”了！WaytoAGI知识库大升级

8. 回复@徐无山主:不要把大模型当成“知识库”，而是把它当成是支持自然语言交流的超大型智能数据库。个人知识库，在AI时代，需要自己构建，比如，我自己就一直使用类似于多叉树的形式来保存觉得重要的有价值的信息（我自己写了一个小工具）。评论配图 //@徐无山主:金老师，怎么把大模型变成自己的知识库啊

9. AI时代最强笔记软件，为什么是Obsidian

10. 和AI搭配最顺畅的笔记软件，被我找到了 Obsidian

11. Obsidian + Claude Code：用AI重建你的第二大脑地址：github.com/alchaincyf/obsidian-ai-orange-book花叔作品。这不是又一本 Obsidian 教程，而是「AI 时代的知识管理方法论 + 落地工具」：问题篇 -- 为什么你的笔记软件是「信息坟场」，以及为什么只有 AI 能解决这个问题选择篇 -- 三个完全独立的十亿级项目，不约而同选了 Markdown 存储 AI 的记忆，这不是巧合上手篇 -- 40 分钟内搞定 Obsidian 安装 + Claude Code 接入架构篇 -- 设计你的 vault，让 AI 能高效地理解和操作它知识库篇 -- Karpathy 的 LLM Wiki 模式：让 AI 维护你的知识库，而不是建 RAG 实战篇 -- 7 个可以直接抄的工作流，每个都有具体步骤和 prompt 生态篇 -- 1000+ 插件中你真正需要的 4 个进阶篇 -- Git 版本控制、自定义 Skills、本地 AI、多 Vault 策略#How I AI#

12. 除了写代码，Claude Code还能干什么？根据网上的讨论，Claude Code早就超越了"AI编程工具"的定义。那么大家都用CC来做什么呢？按照点赞排序如下：1. 第二大脑管理 — Obsidian + Claude Code用Claude Code自动化处理Obsidian笔记。具体场景：- 定期运行脚本，自动从邮件/RSS/剪贴板导入笔记- 用Claude Code分析你的笔记库，找出"孤立笔记"（没有backlink的）- 自动补充缺失的笔记关联（比如提议"这篇技术笔记应该链接到那篇概念笔记"）- 生成笔记索引和目录（特别是对大型笔记库）- 定期清理过时信息，标记需要更新的内容一个用户说："我的笔记库从700个笔记扩展到3000个，Claude Code帮我维护整个知识库的一致性，这省了我几个月的手工整理时间。"2. Git Changelog 自动生成"读取我最近30个commit，生成结构化的changelog——分类为feature/bugfix/chore，并自动提取关键改动描述"可以：- 自动格式化commit message- 识别breaking changes- 生成给产品经理的中文总结（"这个版本新增了啥"）- 甚至能识别"这个fix其实解决了用户complaint 123"3. Markdown 文档处理比想象中强大：- 批量转换markdown格式（比如"把所有二级标题改成三级"）- 自动检查文档一致性（检查"所有API文档是否都有example"）- 生成目录和索引- 文档中提取数据（比如"从所有README里提取dependencies列表"）- 翻译（用Claude Code把英文文档翻译成中文，保持markdown格式）4. 数据分析和处理很多人用Claude Code来：- 处理CSV/JSON数据（清洗、转换、聚合）- 生成数据可视化代码（matplotlib/plotly）- 自动统计报告（"给我一份月度销售分析"）- 从非结构化数据中提取信息一个产品经理用户："我用Claude Code处理用户反馈csv，自动分类为feature request/bug/improvement，然后生成热度排名。这个本来需要半天，现在5分钟。"5. 配置文件生成和管理- Docker/K8s/Terraform配置自动生成- 环境变量配置管理- 基础设施即代码(IaC)的模板生成- 自动化配置迁移（比如"从Docker Compose转到K8s manifests"）6. 内容创作辅助不少创意工作者用Claude Code：- 博客/文章自动排版和格式化- 从原始笔记生成完整文章- 自动为文章生成SEO元数据- 批量生成social media copy一个技术博主说："我在Claude Code里一次性上传10篇原始笔记，它能自动：1) 统一风格 2) 补充缺失的章节 3) 生成meta description 4) 创建twitter/linkedin版本。我节省了2小时/周的编辑工作。"7. 系统管理脚本虽然是"编程"，但超出了传统代码编写：- 自动化部署脚本- 日志分析和告警- 系统监控脚本- 批量文件处理8. 学习工具意外的使用场景：- 生成练习题目（从教材中提取核心概念，生成对应练习）- 代码示例生成（"给我5个递归的例子，从简单到复杂"）- 学习路线规划（"我想学Machine Learning，给我3个月的学习计划"）- 作业检查（虽然controversial，但有学生用Claude Code检查自己的作业逻辑）原文讨论：www.reddit.com/r/ClaudeCode/comments/1rtesrr/#HOW I AI# #程序员#

13. Obsidian CLI 基础配置教程打造AI化的知识管理系统 Claude Code｜Codex｜GeminiCLI

14. 长文：你不知道的 Claude Code：架构、治理与工程实践tw93.fun/2026-03-12/claude.html“今天这篇文章源于最近半年深度使用 Claude Code、两个账号每月 40 刀氪金换来的一些踩坑经验，希望能给大伙一些输入。刚开始我也把它当 ChatBot 用，后来很快发现不对劲：上下文越来越乱、工具越来越多但效果越来越差、规则越写越长却越不遵守，折腾了一段时间，研究了 Claude Code 本身之后才意识到，这不是 Prompt 问题，而是这套系统的设计就是这样的。这篇文章想和大伙聊聊这几个事：Claude Code 底层怎么运作、上下文为什么会乱以及怎么治理、Skills 和 Hooks 应该怎么设计、Subagents 的正确用法、Prompt Caching 的架构影响，以及怎么写一个真正有用的 CLAUDE.md。”#How I AI#

