知识秒调用！Obsidian+AI打造你的私人知识中枢，告别收藏吃灰、找资料崩溃_服务软件

1. 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」

2. 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。

3. AI时代最强笔记软件，为什么是Obsidian

4. 【第470期】Obsidian——强大的知识管理工具

5. #昀哥推荐阅读# 个人知识管理第一阶段：有道云笔记（树状仓储）。第二阶段：迁移到Obsidian（图谱网络）上。第三阶段：基于LLM Wiki+Obsidian Cli+CodeX完成个人知识库新生和呼吸。正如 Karpathy 所言：“Obsidian is the IDE, the LLM is the programmer, the wiki is the codebase.”当你再把一个 Raw 文件（比如一段杂乱的会议记录或笔记）丢进 Inbox 时，Codex 会根据 AGENTS.md 定义的规范，读取原文，提取出核心实体、观点和决策。它会自动去 wiki/ 目录下找：“有没有关于‘XXX’的现有页面？” 如果有，它会把新信息合并进去；如果没有，它会新建。这种“去重并融合”的能力，让你的笔记从“碎纸片”变成了“系统化文档”。正如 Karpathy 提到的，当这个系统跑顺之后，你会发现“检索”变得不再重要。因为当你打开任何一个 Wiki 页面时，Codex 已经帮你把所有跨越 8 年的、散落在有道云和本地文件夹里的碎片，物理性地聚合在了你眼前。

6. 大神Karpathy的AI 知识库系统搭建，5分钟搞定

7. 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#

8. 管理个人知识库时，经常需要在Notion、Obsidian、Roam等工具间切换，文件分散、搜索困难、AI代理无法有效利用你的积累，效率低下。GBrain 把你的Markdown知识库变成智能大脑，提供完整的AI代理知识管理解决方案。不仅支持混合搜索（向量+关键词）、实体关系图谱和实时索引，还能自动摄入会议、邮件、日历，生成编译真相+时间线，夜间自动优化，让大脑每天变聪明。GitHub：github.com/garrytan/gbrain主要功能：- 混合搜索，支持语义和关键词查询，融合RRF算法；- Markdown知识模型，每页“编译真相”+“追加时间线”，人类可读可编辑；- 实体检测与链接，自动构建3000+人物/公司关系图谱；- 增量同步，支持Obsidian/Notion迁移，git repo即真相源头；- 文件管理，自动迁移二进制到云存储（S3/Supabase），repo瘦身90%；- AI技能包，脑-代理闭环，会议转知识、每日简报、实体丰富管道。支持CLI、MCP服务器、TypeScript库，搭配OpenClaw/Hermes Agent一键部署，Supabase Pro($25/月)即可运行，适合知识工作者和AI代理开发者。#AI代理##知识管理##OpenClaw#

9. 工作时总要翻邮件、查会议记录、搜笔记，上下文来回切换，效率低下还容易遗漏关键信息。Rowboat 把你的工作记忆全部整合到一起，开源 AI 同事，提供本地优先的知识图谱解决方案。不仅能连接 Gmail 和 Google Calendar 构建长期知识库，还支持会议准备、邮件起草、生成 PPT/PDF，甚至实时跟踪人物/话题动态。GitHub：github.com/rowboatlabs/rowboat主要功能：- 本地知识图谱，自动从邮件、日历、会议笔记构建长期记忆（Obsidian 兼容 Markdown）；- 会议准备，提取历史决策、待解决问题和相关线程生成简报；- 智能起草邮件、文档和 PPT/PDF 幻灯片，基于你的工作上下文；- 实时直播笔记，跟踪人物/公司/话题，支持 X/Reddit/新闻监控；- 语音备忘录，自动提取关键要点更新知识图谱；- 支持本地模型（Ollama/LM Studio）和外部工具（搜索/CRM 等），数据全本地存储；支持 Mac/Windows/Linux 多平台，一键下载安装，适合个人和团队使用，无云端依赖。#AI##开源##生产力工具#

