Hermes+Obsidian+LLM Wiki 3個工具搭建AI知識庫，附詳細操作步驟

作者：AI科技驛站
日期：2026年6月6日 上午12:08
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

用三個開源工具自動化建立本地知識庫，AI幫你提取概念、雙向連結、生成Wiki，無需手動整理。

整理版摘要

呢篇文章嘅作者係一位技術用家，佢用咗兩日時間，將Twitter收藏嘅200幾篇文章倒入一個本地知識庫。佢之前用Notion儲存咗幾百篇筆記，但啲筆記之間完全孤立，揾嘢好麻煩，每次問AI都要由零開始，浪費Token。

為瞭解決呢個問題，作者介紹咗一套由三個工具組成嘅系統：Obsidian、Hermes Agent同LLM Wiki。Obsidian係顯示層，負責雙向連結同圖譜展示；Hermes係自動化執行引擎，負責提取關鍵實體、概念同建立連結；LLM Wiki係知識庫嘅文件結構標準。三個工具夾埋，可以做到完全自動化嘅知識管理。

整體結論係：只要你將文件丟入去，AI就會自動幫你整理、分類、建立關聯，形成一個持續增長嘅知識網絡。你只需要提問同探索，其他嘢交畀AI。作者用咗兩個月，覺得知識唔再係孤島，每導入一篇新文章，整個網絡都會自動更新。

  • 呢套系統由Obsidian、Hermes Agent同LLM Wiki三個工具組成，分別負責顯示、自動執行同文件結構標準，實現完全自動化知識管理。
  • Hermes Agent內置llm-wiki skill，可以自動提取關鍵實體、概念，建立結構化Markdown文件同雙向連結，全程唔使手動整理。
  • LLM Wiki規範定義咗知識庫嘅文件夾結構，包括raw/sources、wiki/entities、wiki/concepts等，確保AI增量構建持久化Wiki。
  • 使用規則好簡單：講「寫入知識庫」就會自動整理；講「結合知識庫」就會檢索；Obsidian隨時可以用嚟瀏覽雙鏈網絡同Graph View。
  • 作者實測導入200篇技術文章，Obsidian自動建立咗1000多個雙向連結，揾概念由10分鐘變成一秒鐘，知識庫會隨住導入持續更新同豐富。
值得記低
連結 obsidian.md

Obsidian官方網站

下載Obsidian客戶端，支援Windows、Mac、Linux，免費使用

開啟
連結 github.com

LLM Wiki GitHub倉庫

LLM Wiki嘅開源項目，包含最新版本下載同安裝說明

開啟
結構示例

內容結構

內容結構 text 
curl -fsSL
https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashsource ~/.zshrchermes setup
整理重點

點解要搞呢套系統？

作者之前用Notion儲存咗幾百篇筆記，但啲筆記之間完全孤立，唔知「RAG」呢個概念喺唔同文章出現過。每次想查嘢，要手動翻好耐，最後都係揾唔到。

問AI問題嘅時候，佢每次都由零開始搜尋，臨時湊答案，冇積累冇記憶，Token仲要浪費一半。呢套系統就係為咗解決呢啲問題而設計。

整理重點

三個工具，各有分工

呢套系統由三個工具組成，每個負責唔同環節：

  1. 1 Obsidian：本地雙向連結筆記工具，完全免費，跨平台。最核心係雙向連結，輸入兩個方括號就會自動建立紫色連結，Graph View可以將所有筆記可視化。適合管理大量筆記嘅開發者、研究者同內容創作者。
  2. 2 Hermes Agent：Nous Research開發嘅自主AI代理，內置學習循環。喺呢套系統入面負責自動化執行，內置llm-wiki skill，可以自動提取關鍵實體、概念，建立結構化Markdown文件同雙向連結。適合有技術基礎、想自動化處理文檔嘅人。
  3. 3 LLM Wiki：一套知識庫文件結構規範，定義咗點樣組織知識，讓AI增量構建持久化Wiki。唔係獨立應用，需要配合Hermes使用。適合想長期積累知識、構建個人知識體系嘅人。