15. Obsidian AI插件 Claudian 基础配置使用教程能和笔记直接对话啦

16. github.com/thedotmack/claude-mem 一个专为 Claude Code 设计的插件项目，可赋予 Claude 跨会话的持久化记忆能力，解决 AI 在新会话中丢失项目上下文的痛点。该工具通过自动捕获用户的编程过程，利用 AI 技术对关键信息进行压缩和语义索引（支持本地存储以保护隐私），并在后续对话中智能地检索并注入相关的历史背景。这不仅让 Claude 能够“记住”之前的技术决策和代码细节，还通过其特色的“无尽模式”和仿生记忆架构，大幅降低了重复发送上下文带来的 Token 消耗，从而显著提升了长时间复杂编程任务的连贯性与效率。#科技先锋官#

17. AI学会“科学交接班”，解决上下文难题——Anthropic智能（牛马）方法论

18. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

19. 都2026了，Obsidian还不接AI？保姆级教程来了

20. Obsidian 打造AI化神经中枢：10个在用工作流分享搭配Claude Code｜Codex｜WorkBuddy｜OpenClaw

21. Obsidian Skills Ai笔记新方法使用配置教程

22. Claude Code官方推出的入门课程，免费！有空补学习一下内容包括：1.使用 Claude Code 的核心工具进行文件操作、命令执行和代码分析。2 通过 /init、Claude.md 文件以及 (at) 引用来高效管理上下文。3. 利用多种快捷键和命令来控制对话流程。4. 在需要更深入分析的复杂任务中启用 Plan Mode 和 Thinking Mode。5. 创建自定义命令，用于自动化重复性的开发工作流。6. 通过 MCP 服务器扩展 Claude Code，引入浏览器自动化等能力。7. 配置 GitHub 集成，实现自动化的 PR 审查和 Issue 处理。8. 编写 hooks，为 Claude Code 添加额外的行为和能力。访问：anthropic.skilljar.com/claude-code-in-action#HOW I AI# #程序员#

23. Claude Agent Skills 官方最佳实践↓ 值得一读，除了理解Claude Skills，也能帮你更好的写好提示词和理解上下文。了解如何编写Claude 可以发现并成功使用的有效技能。优秀的技能简洁明了、结构合理，并经过实际测试。访问：docs.claude.com/en/docs/agents-and-tools/agent-skills/best-practices #ai创造营##程序员#