10. Obsidian 新人指南来了！这样上手不难搭建AI知识库必备

11. 全局添加笔记到obsidian或者思源笔记

12. 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#

13. 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#

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

15. 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。

16. 和AI搭配最顺畅的笔记软件，被我找到了 Obsidian

17. 知识库（Knowledge Base）与知识图谱（Knowledge Graph）到底该怎么选？

18. trae如何搭建claude上的obsidian-skills，助力AI操作无限画布

19. 都2026了，Obsidian还不接AI？保姆级教程来了

20. 【最新玩法】n8n工作流秒变MCP工具，直连各种MCP客户端，零代码实操！

21. 用 openclaw 的大半个月，从傻傻的，到部署小小自动化任务，AI 很快会干掉很多人工的活。考虑到 8 点有时候睡个懒觉，现在统一改为 10 点。还在看看搭建本地知识库中：用 Obsidian+ClaudeSkills搞定AI时代知识管理；用Obsidian+Claudian ObsidianSkills，搞定Al时代的知识管理与内容创作。#微博新知博主#

22. 【AI技能】传疯了！AI 大神 Karpathy ：真正的知识库不是存资料，而是把知识变成一套会自己生长的系统

23. OpenClaw AI Agent漏洞可导致提示词注入攻击与数据窃取

24. 10分钟部署OpenClaw：腾讯云+飞书快速上手AI助理

25. 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

26. Obsidian Skills Ai笔记新方法使用配置教程

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

28. LightRAG 是一个简单快速的检索增强生成（RAG）框架，能高效整合大语言模型和知识图谱，实现智能文档查询和多模态检索。LightRAG支持多种存储方案（PostgreSQL、Neo4j、Milvus、OpenSearch等），支持文本、图片、表格、公式等多种数据类型的端到端知识抽取和问答。还提供了丰富的示例代码、Web UI，以及支持OpenAI、Hugging Face、Ollama、Azure OpenAI等多家模型接口。项目亮点：- 灵活配置的多存储架构，适合大规模知识管理；- 深度集成知识图谱构建与编辑，支持实体关系管理、知识图谱可视化；- 支持强大的Reranker提升检索效果；- 新增RAG-Anything，打通多模态文档处理与检索能力；- 丰富文档导入格式、引用功能、缓存管理、Token使用统计；- 还支持Langfuse可观测性监控以及RAGAS自动评价指标。无论是科研研究、企业知识库、还是多模态智能问答应用，LightRAG都提供了极具扩展性且高性能的解决方案。GitHub：github.com/HKUDS/LightRAG#在线智能检索# #知识图谱# #大语言模型# #RAG# #开源项目#

29. 使用 Obsidian Canvas 搭建个人管理大盘。里面的每一个卡片，都是使用 DataViewJS 开发的。Obsidian 用出了 VS Code 的感觉……未来的 Obsidian 绝对不只是一个笔记软件，而是一个低代码的 IDE。脑洞一下：n8n、CRM、Agent、工作流、知识库……皆可纳入其中。

30. AnythingLLM是开源企业级私有知识库工具，核心基于检索增强生成（RAG）技术，专注本地文档语义解析与安全问答，无需依赖公网服务，适配企业内部知识沉淀、合规场景问答、跨部门信息共享等需求。 GitHub:github.com/Mintplex-Labs/anything-llm 主要功能： 1. 多格式文档兼容：自动解析PDF、Word、TXT等主流文档格式，批量构建结构化知识库；2. 全链路本地化：支持Ollama等本地模型部署，文档与对话数据不上云，完全保障隐私；3. 精准语义检索：基于向量数据库实现深度语义匹配，答案附带原文溯源，避免AI幻觉；4. 多端灵活部署：支持Docker自托管、服务器部署与桌面端运行，适配不同企业环境；5. 无代码快速搭建：可视化界面管理知识库，无需专业AI知识即可完成部署与维护；6. 生态扩展能力：支持自定义向量数据库接入、模型切换，可嵌入CRM等现有业务系统。操作门槛低，企业无需组建专业AI团队。实际使用中，跨部门文档检索效率提升80%+，合规场景下可满足数据本地化要求，是解决企业知识分散、检索低效且注重隐私安全的核心工具。

31. 最近 AI 发展确实太快了，几个标志性的节点：一、龙虾的爆火二、本地大模型开始实用化，Gemma 4，这意味着我们可以开始免费养龙虾了三、第二大脑出现，LLM+本地 Wiki四、大家都在探索自进化 AI。如 Hermes 、我估计龙虾也会很快加上这个功能。期待 GPT6 和 DeepSeek4 的发布。#新媒沈阳聊ai#

32. Openclaw / Clawdbot 龙虾本地部署小白式安装视频教程

33. 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

34. Obsidian AI 的4种使用方法知识管理效率完全不同了

35. Ollama 推出一指令安装OpenClaw，免费云端模型直接用，也支持本地模型

36. 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？

37. 为什么我编写不出优秀的ChatGPT提示词?

