【保姆教程】我用 Obsidian +hermes搭了一個會自己整理的知識庫
整理版優先睇
先關注後閲讀，嬌姐怕失去上進的你文末嬌姐整理openclaw或者hermes所有文章連結想了解嬌姐點擊文末連結你手機備忘錄裏有多少條筆記？飛書文檔裏存了多少篇？瀏覽器書籤欄收藏了多少"以後再看"的文章？我猜你的回答是：不少。但如果我問你：上個月學到的最有價值的一個方法論是什麼，你能在 30 秒內找到它嗎？大概率不能。這就是大多數人的現狀：筆記記了一大堆，但知識沒有沉澱。 記了等於沒記，因為你根本找不到、用不上。問題出在哪？不是你不夠勤快，而是你缺一個系統。今天這篇文章，我把自己從 0 到 1 搭建個人知識庫的完整過程寫出來。不是那種"推薦你用 XX 工具"的水文，而是一篇你照着做就能跑起來的實操教程。重點：這個知識庫有一個特別的能力——它會自己整理。你只管往裏扔東西，AI 幫你分類、整理、歸檔。一、工具選型：為什麼我選了 Obsidian市面上筆記工具太多了。我幾乎都用過一遍，最後留下了 Obsidian。先說結論，再說原因。主流工具對比Obsidian ★ 推薦數據存儲本地 MD 文件AI對接極低（AI 直接讀寫文件）費用完全免費適合個人知識庫、長期積累Notion數據存儲雲端數據庫AI對接高（需要 API）適合團隊協作、項目管理飛書文檔 / 語雀數據存儲雲端AI對接高（需開放平台 / API 受限）適合企業辦公、團隊知識庫Logseq數據存儲本地 MD 文件AI對接低，但大綱格式 AI 解析較麻煩適合大綱式筆記、日記我選 Obsidian 只有一個核心原因：所有筆記都是本地的純文本 Markdown 文件。這意味着三件事：第一，數據永遠是你的。 不依賴任何雲服務，不怕產品倒閉、不怕漲價、不怕被封號。你的筆記就是電腦上的一堆 .md 文件，用記事本都能打開。第二，AI 可以直接讀寫。 這是最關鍵的。Notion 的數據鎖在數據庫裏，AI 要操作它得走 API，配置複雜。但 Obsidian 的筆記就是文件，AI Agent 直接讀文件、寫文件就行，零門檻。第三，文件夾就是目錄結構。 不需要學什麼"數據庫視圖""關聯屬性"，文件夾怎麼建，知識庫就怎麼組織，所見即所得。提示：Obsidian 是目前 AI Agent 最容易操作的筆記工具，沒有之一。二、從 0 搭建：手把手教你第 1 步：下載安裝去 Obsidian 官網（obsidian.md）下載，Windows / Mac / Linux 都支持。安裝後它會讓你創建一個"倉庫"（Vault）。倉庫本質上就是一個文件夾。 Obsidian 會把這個文件夾裏所有的 .md 文件當作筆記來管理。建議放在非系統盤，方便備份。第 2 步：設計目錄結構這是整個知識庫最重要的一步。 很多人裝了 Obsidian 就直接開始記筆記，三個月後又亂成一團。目錄結構是地基，地基不對，後面全白搭。我用的是 PARA 方法的變體，在四個基礎分類上加了收件箱、內容生產區和系統控制層：目錄結構D:\zhishiku\├── 00_Inbox\ ← 收件箱，新內容先扔這裏├── 01_Areas\ ← 持續維護的領域（無截止日期） ├── AI學習\ ├── 自媒體運營\ └── 個人成長\├── 02_Projects\ ← 有截止日期的項目├── 03_Resources\ ← 參考資料庫（AI 檢索主區域） ├── AI工具\ ├── 工作流\ ├── 行業資訊\ └── 書籍課程\├── 04_Content\ ← 內容生產流水線 ├── 選題庫\ ├── 草稿\ ├── 已發佈\ └── 素材庫\├── 05_Archive\ ← 已完結歸檔└── 00_System\ ← 系統文件（AI Agent 專用） ├── _INDEX.md └── _TEMPLATES\每個區域的核心邏輯：① 00_Inbox 收件箱整個系統的入口。任何新東西全部先扔這裏，不用想分類、不用整理格式。"分類"這個動作會產生摩擦，收件箱消除了這個摩擦。② 01_Areas 領域你持續關注的方向，沒有截止日期，長期維護。比如"AI 學習"是一個你會一直關注的領域，不是做完就結束的。③ 03_Resources 資料庫知識庫的核心區域，也是後續 AI Agent 主要檢索的地方。工具教程、工作流方法論、行業資訊、讀書筆記都在這裏。④ 04_Content 內容生產如果你做自媒體，這個區域就是你的內容流水線。選題 → 草稿 → 已發佈，三段式管理。不做自媒體可以不建。⑤ 00_System 系統層專門為 AI Agent 設計。裏面有 _INDEX.md——AI 進入知識庫的"說明書"，後面詳細講。提示：文件夾名前面加數字（00、01、02...）是為了控制排序。Obsidian 默認按字母排序，加數字後目錄順序固定，不會亂跑。第 3 步：給每篇筆記定一個標準格式（Frontmatter）在 Obsidian 裏，每篇筆記頂部可以寫一段叫 frontmatter 的信息，它讓每篇筆記變成一條"數據庫記錄"，AI Agent 可以按條件過濾筆記。