24. 【当AI成为你的编程搭档：Claude Code 2.0深度使用指南】这是一篇来自真实用户的深度分享。作者从2025年中开始使用Claude Code，经历了从Claude到Codex再回归Claude的完整心路历程，在Opus 4.5发布后重新找到了最佳工作状态。这篇指南不仅是功能说明，更是一份关于如何与AI编程助手高效协作的思考。 + 为什么写这篇文章 Karpathy最近发了一条引发热议的推文，感叹技术演进之快让人难以跟上。这确实是个合理的“崩溃”——但换个角度想，与其纠结于“跟上进度”，不如思考如何用这些工具提升自己。作者认为自我增强有三个维度：第一，保持工具更新意识。定期使用这些工具，关注版本迭代。对技术人员来说可能是每日习惯，对技术背景较浅的人来说，每周或每月关注也能有所收获。第二，深耕专业领域。现在是同时向深度和广度拓展的好时机。你知道得越多，提示词写得越好——本质上是把“不知道自己不知道”转化为“知道自己不知道”。经验能培养判断力和品味，这是专业开发者与“氛围编程者”的本质区别。既然实现速度大幅提升，就可以把更多时间花在品味打磨上。第三，保持开放心态，多尝试。试用更多模型，尤其是最先进的那些。别吝啬。提问题，让模型尝试各种任务，包括你觉得它做不了的。你会惊讶于结果。做得够多，你就会建立起直觉。 + 从Claude到Codex再回归的历程作者从2025年6月底到9月初使用Claude Code作为主力工具，但在9月初取消了订阅转向OpenAI Codex。原因有二：GPT-5-codex代码质量与Sonnet 4.5相当但写得更好；Anthropic频繁的API故障让人疲惫。 Sonnet 4.5的问题是：快且好，但会做很多仓促的改动导致bug。用作者的话说，产出了不少“slop”（低质量代码）。直到11月24日Opus 4.5发布，一切改变了。 + 为什么Opus 4.5感觉如此之好从能力上说，Opus 4.5在SWE-bench-verified等编码基准测试中达到最先进水平。但让作者真正转变的是这些特质：速度更快，同等难度任务用时更少；沟通协作能力远超Codex，后者有时甚至会忽略你的指令自行修改；意图检测更精准；语言风格更有人情味，很多人说Opus 4.5有“灵魂”——这个特质在Sonnet 3.7到Opus 4.1期间有所减弱，但在4.5中回归了。一个有趣的细节：同样的提示词，Claude用高对比度粗体文字回复，语气更像对话；Codex则用细字体嵌套列表，阅读体验相对吃力。更快的反馈循环让进展感更加真实，这比单纯的能力提升更能影响日常体验。 + Claude Code 2.0的实用改进代码高亮（2.0.71版本新增）。作者80%的时间都在CLI中，现在可以直接在Claude Code中完成大部分代码审查，几乎不需要再打开Cursor。检查点功能。按两次Esc或使用/rewind可以回退到特定检查点，同时回退代码和对话。这是作者期待已久的功能。提示词建议和历史搜索。用Ctrl+R可以搜索历史提示词，类似终端的回溯搜索，支持跨项目搜索。 /context命令查看当前上下文使用情况。作者在执行复杂任务时会频繁检查，总量达到60%时就会进行交接或压缩。语法高亮、反馈UI、ultrathink模式（用于困难任务或需要更严谨分析时）等功能都让日常使用更顺畅。 + 理解子代理机制子代理是Claude Code的核心机制之一。它们是主代理根据判断或用户指示生成的独立Claude实例。 Explore代理是只读的文件搜索专家，可以使用Glob、Grep、Read等工具浏览代码库，但严格禁止创建或修改文件。它会把搜索摘要返回给主代理。一个重要洞察：Explore代理返回的是摘要，可能存在信息损失。如果你想让模型充分理解代码间的关系，最好让Opus 4.5亲自阅读所有相关文件，而不仅仅依赖摘要。这背后的原理是注意力机制——当模型直接读取所有上下文时，能更好地提取成对关系，从而产生更好的推理和预测。你可以通过提示词控制子代理行为，比如“用Sonnet启动Explore代理”。了解这些机制能帮助你更好地引导模型。 + 上下文工程：关键概念代理是token消耗大户。一个在harness中运行的代理会主动进行大量工具调用来读取代码库、编辑内容等。这个过程中产生的所有数据都会添加到正在进行的对话中。工具调用和工具调用输出都会被添加到上下文中，因为LLM是无状态的——它们没有上下文窗口之外的记忆。一个简单的任务就可能消耗6000+个token。上下文工程就是解决“什么样的上下文配置最可能产生模型期望的行为”这个问题。上下文窗口的有效性会随着每个新token的引入而下降。把上下文想象成有限的“注意力预算”。研究显示，有效上下文窗口可能只有标称值的50-60%甚至更少。这意味着：不要在对话进行到一半时开始复杂任务。要么压缩上下文，要么开启新对话。 Claude Code使用系统提醒（system-reminder）标签来对抗上下文退化。这些提醒会被反复注入到上下文中，帮助模型保持对目标的关注。待办事项列表也起着类似作用——通过不断重写待办列表，Claude将全局计划推送到上下文末端，避免“中间迷失”问题。 + 技能与钩子：按需加载的智慧 Skills是一种“按需加载提示词”的机制。与其把所有领域知识写进系统提示词（导致臃肿），不如创建技能文件，让模型在需要时再加载——就像《黑客帝国》里Neo下载功夫一样。 Hooks允许你在代理循环的特定阶段运行bash脚本。比如在Claude停止响应时播放通知音，或者设置“继续做更多”的提示让Claude持续运行数小时。有人巧妙地将这些概念组合：用钩子提醒模型关于技能的存在，将说明分散到技能文件中以减少CLAUDE.md的体积。这种定制化程度虽然不是必需的，但展示了可能性。 + 作者的工作流 Claude Code作为主力，Codex用于审查和困难任务，Cursor用于阅读代码和手动编辑。探索阶段大量提问——澄清需求，理解在哪里、如何、为什么做改动。Opus 4.5擅长解释事物，能画出出色的ASCII图表。一旦有了足够的上下文，就使用ultrathink让它分析需要什么改动，然后开始执行，密切监控变化——基本上是微观管理。有时也会征求Codex的第二意见。对于困难的新功能，作者有时采用“先写草稿再丢弃”的方法：创建新分支，让Claude端到端完成功能，观察输出与自己心理模型的差距。这个过程揭示了Claude的错误和基于已有上下文做出的决策。有了这些后见之明，再进行第二轮迭代，这次用更精准的提示词。代码审查方面，作者发现GPT-5.2-Codex更优秀。它能找到bug并标注严重程度如P1、P2，误报率更低。“Claude执行、GPT审查”这个组合对作者来说已经稳定运行了大约一年。 + 写在最后我们正处于变革时期。有时候你几乎觉得自己成了后台代理，而其他时候当模型解不出某个bug时你又觉得自己挺聪明的。作者不再期待新版本发布——因为它们就是会不断发生。DeepSeek和Kimi K3已在队列中。可以预期的改进包括：RL训练、更有效的长上下文处理、更高吞吐量的模型、更少的幻觉。2026年可能会有oo3级别的推理突破，或者持续学习方面的进展。这些令人兴奋，但也让人有些不安——更显著的能力解锁会让世界变得难以预测。如果这篇文章对你有帮助，今天就试试其中一个新功能吧。 sankalp.bearblog.dev/my-experience-with-claude-code-20-and-how-to-get-better-at-using-coding-agents/

25. 盘点一周AI大事(10月19日)｜Gemini 3.0逆天 OpenAI官宣自研AI芯片，与博通合作打造10吉瓦算力中心 OpenAI更新Sora 2，支持故事板画分镜，时长加到25秒 Google上线Veo 3.1硬刚Sora，支持3张参考图锁定主体，支持首尾帧平滑过渡，支持扩展长度到1分钟，支持添加和移除任意物体 Gemini 3.0 已开启灰度测试，前端开发能力炸裂，甚至能复刻网页版操作系统 Anthropic上线Haiku 4.5，编码能力追平Sonnet4 Claude上线Skills，把指令、脚本和资料压缩成技能包 AI学界首次提出可量化的AGI定义 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