38. OpenKG 首发 SkillNet：大规模智能体“技能图谱”知识库

39. B站基于Neo4j知识图谱与MCP协议：构建万级任务数仓的智能化底座

40. 在AI辅助笔记和知识管理领域，Obsidian AI是一个基于本地笔记系统的智能扩展工具，可以在笔记中生成内容、总结和关联信息，同时保证数据完全由用户掌控。项目地址：github.com/obsidianmd/obsidian-releases主要功能1.在本地笔记中生成文本建议、摘要和内容拓展2.支持语义搜索和文档关联，帮助整理知识网络3.完全本地运行，笔记内容不上传云端，保护隐私4.可结合插件系统扩展功能，实现自动化和多样化工作流5.支持Markdown格式，方便与其他文档或系统互通Obsidian AI适合需要在个人知识管理、创作或学习中引入智能辅助的人使用，它在保证本地数据安全的前提下，提高内容整理和生成效率，让笔记不只是存储信息，而能主动提供思路和结构化帮助。

41. Obsidian 搭配什么AI工具？Codex篇保姆上手教程 ClaudeCode 对比

42. 机器学习工程师的智能助手来了——Karpathy，一个利用Claude Code SDK和Google ADK训练前沿机器学习模型的轻量级实现。它展示了Claude Scientific Skills在机器学习领域的强大能力，帮助开发者快速构建和运行智能代理。主要特点包括： - 依赖Python 3.13+，通过uv包管理器安装依赖； - 支持环境变量配置API密钥，保证代理稳定运行； - 启动脚本自动创建沙箱环境，集成PyTorch、transformers等主流ML库； - Web界面交互，方便模型管理和操作； - 支持自定义数据集和脚本手动导入沙箱； - 集成Claude Scientific Skills，扩展多种科学计算和机器学习流程； - 提供多代理系统，后续发布更强大功能。适合喜欢探索最前沿代理式机器学习工程师工具的开发者和研究人员。项目开源托管于GitHub： github.com/K-Dense-AI/karpathy

43. 使用 Claude Code 进行开发时，虽然原生的命令行交互已经非常强大，但在处理特定业务逻辑或复杂工作流时，往往需要更具针对性的功能扩展。如果能有一套现成的工具库来增强其自动化能力，开发体验将更加顺滑。Awesome Claude Code Plugins 是一个专门为 Claude Code 打造的资源汇总项目，收录了大量实用的斜杠命令、子代理、MCP 服务和钩子函数。它不仅整合了官方提供的核心插件，还汇集了社区贡献的各种增强工具，涵盖了从代码质量检查、Git 工作流自动化到文档生成、安全审计等多个维度，让开发者能够根据项目需求定制专属的 AI 编程环境。GitHub：github.com/ccplugins/awesome-claude-code-plugins主要功能：- 提供丰富的斜杠命令，通过自定义快捷指令简化频繁的开发操作；- 集成多种专项子代理，能够独立处理特定的开发、测试或设计任务；- 支持 MCP 服务器接入，方便 Claude Code 实时调用外部工具和数据源；- 包含多种工作流钩子，可在提交代码或部署等关键节点自动触发逻辑；- 覆盖 DevOps、代码审查、API 测试及项目管理等全方位的插件分类；- 支持通过插件管理命令动态安装和切换，保持系统上下文的轻量与聚焦。该项目为 Claude Code 用户提供了极大的灵活性，开发者可以通过这些现成的插件快速构建自动化工作流，非常适合追求极致效率的软件工程师和技术团队使用。