三件工具夾埋，你就可以將文件丟入去，等AI幫你處理曬。

整理重點

完整工作流：五步搞掂

而家將三個工具串連睇下點操作。

  1. 1 落指令：講「把呢篇AI寫小說嘅文章寫入知識庫」，明確話畀Hermes知要寫入。
  2. 2 Hermes自動整理：佢會用llm-wiki skill讀取文檔，提取關鍵實體同概念，建立Markdown文件加雙向連結，更新索引同日誌。
  3. 3 生成文件結構：按LLM Wiki規範創建 knowledge_base/raw/sources、wiki/entities、wiki/concepts、wiki/index.md、wiki/log.md 等。每個文件都有元數據、核心內容同雙向連結。
  4. 4 Obsidian展示：將知識庫目錄拖入Obsidian做Vault，你就可以用雙鏈網絡同Graph View瀏覽。
  5. 5 無限循環：每次導入新文檔，知識網絡會自動更新，舊頁面會被補充，矛盾會被標註，同一個概念會關聯到同一個Wiki節點。
整理重點

三條使用規則，記住就夠

  • 講「寫入知識庫」，Hermes就會幫你整理：新文檔、產品規格、會議記錄、學習筆記，一句指令搞掂。
  • 講「結合知識庫」，Hermes就會檢索：需要根據已有資料回答問題時，加上呢幾個字，AI會整合資料畀出有來源嘅答案。
  • Obsidian隨時可以用：wiki目錄可以直接拖入Obsidian，雙鏈跳轉、Graph View、全文搜索全部用得。所有內容係純Markdown，可以任意遷移。

作者用咗兩個月，最大感受係知識唔再係孤島。每次導入新文章，整個網絡都會更新，舊筆記同新筆記之間自動建立聯繫。你唔使手動整理，只需要將文件丟入去就得。

用咗成兩日，我將 Twitter 收藏嘅 200 幾篇文章全部倒入一個本地知識庫。

唔係手動分類，唔係打標籤，係 AI 自動幫我提取關鍵概念、建立雙向連結、生成結構化嘅 Wiki 頁面。

成個過程我只係做咗一件事，就係將文件掉入去。

以前用 Notion 儲筆記，儲咗幾百篇，但係呢啲筆記之間係孤立嘅。根本唔知「RAG」呢個概念喺我收藏嘅其他 5 篇文章入面都出現過。每次想揾啲嘢，都要手動揾半日，最後都係揾唔到。

仲煩嘅係，每次問 AI 問題，佢都由零開始搜尋，臨時拼湊答案。冇累積，冇記憶，Token 仲要浪費一半。

而家呢套系統解決咗呢啲問題。

四個核心優點

  • • 完全自動化：你唔需要手動整理筆記，AI 自動幫你做
  • • 本地儲存：數據永遠屬於你自己，唔會上傳到任何伺服器
  • • 持久化累積：知識會不斷累積，唔係每次由零開始
  • • 只需提問：你只需要提問同探索，其他交畀 AI

三個工具，各有分工

呢套系統由三個工具組成，每個工具負責唔同嘅環節。

工具一：Obsidian（筆記展示層）

核心能力： 本地雙向連結筆記工具，完全免費，跨 Windows、Mac、Linux 三個平台。最核心嘅特點係雙向連結。

適合人羣： 需要管理大量筆記、構建個人知識庫嘅開發者、研究者、內容創作者。特別適合啲厭倦咗 Notion 呢啲在線工具、想要數據完全本地化嘅人。

點樣用： 喺筆記入面輸入兩個方括號，例如[[Claude-Code-筆記]]，Obsidian 會自動將佢變成一個紫色連結。如果呢篇筆記存在，㩒一下就跳到；如果唔存在，㩒入去就會建立佢。就咁簡單。

佢唔需要你手動維護，Obsidian 自動幫你建立關係。Graph View 可以將所有筆記同佢哋之間嘅連結關係可視化成一張圖，一眼就可以睇到知識結構，睇到邊啲節點係孤島，邊啲係樞紐。

實測效果： 我導入咗 200 幾篇技術文章，Obsidian 自動建立咗 1000 幾個雙向連結。以前揾一個概念要揾 10 分鐘，而家㩒一下連結就到。

踩坑經驗： Obsidian 本身唔支援 AI 整理，要配合其他工具使用。另外，Graph View 喺筆記數量超過 500 嗰陣會有些少 Lag，建議定期清理冇用嘅孤立節點。