26. 刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习

27. 我这几天也照着Karpathy的思路在claude code建了个人知识库，我觉得非常有帮助，尤其在跨领域的知识关联上，太方便了。//@卧猫岗的猫:有了AI以后，启动类似的知识库真是方便容易许多。最近首页博主在转卡帕西的这条，其实之前我已经看到不少各领域的up在搞类似的obsidian知识库，我也搞起了自己的，边工作边扩充，原则是不在工具本身上花过多时间，依照第一性原理，只加有用的。obsidian的界面对初学者不那么友好，有了AI代理，你甚至可以不去界面交互，而是让代理做你需要做的一切，我们自己只需要在头脑里有一个关于知识、链接、big picture的空间概念即可。就像的“思维宫殿”，入口是AI命令行。 #职场# #人工智能#

28. 【Anthropic官方出品：Claude Code实战课程全解析】Anthropic悄悄放出了一门官方课程，专门教你如何把Claude Code用到极致。15节课，1小时视频，还有测验和证书，干货密度相当高。课程地址：anthropic.skilljar.com/claude-code-in-action有人学完后整理了核心要点，值得收藏：快捷键与模式切换- Shift + Tab 按两次进入规划模式- Ctrl + V 可以直接插入截图（注意不是 Command + V）- 配合插件可以让Claude Code直接操作浏览器控制推理深度的魔法词在提示词中加入这些关键词，可以调节模型在任务上投入的token量：- "Think" — 基础推理- "Think more" — 扩展推理- "Think a lot" — 全面推理- "Think longer" — 延长推理时间- "Ultrathink" — 最大推理能力上下文管理- /clear 清空上下文- /compact 压缩上下文，可释放80%以上空间进阶扩展- 使用MCP服务器可以扩展工具集- 支持大量pre-hooks和post-hooks，在工具执行前后自动运行社区讨论中有个观点很有价值：课程没教的真正技能，是知道什么时候该重置上下文。很多人卡在问题里挣扎几小时，其实是在和"上下文腐化"作斗争，不如在完成一个里程碑后果断清空重来。还有人指出，/clear比/compact更彻底，该用哪个要看场景。当然也有老手表示，如果你已经每天高强度使用Claude Code，这门课的增量信息有限。但对于想系统入门或查漏补缺的人来说，官方出品的体系化内容，依然是最稳妥的起点。reddit.com/r/ClaudeAI/comments/1q1z5ke/want_to_learn_how_to_make_the_most_of_claude_code

29. 大神Karpathy的AI 知识库系统搭建，5分钟搞定

30. 长期用 Claude Code 思考却总是“记忆短路”？推荐你试试这个开源项目——Obsidian Mind，一个为工程师量身定制的 Obsidian 笔记模版，打造 Claude 的“专属大脑”。它能把你的目标、项目、会议记录、决策、绩效材料等上下文自动串联起来，每天开工只需一句“/standup”，快速同步你的北极星目标、活跃任务和最新进展。会后用“/dump”一口气倒出会议要点，它会自动归档到合适文件夹、创建索引关联，甚至帮你产出绩效档案的证据链。项目亮点：- 会话记忆持久化，跨设备随时恢复上下文；- 智能分门别类笔记（项目、决策、1:1、事件等），自动生成链接图谱；- 丰富的日常命令：/standup 启动晨会；/wrap-up 结束复盘；/incident-capture 事件记录，一键搞定；- 强大子代理（Subagents）负责复杂任务，如Slack消息挖掘、绩效分析、关联校验；- 支持 QMD 语义搜索，快速查找潜在关联内容，告别笔记盲区；- 贴心模板覆盖项目状态、人员档案、绩效钢铁证据链等，系统级整理个人与团队知识库。适合长期用 Claude 辅助思考和写作的工程师、产品和管理者。只要搭配 Obsidian 1.12+ 和 Claude Code 环境，克隆它，填入目标，开启高效知识管理新体验。GitHub：github.com/breferrari/obsidian-mind#知识管理# #人工智能# #工程师神器# #ClaudeCode# #Obsidian# #AI助理#