44. RAG（检索增强生成）会不会消亡呢？

45. 仿照Obsidian开发文件管理软件:根据自己对 Obsidian 的原理的推敲，在开发一款跨平台的文件管理系统 RayMemex。Obsidian 是笔记管理系统 + 强大灵活的 frontmatter 数据库。RayMemex 是管理二进制文件（图书、电影、视频……）+ 强大灵活的 yaml 数据库。这种架构设计的好处是，本地优先、纯文本管理元信息，非常适合做多设备同步，比如通过 Syncthing。在我的实现中，对 Android 系统进行了特殊优化，在 Android 系统中访问文件系统存在局限性，比如在移动文件时开销很大。目前该软件还在开发中，使用我最擅长的 Flutter 技术。AI 帮了我很多。

46. 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)

47. Andrej Karpathy 最近发了一条长推，聊了聊他最近在怎么用大语言模型。这条推文在 AI 圈引起了不小的反响，Lex Fridman、Obsidian 创始人 kepano 等人都跑来评论区交流。内容很精彩，值得好好拆解一下。## 从写代码到整理知识Karpathy 开篇就说了一个很有意思的变化：**他最近用 LLM 消耗的 token，越来越少花在写代码上，越来越多花在整理知识上。**具体来说，他在用 LLM 给自己感兴趣的研究方向搭建个人知识库。知识以 Markdown 文件和图片的形式存储，整个过程几乎全部由 LLM 来完成，他本人很少直接动手编辑。这个转变挺值得琢磨的。我们大多数人用 ChatGPT 或者 Claude，基本上是一问一答的模式，问完就走，下次再问可能又要从头来。但 Karpathy 的做法是让 AI 帮他把知识沉淀下来，形成一个可以持续积累、反复查询的体系。**同样是用 AI，一个是消费型的，一个是积累型的，长期下来差距会非常大。**## 整套工作流是怎么运转的Karpathy 把整个流程拆成了几个环节，每个环节都很清晰。### 数据收集他会把各种来源的资料，包括文章、论文、代码仓库、数据集、图片等等，统一放进一个 raw/ 目录。网页文章用 Obsidian Web Clipper 插件转成 Markdown 文件，相关的图片也会下载到本地，方便 LLM 引用。### 知识编译这是最核心的一步。**他让 LLM 把 raw/ 目录里的原始资料增量地“编译”成一个 wiki。**这个 wiki 就是一组按目录结构组织的 .md 文件，里面包含所有原始数据的摘要、反向链接，还会把数据归类到不同的概念下，为每个概念写文章，并把它们互相关联起来。这里有个细节值得注意：他说这个过程目前还不是全自动的。早期阶段他会一篇一篇地手动添加资料，自己参与其中。但随着 wiki 逐渐成型，LLM 会“理解”整个知识库的结构和模式，后面再添加新文档就变得很简单了，只需要说一句“把这篇新文档归档到我们的 wiki 里”就行。这个渐进式的过程很有意思。**就像带一个新助手，刚开始你得手把手教，告诉他文件怎么分类、笔记怎么写。但教了一段时间之后，他就摸清了你的习惯和偏好，后面的工作越来越顺畅。**### 浏览和查看他用 Obsidian 作为前端界面，可以在里面查看原始数据、编译好的 wiki，以及各种衍生的可视化内容。他还试了一些 Obsidian 插件来用不同方式展示数据，比如用 Marp 做幻灯片。有一点他特别强调：**wiki 里的所有内容都是 LLM 写的和维护的，他自己几乎不直接编辑。**### 问答查询当 wiki 积累到一定规模之后，事情就变得有意思了。Karpathy 说他的某个研究方向的 wiki 已经有大约 100 篇文章、40 万字。在这个体量下，你可以向 LLM Agent 提出各种复杂的问题，它会自己去 wiki 里查找、研究，然后给出答案。他原本以为需要搭一套复杂的 RAG（检索增强生成）系统，但实际上 **LLM 自己维护的索引文件和文档摘要就够用了**。在这个规模下，LLM 能很轻松地读取所有相关数据。这一点可能会让很多做 RAG 的开发者感到意外。**当知识库的规模还没有大到离谱的时候，LLM 自己的组织和检索能力其实已经相当够用了。**有时候我们容易过度工程化，在问题还没有出现之前就搭建了一套复杂的基础设施。### 输出形式Karpathy 不喜欢在终端里看纯文本的回答。他会让 LLM 把结果渲染成 Markdown 文件、Marp 格式的幻灯片，或者 matplotlib 生成的图表，然后在 Obsidian 里查看。