安裝命令： 訪問 obsidian.md[1] 下載對應系統版本，安裝之後創建一個 Vault（其實就係一個文件夾），將筆記文件夾拉入去就得。

工具二：Hermes Agent（自動化執行引擎）

核心能力： Nous Research 開發嘅自主 AI 代理，內置學習循環，可以從經驗中創建技能、改進技能。喺呢套知識管理工作流入面，Hermes 負責做自動化執行引擎嘅角色。佢內置咗 llm-wiki skill，可以直接按 LLM Wiki 嘅文件結構規範操作知識庫。

適合人羣： 需要自動化處理大量文檔、唔想手動整理筆記嘅開發者同技術人員。特別適合啲已經有啲技術基礎、熟悉命令行操作嘅人。

點樣用： 你唔需要手動創建文件夾、整理筆記、加雙向連結。你只需要話畀 Hermes 聽「將呢篇文章寫入知識庫」，Hermes 就會自動完成以下操作：

  • • 提取文檔入面嘅關鍵實體（人物、工具、項目）
  • • 提取核心概念（方法論、技術原理）
  • • 創建結構化嘅 Markdown 文件
  • • 加雙向連結連接相關概念
  • • 更新知識庫索引

呢度要強調一個重要嘅使用規則：只有當你明確要求嘅時候，Hermes 先會操作知識庫。具體嚟講：

  • • 當你講「寫入知識庫」「導入知識庫」「將呢個文件放入知識庫」嘅時候，Hermes 先會執行導入操作
  • • 當你講「結合知識庫」「查嚇知識庫」「根據知識庫回答」嘅時候，Hermes 先會去檢索
  • • 日常嘅普通對話，Hermes 唔會主動去搞你嘅知識庫

咁做有好處係乜？你嘅知識庫唔會被無關嘅對話污染。只有真正需要結合知識內容嘅提問，先會觸發檢索。

實測效果： 我導入咗一篇 5000 字嘅技術文檔，Hermes 喺 30 秒內完成咗提取、整理、建連結嘅全過程。生成咗嘅 Wiki 頁面包埋 5 個實體文件、3 個概念文件，同埋佢哋之間嘅雙向連結。

踩坑經驗： 第一次使用要設定知識庫目錄同使用規則，如果唔係 Hermes 可能會搞錯。另外，對於特別長嘅文檔（超過 1 萬字），建議分段導入，如果唔係提取效果會差啲。

安裝命令：


    
    
    
  curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.zshrc
hermes setup

工具三：LLM Wiki（知識庫標準）

核心能力： 一套知識庫文件結構規範，唔係獨立應用。佢定義咗點樣組織知識，等 AI 可以增量構建一個持久化嘅 Wiki。

適合人羣： 需要長期累積知識、構建個人知識體系嘅研究者同技術人員。特別適合啲想要一個結構化、可檢索、可持續增長嘅知識庫嘅人。

點樣用： 你導入一篇文檔，系統唔會只係索引一下就完事。佢會真正理解呢篇文檔，提取入面嘅關鍵實體、概念、關係，然後生成或者更新對應嘅 Wiki 頁面。呢啲 Wiki 頁面會儲存在本地。

隨住你導入嘅文檔越來越多，呢個 Wiki 會越來越豐富。頁面之間會形成引用同關聯，矛盾嘅地方會被標註。當你再提問嘅時候，唔需要由原始文檔臨時拼湊，Wiki 入面已經有結構化嘅知識，直接根據 Wiki 回答就得，而且會標註來源。

實測效果： 我導入咗 50 篇技術文章，生成咗 200 幾個 Wiki 頁面。而家問 AI 任何技術問題，佢都可以從知識庫入面揾到相關文檔，畀出有來源嘅答案。

踩坑經驗： LLM Wiki 需要配合 Hermes Agent 使用，單獨安裝冇意思。另外，Wiki 頁面嘅質量取決於導入文檔嘅質量，垃圾入垃圾出。

安裝命令： 訪問 GitHub nashsu/llm_wiki[2]，喺 Releases 揾到最新版本，下載 macOS 嘅 DMG 或者 App tar.gz 文件，解壓之後將 LLM Wiki App 拉去應用程式文件夾。