31. Boris Cherny 是 Claude Code 的创始工程师，最近他公开了自己使用 Claude Code 的 13 个核心方法。这些不是理论，而是他每天实际在用的工作流程。看完我才知道，原来高手用 AI 工具也很朴素，同时又有点简单暴力的感觉，还挺好的，挺有价值的。1. 终端同时开 5 个 Claude 窗口大多数人：开 1 个窗口，输入问题，坐那儿等。Boris：终端开 5 个 Claude，标签页编号 1-5，开系统通知。哪个需要输入了提醒我，其他在后台自己跑。200 美元/月的订阅费，你让 5 个 AI 排队干活还是并行干活？2. 网页版再开 5-10 个，手机再开几个终端 5 个还不够，浏览器里再开 5-10 个 Claude 会话。早上起床用手机启动几个任务，等会儿再看结果。加起来同时跑 15 个 Claude 实例。这才叫榨干工具价值。3. 永远用 Opus 4.5 + 思考模式所有任务都用最贵最慢的 Opus。为什么？虽然单次慢，但一次做对，不需要反复修改，总体反而更快。便宜模型：提示 3 次×30 秒=90 秒贵模型：1 次×60 秒=60 秒而且工具使用更准确，更少出错。4. 团队共享 CLAUDE.md 文件整个团队维护一个 CLAUDE.md，提交到 Git。专门记录：- Claude 做错过的事- 团队的特殊规范每次 Claude 犯错就加一条规则。久而久之这个文件变成 AI 培训手册，新启动的 Claude 自动就懂团队规范。传统文档没人看，但 Claude 每次都会读。5. 代码审查时用@claude 自动更新规范PR 评论里直接@claude:“@claude 请在 CLAUDE.md 中添加：所有外部 API 调用必须设置合理的 timeout。“Claude 自动把规则写进文件，作为 PR 一部分提交。代码审查的宝贵经验不再散落在评论里，自动沉淀成可执行规则。6. 用计划模式启动任务大多数会话都先按两次 Shift+Tab 进入计划模式。不是直接让 Claude 干活，而是：1. 我说需求2. Claude 给计划3. 我审查调整4. 来回几轮直到满意5. 切换到自动模式执行花 3 分钟确认计划，省下 30 分钟返工时间。7. 为高频操作创建斜杠命令每天要做几十次的操作，都做成斜杠命令。比如/commit-push-pr:- 查 git 状态- 生成 commit message- 提交代码- 推送远程- 创建 PR命令里用 bash 预计算信息，Claude 不需要反复调用工具，执行更快。8. 用子代理处理专门任务创建多个子代理，每个专注一类任务：- code-simplifier：简化优化代码- verify-app：端到端测试应用- 文档审查、性能分析等复杂任务拆成专门的小任务，指令可以写得非常详细精确。9. 用钩子自动格式化代码PostToolUse 钩子：Claude 编辑文件后，自动运行格式化工具。- JavaScript → Prettier- Python → BlackClaude 专注写逻辑，格式化自动搞定，CI 不会报错。10. 预设常用安全命令的权限不用——dangerously-skip-permissions（太危险）。用/permissions 预设允许常用安全命令：```plaintextgit statusgit diff npm testdocker pslscat```写进.claude/settings.json，团队共享。常用安全命令自动放行，危险命令还是要确认。11. 配置 MCP 让 Claude 调用所有工具配置大量 MCP 服务器，Claude 可以：- 搜索发布 Slack 消息- 跑 BigQuery 分析数据- 从 Sentry 获取错误日志你说“昨晚有功能出错了，帮我查”,Claude 自动：1. 查 Sentry 日志2. 分析哪个接口报错3. 看相关代码4. 搜 Slack 看有没有其他人遇到5. 给诊断和修复建议给 AI“手”和“眼睛”，它能自己获取信息。12. 长任务用后台代理或插件1 小时的大任务（比如重构模块），你不可能盯 1 小时。三种策略： A. 提示 Claude 完成后用后台代理验证 B. 设钩子自动触发验证流程 C. 用 ralph-wiggum 插件自动检查沙箱里用——permission-mode=dontAsk, Claude 不受阻碍完成任务。等你回来，它已经干完且自己检查过了。13. 给 Claude 验证自己工作的途径（最重要）确保 Claude 有办法验证自己的工作。比如提交网站代码后：1. 用 Chrome 扩展打开浏览器2. 测试 UI 各个功能3. 检查用户体验4. 发现问题自己改5. 直到正常才算完成不同任务验证方式不同：- 后端→跑测试- 前端→浏览器测试- 数据分析→检查数字合理性有反馈循环的 AI，质量提升 2-3 倍。---核心逻辑这 13 条围绕 7 个思想：1. 并行工作，榨干订阅费2. 用最好模型，一次做对3. 积累团队智慧4. 自动化重复操作5. 给 AI 完整工具权限6. 建立反馈循环7. 先计划再执行AI 工具不是拿来就能用好的，需要投入时间配置、训练、优化。但一旦建立起顺手的工作流，回报是巨大的。关键是：找到适合你的方式，然后不断迭代改进。---看完这 13 条，我才明白为什么有人用 AI 越来越快，有人却觉得 AI 没用。差距不在 AI，在用法。原文地址：x.com/bcherny/status/2007179832300581177#科技先锋官##AI创造营##微博年度新知博主#

32. 智能体上下文工程：为什么文件系统成了AI记忆的最佳载体？

33. 【Claude Pro用户一个月深度体验：从惊艳到失望，以及社区给出的破局之道】一位开发者分享了使用Claude Pro订阅一个月后的真实感受，引发了社区热烈讨论。这场对话揭示了一个关键认知：你可能一直在用错误的方式使用Claude。原帖作者的困境作者最初对Claude的编程能力赞叹不已——代码优雅、功能完善、效率惊人。但两周后，问题接踵而至：- 代码bug明显增多，即使每个重要部分都开新对话- 上下文限制无预警触发，长消息写完才报错，token白白浪费- 响应生成中途消失，已输入内容被退回，token照扣不误- 设备短暂离线就中断生成，必须重来（ChatGPT、Grok、Gemini均无此问题）- 订阅到期后，Opus 4.5生成的文件无法下载作者估算，约一半token因这些问题被浪费。社区的核心诊断：你用错工具了讨论中最具共识的观点是：Claude网页/桌面端根本不适合严肃的编程工作。"用Claude Code，在VS Code终端里通过CLI运行，这才是正确的编程方式。桌面应用除了快速问答，什么都不适合。"Claude Code与普通Claude的本质区别在于：它能自动搜索代码上下文、读取整个代码库、管理上下文压缩、获取编译器反馈。普通聊天界面就像"在视频会议里问产品经理"——他知道该怎么做，但看不到实现细节。高手们的实战技巧1. 善用Plan Mode在让Claude写任何代码之前，输入"plan this"或按Shift+Tab切换到规划模式。强制它先思考方案，效果提升10倍不止。"让它先想清楚再动手，而不是直接开写。"2. 主动管理上下文不要等自动压缩。当上下文使用到90-95%时，使用handoff命令保存状态，退出后开新会话继续。社区成员分享了完整的handoff命令代码，核心逻辑是：总结当前项目阶段、记录关键文件和决策、保存到.claude/handoffs/目录、生成可直接粘贴的续接提示词。3. 掌握CLI基础操作- 按两次Esc可回退错误响应- 输入/查看所有可用命令- 在项目根目录创建Claude.md文件，为Claude提供持久化的项目指令和上下文4. 跨工具协作有用户建议：安装Claude Code CLI和Gemini CLI，让Claude调用Gemini进行深度研究，因为Claude访问很多网站会遇到403错误。Claude擅长研究编排和管理，Gemini擅长实际的深度调研。不同的声音也有人为原作者辩护："不是所有人都是开发者，付费的Pro产品不应该要求用户'玩CLI游戏'才能正常工作。"这确实点出了一个产品设计问题：Anthropic似乎把主应用的优化重心放在了闲聊场景，而非专业工作流。对于非编程用户或移动端用户，这些问题依然存在且无解。深层启示这场讨论揭示了AI工具使用的一个普遍规律：模型能力是一回事，如何调用这些能力是另一回事。同样的Opus模型，在不同界面、不同工作流下，表现可能天差地别。Claude Code之所以强大，不是因为模型不同，而是因为它有专门的系统提示词、工具链、上下文管理机制。它能读取你的代码库，能从编译器获得反馈，能在后台运行数百种工具。没有这些，Claude"基本还是个玩具"。这也解释了为什么有人觉得AI神奇，有人觉得AI垃圾——差距往往不在模型本身，而在使用方式。正如一位评论者所说："一旦你在本地CLI里用过Claude Code，就再也回不去任何浏览器版AI了。"reddit.com/r/ClaudeAI/comments/1q1ng97/my_experience_after_one_month_of_using_the_opus_45