更妙的是，他经常会把这些输出“归档”回 wiki 里，用来增强后续查询的质量。这样一来，**他自己的每一次探索和提问都会“累积”到知识库中。**这就形成了一个正向循环：你问得越多、探索得越深，知识库就越丰富，下一次查询的质量就越高。### 知识库体检他还会定期让 LLM 对 wiki 做“健康检查”，比如找出数据不一致的地方、用网络搜索补充缺失的信息、发现有意思的关联来作为新文章的候选，等等。通过这种方式逐步清理和完善整个知识库的数据质量。LLM 还很擅长一件事：**建议你接下来可以问什么、可以深入研究什么方向。**这就像有一个研究助手，不仅帮你整理资料，还会主动提出新的研究线索。### 额外工具随着使用的深入，Karpathy 发现自己会开发一些额外的小工具来处理数据。比如他 vibe code（随手写）了一个简单的搜索引擎，有 web 界面可以直接用，但更多时候是通过命令行交给 LLM 作为工具来使用。### 技术架构的极简主义有人问他是不是用了 Obsidian 的命令行工具，他说没有。他刻意保持整个架构极其简单和扁平：就是一个嵌套的目录，里面放着 .md 文件、.png 图片，加上少量的 .csv 和 .py 文件，然后用一个 [AGENTS.md](网页链接) 文件来记录整个知识库的结构说明。LLM 对这种简单的结构理解起来毫无障碍。这个设计选择很有意思。在技术圈，人们总是倾向于用更复杂、更“高级”的方案。但 Karpathy 选择了最朴素的文件系统加 Markdown，因为这是 LLM 最容易理解和操作的格式。**工具越简单，LLM 用起来越顺手，整个系统就越可靠。**## 未来的想象空间Karpathy 还提到了两个很有前瞻性的方向。第一个是合成数据加微调。随着知识库越来越大，一个自然的想法是：**能不能用这些数据来微调模型，让 LLM 把知识“记”在模型参数里，而不只是放在上下文窗口中？**这就像一个人从“查资料才能回答”进化到“张口就来”的过程。第二个更大胆。他在评论区补充说，可以想象这样一个场景：**你向一个顶级 LLM 提出一个问题，它会自动派出一个 LLM 团队，从零开始构建一个临时的 wiki，反复检查和完善，最后输出一份完整的报告。**这已经远远超出了简单的“生成回答”的范畴。## 精彩互动这条推文的评论区也很有料。Obsidian 的创始人 kepano 回复说，他喜欢 Karpathy 这种做法的一个原因是：**它降低了 AI 生成内容对你主知识库的“污染”风险。**他的建议是，把个人的 Obsidian 知识库保持高信噪比，所有内容都要有明确的来源，然后单独给 AI Agent 开一个“游乐场”。Lex Fridman 说他也有类似的工作流，用 Obsidian、Cursor 和自己 vibe code 的 web 终端作为前端。因为他做播客，研究兴趣非常广泛，这种知识库的方式效果很好。有个叫 Krishna Tammireddy 的人留了一句特别精辟的评论：**每家公司都有一个 raw/ 目录，但从来没有人把它“编译”过。这就是产品机会。**Karpathy 回复说：不知道这是不是 LLM 写的回复，但说得没错。还有人说 Karpathy 现在就像 AI 界的 Linus Torvalds，是一个“元级别的 vibe coder”，不知道这条推文会在一夜之间催生多少新项目。Karpathy 自嘲说：哈哈，我用推特来 vibe code 产品。## 一个值得所有人思考的方向Karpathy 在推文最后说了一句话：他觉得这里面蕴藏着一个很棒的新产品的机会，而不应该只是一堆拼凑的脚本。这句话点出了一个很重要的趋势。**我们正在从“用 AI 聊天”走向“用 AI 管理知识”。**聊天是即时的、一次性的，而知识管理是持续的、累积的。当 AI 能够帮你把散落在各处的信息整理成一个结构化的、可查询的、不断生长的知识体系时，它的价值就从一个聊天工具变成了一个真正的智力放大器。而且 Karpathy 的做法有一个特别值得学习的地方：**他让每一次使用 AI 的过程都产生沉淀。**问一个问题，答案归档到 wiki 里；做一次探索，发现的新线索变成新文章的种子。这样一来，你跟 AI 的每一次交互都在让你的知识库变得更好，而更好的知识库又会让下一次交互的质量更高。**这种正向飞轮一旦转起来，长期的复利效应是非常可观的。**说到底，工具都是现成的，Obsidian 免费，LLM 的 API 也不贵。**真正稀缺的是这种思维方式：把 AI 从一个回答问题的工具，变成一个帮你积累和组织知识的系统。**这个转变，可能比学会写更好的 prompt 重要得多。#科技先锋官##How I AI#