完整工作流程演示

而家將三個工具串聯起嚟睇。

第一步：落指令

例如你講「將呢篇 AI 寫小說嘅文章寫入知識庫」。呢句話入面有明確嘅動作「寫入知識庫」，所以 Hermes 知道要執行知識庫寫入操作。

第二步：Hermes 自動整理

Hermes 透過內置嘅 llm-wiki skill 自動完成以下操作：

  • • 讀取文檔內容
  • • 提取關鍵實體（人物、工具、項目）
  • • 提取核心概念（方法論、技術原理）
  • • 創建結構化嘅 Markdown 文件
  • • 加雙向連結連接相關概念
  • • 更新知識庫索引同日誌

全程唔使你鬱手。

第三步：文件結構生成

Hermes 會按 LLM Wiki 規範創建文件：


    
    
    
  knowledge_base/
├── raw/sources/        # 原始文章
├── wiki/entities/      # 實體文件（工具、人物）
├── wiki/concepts/      # 概念文件（方法論）
├── wiki/index.md       # 知識庫索引
└── wiki/log.md         # 更新日誌

每個文件都包含元數據（標籤、創建時間）、核心內容、雙向連結指向相關頁面。

第四步：Obsidian 展示知識網絡

打開知識庫目錄，將佢做為 Vault 拉入 Obsidian。而家你就擁有咗一個由 AI 精心整理過嘅知識庫。雙鏈網絡可以自由瀏覽，Graph View 可以睇到知識點之間嘅關聯強度。

第五步：無限循環

呢個過程可以無限循環。每次導入新文檔，知識網絡都會自動更新。現有嘅頁面會被補充新資訊，同新內容矛盾嘅地方會被標註。唔同文檔入面提到嘅同一個概念會被關聯到同一個 Wiki 節點上。

久而久之，知識庫會變得越來越準確，越來越豐富。

使用規則（三條）

  1. 1. 講「寫入知識庫」，Hermes 嚟整理：當你有新嘅文檔需要管理，產品文檔、會議記錄、學習筆記、技術方案，你只需要話畀 Hermes 聽「將呢篇文章寫入知識庫」，全程唔使你鬱手。
  2. 2. 講「結合知識庫」，Hermes 嚟檢索：當你需要基於資料庫嚟回答問題，例如「根據我哋現有嘅產品文檔，介紹嚇我哋嘅技術架構」，你加上「結合知識庫」呢幾個字，Hermes 就會檢索知識庫入面嘅相關文檔，AI 整合之後畀你一個完整嘅回答，而且會標註來源。
  3. 3. Obsidian 隨時用得：wiki 目錄可以直接拉入 Obsidian 做 Vault 使用。雙鏈跳轉、Graph View、全文搜尋，所有 Obsidian 嘅功能隨時用得。所有內容都係純 Markdown，可以喺任何工具之間遷移。

呢套系統用咗 2 個月，最大嘅感受係，知識唔再係孤島喇。

以前儲嘅筆記，儲完就唔記得。而家每導入一篇新文章，成個知識網絡都會自動更新，舊筆記同新筆記之間自動建立聯繫。

你唔需要手動整理，唔需要手動分類，只需要將文件掉入去，AI 幫你搞掂一切。

如果你都想試下呢套系統，跟住上面嘅步驟做就得。有問題可以留言，我會回覆。

想要呢套系統嘅完整配置教學？回覆「知識庫」，我發你一份詳細嘅安裝指南，包含所有命令同設定文件。

引用連結

[1] obsidian.md: https://obsidian.md
[2] GitHub nashsu/llm\_wiki: https://github.com/nashsu/llm_wiki

                 

花了整整兩天，我把推特收藏的200多篇文章全導進了一個本地知識庫。

不是手動分類，不是打標籤，是AI自動幫我提取關鍵概念、建立雙向連結、生成結構化的Wiki頁面。

整個過程我就做了一件事，把文件丟進去。

以前用Notion存筆記，存了幾百篇，但這些筆記之間是孤立的。根本不知道「RAG」這個概念在我收藏的其他5篇文章裏也出現過。每次想查點什麼，得手動翻半天，最後還是找不到。

更煩的是，每次問AI問題，它都從零開始搜索，臨時拼湊答案。沒有積累，沒有記憶，Token還廢掉一半。

現在這套系統解決了這些問題。

四個核心優點

  • • 完全自動化：你不需要手動整理筆記，AI自動幫你做
  • • 本地存儲：數據永遠屬於你自己，不會上傳到任何服務器
  • • 持久化積累：知識會不斷積累，不是每次從零開始
  • • 只需提問：你只需要提問和探索，其他交給AI