34. 请问现在哪款笔记软件好用？

35. 全网首发，Claude Code高危漏洞解析！

36. 2026开年教程！Claude Code七大组件，老金一篇讲明明白白！90%的人只会用1个！

37. 在线编程助手 Claude Code 总是不记得之前的上下文？试试 letta-ai/claude-subconscious 这个开源插件吧！它是一个后台“潜意识”代理，实时观察你的代码会话，阅读代码库文件，积累记忆，并在你下一次输入时悄悄给出有用提示。主要功能：- 持久记忆跨会话保存项目上下文、编码偏好和待办事项- 读取与搜索代码库，帮你主动检测模式和给出指导- 多会话共享一份“潜意识”，支持项目间连续背景知识- 支持web搜索，背景调研更智能- 轻量运行，不阻塞你的工作流，自动同步内容只需简单安装 `/plugin marketplace add letta-ai/claude-subconscious`，配置 LETTA_API_KEY 即可开启。适配Claude Code，联动 Letta Code SDK，助力 AI 编码更“有思考”，让代码聪明起来！GitHub：github.com/letta-ai/claude-subconscious#AI辅助编程# #开源工具# #ClaudeCode#

38. skill套娃项目：Claude Code Continuous Learning Skillgithub.com/blader/claude-code-continuous-learning-skill这个仓库是一个 Claude Code 的 Skill，用来让编码代理在工作过程中把“新学到的、非显而易见的经验”沉淀成可复用的Skill文件，下次遇到相似问题时能自动加载这些Skill，减少重复踩坑和重复排查。使用方式分两类。自动模式下，当 Claude Code 刚完成一次较有“发现性”的任务时会触发，例如定位了不直观的根因、通过试错找到 workaround、解决了表面症状不明显的错误、总结了项目特有的配置或模式等。也支持显式触发，例如运行 /retrospective 做一次复盘，或直接让它“把刚学到的东西保存成 skill”。

39. 新文章《使用Obsidian打造个人管理系统（3）：使用 Canvas 搭建个人管理大盘》在这个系列中，我尝试使用 Obsidian 搭建一个个人管理系统。本篇是第4篇，前面几篇完成了任务、项目的搭建。本篇整个大活——搭建一个管理大盘。看起来高大上，实际上使用 Obsidian Canvas + DataViewJS 完成起来很简单。

40. 网络热门AI鉴定21——砸了100万的AI广告，值吗？【Git源宝】

41. 英伟达这一步，砸开了自动驾驶“黑盒”。 #大咖观察 #红衣聊AI #英伟达 #自动驾驶

42. 3个工程师、0融资、不开会，估值3.5亿美元的Obsidian才是真正的「小而美」

43. 9个最佳的Claude Code提效项目1. Superpowers网页链接Superpowers是Claude Code的增强插件，提供快速原型开发和迭代编码能力。2. Awesome Claude Code网页链接精选的Claude Code资源、技巧、提示词、工具和集成的完整列表。3. GSD (Get Shit Done)网页链接轻量级任务自动化框架，帮助Claude Code高效完成日常开发工作流程。4. Claude Mem网页链接为Claude Code添加持久化内存能力，自动跨会话保存上下文，减少重复信息输入。5. UI UX Pro Max网页链接AI驱动的设计系统生成器，根据产品类型自动推荐配色、排版、布局和组件模式。6. n8n-MCP网页链接为Claude提供n8n自动化工作流的完整文档和API访问，让Claude能设计和部署复杂的自动化。7. Obsidian Skills网页链接Obsidian笔记软件的Agent Skills，使Claude Code能直接创建和编辑Markdown、Canvas和Bases。8. LightRAG网页链接轻量级检索增强生成框架，通过知识图谱和向量检索为Claude Code提供更精准的信息检索。9. Everything Claude Code网页链接production级Agent框架，包含28个专业子Agent、116个技能、59个命令和完整的安全审计系统。#HOW I AI# #程序员# （via. Hasan Toor)