48. Obsidian 搭配什么AI工具？腾讯WorkBuddy篇保姆上手教程

49. 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。

50. AI工作流与智能代理的五大关键洞见：1. 先从“代理化工作流”（agentic workflows）入手，而非直接追求“智能代理” 多数人提到“想要代理”，其实更需要的是“代理化工作流”。它更具确定性、可靠性且节省成本，是实现自动化的理想起点。2. 让智能代理聚焦单一具体任务比如Wade的邮件代理只做一件事：将100封邮件筛选为10封优先级邮件，基于“需操作”、“给助理看”、“仅供参考”等分类。聚焦让代理表现更优。3. 将自动化串联起来，逐步升级先做简单任务（如生成准备文档），再尝试把这些任务链式连接，产生更复杂且高效的效果。4. 把AI当作“初级员工”来培养不是自己亲自处理所有邮件，而是不断优化对AI的指令、反馈输出，像培养员工一样提升AI表现和效率。5. AI是思考的“合作伙伴”，而非替代品写文档时反复与AI互动，提供上下文和反馈，远胜直接采纳AI初稿。这样才能激发更高质量的创作。其他专家也认同：- 聚焦单一任务的代理比“黑盒”式复杂系统更有效 - 需要搭建合适的上下文、检查点和治理机制，确保自动化可靠 - 这套思路避免了“所有东西都是代理”的混淆，更适合企业应用 - AI助力提升思考清晰度，辅助决策，而非完全替代人类判断总结：真正落地的AI自动化，始于“代理化工作流”的精细设计和反复迭代，将AI当作可训练的团队成员，而非神奇魔盒，才能实现稳健、可控且高效的业务升级。链接：x.com/petergyang/status/1982815634280120493

51. Flowise AI是开源可视化AI工作流构建平台，基于LangChain架构，核心降低AI工作流搭建门槛，通过拖拽节点即可串联模型、数据库与API，适配企业内部智能问答、自动化报告生成、多工具协同等场景，无需复杂代码开发。 GitHub:github.com/FlowiseAI/Flowise 主要功能： 1. 可视化流程设计：拖拽式节点界面，直观搭建模型调用、数据处理、工具联动逻辑；2. 多模型兼容：支持OpenAI、Claude、Ollama等主流LLM，可灵活切换本地/云端模型；3. 多智能体协作：支持配置多个AI智能体协同工作，适配人机混合流程场景；4. 系统集成能力：可将搭建的工作流导出为REST API，或直接嵌入现有业务系统；5. 执行监控追溯：内置详细执行日志，支持流程运行状态追踪与问题排查；6. 自托管部署：支持Docker与源码部署，数据本地存储，保障隐私安全。上手零代码门槛，非技术人员也能快速构建AI流程。实际使用中，企业搭建智能客服问答流程仅需小时级，多模型切换无需重构流程，是需要快速落地AI自动化能力的团队优选工具。

52. 在构建面向大语言模型（LLM）的长期记忆系统时，如何实现高效、可扩展的知识图谱存储与语义检索？Memento MCP 提供了一套完整解决方案。这是一个基于 Neo4j 的知识图谱记忆系统，支持实体与关系的版本管理、时间感知和置信度衰减，结合向量嵌入实现高质量的语义搜索。它兼容支持 Model Context Protocol 的 LLM 客户端，如 Claude Desktop、Cursor 等，能够为对话模型提供持久、上下文丰富的本体记忆。主要功能包括：- 实体和关系的完全版本历史追踪，支持任意时间点的图谱状态查询；- 结合向量搜索和关键词检索的混合语义搜索，提升查询准确度和覆盖率；- 关系强度与置信度动态衰减，保证记忆信息的时效性与可靠性；- 丰富的元数据支持，包括来源、标签和时间戳，方便分类与过滤；- 多平台兼容，支持通过 Neo4j Desktop 或 Docker 快速部署；- 提供命令行工具简化数据库管理与调试。适合需要构建智能助理、对话系统或知识管理应用的开发者使用。详细文档和源码请访问：GitHub：github.com/gannonh/memento-mcp可通过简单配置，即刻为你的 LLM 应用注入强大且灵活的知识图谱记忆能力。