三個工具，各有分工

這套系統由三個工具組成，每個工具負責不同的環節。

工具一：Obsidian（筆記展示層）

核心能力： 本地雙向連結筆記工具，完全免費，跨Windows、Mac、Linux三平台。最核心的特點是雙向連結。

適合人羣： 需要管理大量筆記、構建個人知識庫的開發者、研究者、內容創作者。特別適合那些厭倦了Notion等在線工具、想要數據完全本地化的人。

怎麼用： 在筆記裏輸入兩個方括號，比如[[Claude-Code-筆記]]，Obsidian會自動把它變成一個紫色連結。如果這篇筆記存在，點擊就能跳轉；如果不存在，點進去就會創建它。就這麼簡單。

它不需要你手動維護，Obsidian自動幫你建立關係。Graph View可以把所有筆記和它們之間的連結關係可視化成一張圖，一眼就能看到知識結構，看到哪些節點是孤島，哪些是樞紐。

實測效果： 我導入了200多篇技術文章，Obsidian自動建立了1000多個雙向連結。以前找一個概念要翻10分鐘，現在點一下連結就到了。

踩坑經驗： Obsidian本身不支持AI整理，需要配合其他工具使用。另外，Graph View在筆記數量超過500時會有點卡，建議定期清理無用的孤立節點。

安裝命令： 訪問 obsidian.md[1] 下載對應系統版本，安裝後創建一個Vault（本質就是一個文件夾），把筆記文件夾拖進去就行。

工具二：Hermes Agent（自動化執行引擎）

核心能力： Nous Research開發的自主AI代理，內置學習循環，能從經驗中創建技能、改進技能。在這套知識管理工作流裏，Hermes承擔的是自動化執行引擎的角色。它內置了llm-wiki skill，可以直接按LLM Wiki的文件結構規範操作知識庫。

適合人羣： 需要自動化處理大量文檔、不想手動整理筆記的開發者和技術人員。特別適合那些已經有一定技術基礎、熟悉命令行操作的人。

怎麼用： 你不需要手動創建文件夾、整理筆記、添加雙向連結。你只需要告訴Hermes「把這篇文章寫入知識庫」，Hermes就會自動完成以下操作：

  • • 提取文檔中的關鍵實體（人物、工具、項目）
  • • 提取核心概念（方法論、技術原理）
  • • 創建結構化的Markdown文件
  • • 添加雙向連結連接相關概念
  • • 更新知識庫索引

這裏要強調一個重要的使用規則：只有當你明確要求的時候，Hermes才會操作知識庫。具體來說：

  • • 當你說「寫入知識庫」「導入知識庫」「把這個文件放進知識庫」的時候，Hermes才會執行導入操作
  • • 當你說「結合知識庫」「查一下知識庫」「根據知識庫回答」的時候，Hermes才會去檢索
  • • 日常的普通對話，Hermes不會主動去動你的知識庫

這樣做的好處是什麼？你的知識庫不會被無關的對話污染。只有真正需要結合知識內容的提問，才會觸發檢索。

實測效果： 我導入了一篇5000字的技術文檔，Hermes在30秒內完成了提取、整理、建鏈的全過程。生成的Wiki頁面包含了5個實體文件、3個概念文件，以及它們之間的雙向連結。

踩坑經驗： 首次使用需要配置知識庫目錄和使用規則，否則Hermes可能會誤操作。另外，對於特別長的文檔（超過1萬字），建議分段導入，否則提取效果會打折扣。

安裝命令：


    
    
    
  curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.zshrc
hermes setup

工具三：LLM Wiki（知識庫標準）

核心能力： 一套知識庫文件結構規範，不是獨立應用。它定義瞭如何組織知識，讓AI增量構建一個持久化的Wiki。

適合人羣： 需要長期積累知識、構建個人知識體系的研究者和技術人員。特別適合那些想要一個結構化、可檢索、可持續增長的知識庫的人。

怎麼用： 你導入一篇文檔，系統不會只是索引一下就完事。它會真正理解這篇文檔，提取裏面的關鍵實體、概念、關係，然後生成或更新對應的Wiki頁面。這些Wiki頁面會保存在本地。