44. Claude Opus 4.6 和 Sonnet 4.6 的 100 万 token 上下文窗口今天正式全面开放（GA），且不加价，按标准价格计费，无论请求长度是 9K 还是 900K token，单价完全一样。 Opus 4.6 的定价是输入 $5、输出 $25（每百万 token），Sonnet 4.6 是 $3/$15。此前超过 20 万 token 的请求需要加 beta 标头，现在直接生效，已有代码无需改动。除了价格统一，这次更新还有几个实际变化：单次请求可处理的图片和 PDF 页数从 100 提升到 600；所有上下文长度享受相同的速率限制，不会因为请求变长而被限流。Claude Code 的 Max、Team 和 Enterprise 用户在使用 Opus 4.6 时将默认启用 100 万上下文，意味着对话压缩（compaction）频率大幅降低，更多对话历史得以完整保留。在准确率方面，Opus 4.6 在 MRCR v2 基准上得分 78.3%，Sonnet 4.6 在 GraphWalks BFS 上得分 68.4%，均为同类前沿模型在百万 token 长度下的最高分。简单说就是：窗口虽大，信息检索能力没有打折。 Anthropic 引用了多家客户的反馈来说明实际效果。 Cognition（Devin 背后的公司）表示，此前大型代码差异塞不进 20 万上下文窗口，需要分批处理，容易丢失跨文件依赖；现在整个差异一次送入，代码审查质量更高，流程也更简单。Ramp 的工程师提到，Claude Code 在调试时经常消耗超过 10 万 token 检索各类数据源，一旦触发压缩就会丢失细节、陷入重复调试循环，百万上下文直接消除了这个问题。该功能今天起通过 Claude Platform 原生支持，也可通过 Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 使用。 http://t.cn/AXVmRMYf

45. Obsidian + Skill 打开了新世界的大门。契机：最近学了 OpenCode Skills，寻找落地场景。以及 GLM Coding Plan 闲置，希望利用。选择在 Obsidian 中尝试（我有 1w 篇笔记，原来是 2w 篇，删除了 1w 篇低质量的）。试水功能：笔记分类整理 Skill。存在大量待分类笔记，有了 Skill 后自动帮我分类。还有很多功能可以尝试，并且 Obsidian 对 Claude Code、Open Code 都有插件支持。现在还不敢大搞，怕把 Vault 弄乱（现在使用 Syncthing 同步）。后续考虑切回到 Git 同步，胆子可以大一点，有提交记录不怕数据丢失。

46. 对比明明白白3大顶级模型-GPT-5.2/Gemini 3/Claude Opus 4.5！老金告诉你怎么一个窗口全用！

47. 厘清边界、强化保护，抖音将升级平台网暴治理规则，让每个普通人都能对网暴有底气说“不”#抖音反网暴联合倡议#抖音升级网暴治理规则#反网暴

48. GPT5.2亮点解读，OpenAI重夺年度最强 OpenAI甩出王炸GPT5.2，核心基准测试，全面碾压Gemini 3 Pro和Claude Opus4.5，强势夺回地表最强奥特曼放话GPT5.2不仅是最强通用大模型，还要成为你日常办公的AI合伙人亮点1、最强视觉能力亮点2、最强上下文亮点3、最强办公能力亮点4、最强编程能力 #AI新星计划 #抖音知识年度大赏 #人工智能 #OpenAI #大模型

49. 笔记本应用 Obsidian 发布了 Obsidian CLI，由于用户发掘出了很多 Claude Code 配合 Obsidian 使用的场景，所以 Obsidian 官方也发布了 CLI。这会是个趋势，很多传统都会为 AI Agent 开发一套 CLI 接口。日常笔记操作全部命令化了：- 创建、读取、编辑、删除笔记- 搜索 vault 内容- 管理任务（列出、标记完成、切换状态）- 操作标签、属性、书签- 打开每日笔记、追加内容- 管理模板、主题、插件看起来似乎普通用户用不上 CLI，但是你换个角度看，这个 CLI 压根就不是给人用的，而是给 AI Agent 用的你就能理解了。为啥不用 MCP 呢？之前 Obsidian 社区有一些 MCP Server 方案来让 AI 访问笔记库，但 CLI 方案更轻量直接，不需要额外的 MCP 服务器，Claude Code 本身就能在终端执行命令，天然就能用。记住，传统应用都要为 AI Agent 开发一套接口，CLI 也许不是最终形式，但是目前最佳形式。应用开发者尽早关注尽早准备。宝玉xp的微博视频

50. Claude Code自动记忆来了！配合老金三层记忆系统全开源！加强Plus！

51. 终于，我用AI治好了"只收藏不学习"的坏毛病（附全自动工作流）

52. Claude Code Skills 采用了一种极其巧妙的三层上下文系统。请记住这个结构，当你构建技能（Skills）时会非常有用。第一层：主上下文（Main context）——项目配置，总是会被加载。第二层：技能元数据（Skill metadata）——只包含 YAML 前言部分，每个技能大约占用 100–200 个 token。第三层：活动技能上下文（Active skill context）——SKILL.md 文件以及按需引用的文档，在需要时才会加载。像脚本（scripts）和模板（templates）这样的支持文件不会被预加载到上下文中，而是在使用时直接访问，不消耗任何 token。这种架构让系统可以同时容纳数十个技能，而不会触及上下文长度限制。#人工智能##程序员#