53. 新文章《Obsidian 插件开发课（2）：如何展示一个输入弹窗》在我的 Obsidian 个人管理系统中，创建新任务时，希望能有一个弹窗，让我输入任务名称。这样，我点击确定后，相关模板信息由代码自填充充。掌握插件开发技能后，实现这样的定制功能十分容易。

54. 有多少人在把 Obsidian 当一个文件夹在用？然后发现巨不好用，得出一个这啥玩意的结论。Obsidian + cc，我个人用下来感觉这简直是创作者福音。首先它是本地知识库，本质上所有的资料你都是本地的，所以信息不会丢失。这类知识库的强大能力在于，可以全自动化关联信息之间的联系，再利用 ai 就可以总结出所有你个人的特点。建议所有人，都要用一下。

55. 超越传统 RAG：知识图谱如何增强 AI 的记忆与推理能力

56. 奇思妙想：众所周知，AI Agent 就是倒腾 Markdown。倒腾 Markdown 哪家强？——Obsidian有一种可能，Obsidian 是未来 AI Agent 的宇宙中心。（Obsidian 官方在引入 AI 上极为克制，到目前为止，最激进的举动也只是 Obsidian CLI，让外部 AI 好调用一下）Obsidian 不用拥抱 AI，AI 会拥抱 Obsidian

57. 事关“龙虾”，国家互联网应急中心发布风险提示财联社国家互联网应急中心发布关于OpenClaw安全应用的风险提示。建议相关单位和个人用户在部署和应用OpenClaw时，采取以下安全措施：1.强化网络控制，不将OpenClaw默认管理端口直接暴露在公网上，通过身份认证、访问控制等安全控制措施对访问服务进行安全管理。对运行环境进行严格隔离，使用容器等技术限制OpenClaw权限过高问题；2.加强凭证管理，避免在环境变量中明文存储密钥；建立完整的操作日志审计机制；3.严格管理插件来源，禁用自动更新功能，仅从可信渠道安装经过签名验证的扩展程序。4.持续关注补丁和安全更新，及时进行版本更新和安装安全补丁。

58. Obsidian 为什么能把程序员的知识管理这件事做顺

59. 我用AI重构了Obsidian知识库

60. 笔记攒了上千条却从不看？你缺的不是整理方法，是这 8 个 AI Agent。

61. 超强大超好用的Markdown编辑器

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

63. Obsidian CEO 亲自开源的这套 Skills，让 Claude 真正「读懂」你的笔记库

64. 别再手动整理笔记了！Obsidian接入Claude Code，全自动化知识库有多爽？

65. 我把 Obsidian 知识库折腾废了 3 次后，终于用 Obsidian + Claudian 改出了能真跑起来的 LLM 知识库

66. Karpathy教你用LLM+Obsidian，搭建活的个人知识库！RAG已死？

67. Karpathy 把 Agent + Obsidian 玩成了个人知识库操作系统

68. 超强组合！OpenCode + Obsidian，日常笔记一键生成结构化文档

69. 和martin分享我的obsidian工作流。

70. Obsidian 入门20：Obsidian 的「发现」功能,让笔记主动跳到你面前

71. Dataview与Templater插件联动，6个经典案例解析！

72. AI自动化办公的工具与工作流设计

73. 【周4·认知升级】长文摘要｜AI 自动生成报告摘要 + 结论 + 建议

74. Obsidian + Claude\u002FCodex 知识库工作流 Karpathy 的 LLM Wiki Plus 落地版本

75. 建立Obsidian个人知识库的正确驾驶方式

76. Obsidian AI 自动可视化工作台：从架构图生成到高效办公

77. Obsidian_+_OpenCode：免费_AI_组合的完美折中方案

知识秒调用！Obsidian+AI打造你的私人知识中枢，告别收藏吃灰、找资料崩溃

精选参考来源