隨着你導入的文檔越來越多，這個Wiki會越來越豐富。頁面之間會形成引用和關聯，矛盾的地方會被標註。當你再提問的時候，不需要從原始文檔裏臨時拼湊了，Wiki裏已經有了結構化的知識，直接基於Wiki回答就行，而且會標註來源。

實測效果： 我導入了50篇技術文章，生成了200多個Wiki頁面。現在問AI任何技術問題，它都能從知識庫中找到相關文檔，給出有來源的答案。

踩坑經驗： LLM Wiki需要配合Hermes Agent使用，單獨安裝沒有意義。另外，Wiki頁面的質量取決於導入文檔的質量，垃圾進垃圾出。

安裝命令： 訪問 GitHub nashsu/llm_wiki[2]，在Releases找到最新版本，下載macOS的DMG或App tar.gz文件，解壓後把LLM Wiki App拖到應用程序文件夾。

完整工作流演示

現在把三個工具串起來看。

第一步：下達指令

比如你說「把這篇AI寫小說的文章寫入知識庫」。這句話裏有明確的動作「寫入知識庫」，所以Hermes知道需要執行知識庫寫入操作。

第二步：Hermes自動整理

Hermes通過內置的llm-wiki skill自動完成以下操作：

  • • 讀取文檔內容
  • • 提取關鍵實體（人物、工具、項目）
  • • 提取核心概念（方法論、技術原理）
  • • 創建結構化的Markdown文件
  • • 添加雙向連結連接相關概念
  • • 更新知識庫索引和日誌

全程不需要你動手。

第三步：文件結構生成

Hermes會按LLM Wiki規範創建文件：


    
    
    
  knowledge_base/
├── raw/sources/        # 原始文章
├── wiki/entities/      # 實體文件（工具、人物）
├── wiki/concepts/      # 概念文件（方法論）
├── wiki/index.md       # 知識庫索引
└── wiki/log.md         # 更新日誌

每個文件都包含元數據（標籤、創建時間）、核心內容、雙向連結指向相關頁面。

第四步：Obsidian展示知識網絡

打開知識庫目錄，把它作為Vault拖進Obsidian。現在你就擁有了一個由AI精心整理過的知識庫。雙鏈網絡可以自由瀏覽，Graph View可以看到知識點之間的關聯強度。

第五步：無限循環

這個過程可以無限循環。每次導入新文檔，知識網絡都會自動更新。已有的頁面會被補充新的信息，與新內容矛盾的地方會被標註。不同文檔裏提到的同一個概念會被關聯到同一個Wiki節點上。

久而久之，知識庫會變得越來越準確，越來越豐富。

使用規則（三條）

  1. 1. 說「寫入知識庫」，Hermes來整理：當你有新的文檔需要管理，產品文檔、會議記錄、學習筆記、技術方案，你只需要告訴Hermes「把這篇文章寫入知識庫」，全程不需要你動手。
  2. 2. 說「結合知識庫」，Hermes來檢索：當你需要基於資料庫來回答問題，比如「根據我們已有的產品文檔，介紹一下我們的技術架構」，你加上「結合知識庫」這幾個字，Hermes就會檢索知識庫中的相關文檔，AI整合之後給你一個完整的回答，並且標註來源。
  3. 3. Obsidian隨時可用：wiki目錄可以直接拖進Obsidian當Vault使用。雙鏈跳轉、Graph View、全文搜索，所有Obsidian的功能隨時可用。所有內容都是純Markdown，可以在任何工具之間遷移。

這套系統用了2個月，最大的感受是，知識不再是孤島了。

以前存的筆記，存完就忘了。現在每導入一篇新文章，整個知識網絡都會自動更新，舊筆記和新筆記之間自動建立聯繫。

你不需要手動整理，不需要手動分類，只需要把文件丟進去，AI幫你搞定一切。

如果你也想試試這套系統，按照上面的步驟操作就行。有問題可以留言，我會回覆。

想要這套系統的完整配置教程？回覆「知識庫」，我發你一份詳細的安裝指南，包含所有命令和配置文件。

引用連結

[1] obsidian.md: https://obsidian.md出
[2] GitHub nashsu/llm\_wiki: https://github.com/nashsu/llm_wiki