53. 在用 Obsidian 想让你的 AI Agent 更聪明一些？推荐你试试开源项目 Obsidian Skills（github.com/kepano/obsidian-skills），它为智能 Agent 搭建了一套强大的技能组合，让它们能熟练操作 Obsidian 的各种核心功能。Obsidian Skills 支持：- 生成和编辑 Obsidian Flavored Markdown（支持 wikilinks、嵌入、标签、属性、callouts等）- 管理和使用 Obsidian Bases，实现视图、过滤、公式和汇总功能- 创建和控制 JSON Canvas 文件，图形化地连接节点、边和分组- 通过 Obsidian CLI 与你的 vault 交互，支持插件和主题开发- 利用 Defuddle 整理网页内容成干净的 Markdown，节省 Token该项目兼容多类智能 Agent 平台如 Claude Code、Codex CLI、OpenCode，安装简便，可以直接通过插件市场一键添加，也支持手动克隆。对开发者和高级用户来说，这套技能集极大扩展了 Obsidian 的自动化与交互能力，助你打造更智能、高效的知识管理助手。快去 GitHub 了解详情，给你的 AI Agent 装上超强 Obsidian 使用力吧！#AI创造营##人工智能#

54. 普通人如何充分利用AI！NAS部署AgentChat，打造最强知识库

55. 最近我用 #Obsidian# Obsidian 搭建了一个个人管理系统，现在用它管理 SideProjects，挺有趣。基于 Obsidian 著名的 DataView、Templater 插件。以及我用 JavaScript 自行开发的定制化插件。有趣之处在于，在 AI 的辅助下，开发成本极低，扩展功能十分容易，形成了正反馈，迭代起来十分愉快。

56. 【Claude的100万token上下文，是里程碑还是营销的障眼法？】快速导读：Claude把上下文窗口免费升到100万token，但别高兴太早。一线重度用户警告，这根本不是性能天花板，而是一个“烧钱陷阱”。真正的用法，跟你想的完全不一样。---Anthropic刚刚给Claude Opus 4.6用户送上了一份大礼：上下文窗口直接从200k升级到100万token，价格不变。很多人的第一反应是：太棒了，这下可以把整个代码库、几百页的PDF一次性扔进去了。你以为这是一个可以无限填充的超级大脑，但残酷的真相是，它更像一个巨大的、容易混乱的工作台。来自一线开发者和AI重度用户的密集讨论揭示了一个共识：模型的推理能力在上下文超过25万到40万token后，就会开始出现明显衰减甚至断崖式下跌。它不是遗忘了，而是开始“忽略”早期的指令，导致结果质量直线下降。那这100万token的意义何在？答案是“呼吸空间”，而不是一个新的性能上限。把它想象成高速公路上的应急车道。它的价值不在于让你全程在上面飞驰，而是在于当你的复杂任务（比如一个多文件代码重构）快要“撞墙”（触及旧的200k限制）时，能让你平稳地完成，而不会因为被迫压缩上下文（`/compact`）而中途“失忆”。专家们总结的最佳实践是：将大型任务拆解，确保核心推理环节在30万token内完成，然后主动开启新会话。所以，这暴露了一个新的技能鸿沟。天真的用户试图填满整个100万token窗口，结果不仅得到更差的输出，还因为每次交互都带着巨大的上下文，导致token额度以前所未有的速度被烧光。而聪明的用户，则把它看作一个安全气囊，同时利用环境变量手动设置一个更低的自动压缩阈值，实现成本和性能的平衡。当所有大模型厂商都在为上下文窗口的长度大搞军备竞赛时，真正的战场已经悄悄转移了。问题不再是你一次能喂给AI多少东西，而是你懂不懂如何管理它那块昂贵、健忘又极不稳定的“工作内存”。---简评：终于有人把皇帝的新衣戳破了。AI的上下文窗口就像办公桌，桌子再大，你一次也只能处理手边的几份文件。把一屋子文件全堆上来，只会让你找不到北。这标志着AI应用从“大力出奇迹”的蛮荒时代，进入了需要精细化运营的阶段。---ref: www.reddit.com/r/ClaudeAI/comments/1rst3zv/opus_46_now_defaults_to_1m_context_same_pricing#AI创造营##人工智能#

57. Manus 的上下文工程

58. llm的本质是知识压缩和检索吗？和外挂知识库的检索比到底强在了什么地方？

59. Karpathy1600万播放的方法，我用Claude落地了一套会长大的AI知识库

60. Obsidian + Claude Code实战

61. 一人公司知识库最优解

62. 本地实现Karpathy式LLM知识库:Obsidian+Claude Code实践

63. 我是如何用 Claude Code 在本地搭建一个“会生长的”知识库的

64. Claude + Obsidian 怎么搭成第二大脑？给小白的一套上手步骤

65. AI时代，如何用 Obsidian + NotebookLM 打造自己的知识库？

66. RAG知识库实战宝典

67. 怎么用 LLM 和 Obsidian 搭一个会持续进化的知识库？

68. 我用这5个进阶玩法，把3000+笔记变成了真正的知识资产

69. Obsidian+Claude Code封神！5年攒5000条笔记，让知识图谱自己思考

70. WorkBuddy × Obsidian：打造高效本地知识库，让笔记真正“活”起来

71. Obsidian+腾讯WorkBuddy打造本地 AI 知识库，附简单教程

72. 硅谷顶尖 AI 大佬如何搭建个人AI知识库？从0开始用Claude Code + Obsidian搭建Karpathy的LLM Wiki知识库

73. 糟糕，我被 Obsidian 插件包围了！之“自动打标签”

74. 让你的 Obsidian 秒变 AI 编程助手！Claudian 插件保姆级安装教程

75. Claude Code 省 Token 指南：慎用 1M 上下文，不开新会话或者总是开新会话都不对

76. Claude Code Subagents：一个命令调度多个专家，上下文隔离的子代理系统

77. 备考知识体系搭建完整指南：从思维导图到电子书的数字化学习工作流

78. 从零上手Obsidian｜本地优先的“第二大脑”，新手也能轻松玩转

79. Claude Code 上手系列教程（二）：如何记忆上下文

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！