YAML Frontmatter 示例---title: YouTube 長視頻工作流date: 2026-04-23tags: [YouTube, 工作流, 自媒體]area: 自媒體運營status: donesource: 本地文件遷移---status 的流轉邏輯：draft（剛寫的草稿）→ done（整理完畢）→ archived（不再活躍）。你不需要記住這些，後面用模板自動生成。第 4 步：創建筆記模板在 00_System/_TEMPLATES 文件夾裏創建三個模板文件：筆記模板.md（用於 01_Areas、03_Resources）---title:date: {{date}}tags: []area:status: draft---## 這篇解決什麼問題## 核心內容## 行動/參考正文結構用的是"問題 → 核心內容 → 行動"三段式，這個結構會自然導向"這條信息解決什麼問題、對我下一步有什麼用"，而不只是摘錄。在obsidian配置模版：第 5 步：安裝三個必備插件安裝路徑：設置 → 第三方插件 → 關閉安全模式 → 瀏覽 → 搜索 → 安裝 → 啓用。插件① Templater（模板引擎）作用：新建筆記時自動套用模板，frontmatter 日期自動填寫當天。配置：在 Folder Templates 裏為每個文件夾配置對應模板，之後新建文件自動套用。插件② Dataview（數據查詢）作用：像數據庫一樣查詢你的筆記。裝好即用，無需額外配置。示例：在筆記裏寫查詢語句，可列出所有 status=done 的完成筆記，或按日期排序全部資料。插件③ Smart Connections（AI 語義搜索）作用：用自然語言對着知識庫提問，AI 找到最相關的筆記並回答，不是簡單的關鍵詞匹配。配置：安裝後選擇 embedding 模型（推薦 Claude API 或本地 Ollama），首次運行掃描倉庫建立向量索引。第 6 步：寫一個 AI 能讀懂的索引文件（_INDEX.md）這是整套系統最關鍵的設計。 這個文件是 AI Agent 進入你知識庫的"說明書"，寫清楚每個目錄是幹什麼的、命名規範、分類判斷邏輯。最核心的部分是一棵分類判斷樹，AI Agent 拿到一篇內容後，按順序走：_INDEX.md 分類判斷樹1. 有截止日期、有明確目標的事？ → 是 → 02_Projects2. 要發佈的自媒體內容？ → 是 → 04_Content/對應子目錄3. AI 工具的教程、測評、使用心得？ → 是 → 03_Resources/AI工具4. 可複用的工作流程或方法論？ → 是 → 03_Resources/工作流5. 行業資訊、趨勢、新聞？ → 是 → 03_Resources/行業資訊6-8. 讀書筆記 / 運營策略 / AI學習... → 對應 Resources 或 Areas 子目錄9. 以上都不確定？ → 先放 00_Inbox，備註原因AI Agent 讀完這個文件，就知道把內容放到哪裏、用什麼格式、怎麼命名。三、日常使用：只有三個動作搭完之後，日常用起來非常簡單：① 有任何新東西 → 扔 00_Inbox看到好文章、學到新方法、突然冒出的想法，全部先扔進 Inbox。不用想分類，不用整理格式，甚至可以只寫一句話。先存進來，這是最重要的。② 每週清理一次 Inbox這個動作後面會交給 AI 自動完成。即使手動做，也很簡單：打開 Inbox 裏的文件，按分類判斷樹決定放哪裏，移過去就行。③ 要寫內容 → 去 04_Content/草稿 新建模板自動套上，frontmatter 自動填好，直接開始寫。重點：系統的價值在於把"整理"這個最費時間的環節，從你身上拿走了。四、舊內容怎麼遷移原則：不要追求一次遷移完。先把新內容的流程跑通，舊內容慢慢遷。飛書筆記：文檔 → 右上角"..." → 導出 → Word → 下載，用 Pandoc 轉成 .md 文件，全部扔進 Inbox，後續讓 AI 批量整理。本地文件：.md 文件直接複製進對應文件夾；Word、PDF 等先扔 Inbox，後續手動或 AI 整理。手機備忘錄：複製內容 → 在 Obsidian 手機端新建筆記 → 粘貼進 Inbox（iOS/Android 客戶端均有，可用 iCloud 或 Syncthing 同步）。瀏覽器收藏夾：大部分你再也不會看了。建議只遷移你確定有價值的，不要全量導入。五、接入 AI Agent：讓知識庫自己整理前面四個部分，你已經有了一個結構清晰的知識庫。但"整理"這個動作還是需要你手動做。接下來是這套系統的核心升級：讓 AI 幫你整理。我把 AI 對接分成三個階段，從最簡單到最高級，你可以根據自己的情況選擇從哪裏開始。階段一：手動指令模式（零配置，現在就能用）不需要任何技術基礎。在任意 AI 工具（ChatGPT、Claude、豆包、Kimi 都行），把內容粘貼給它，發送這段提示詞：整理筆記提示詞請幫我把以下內容整理成結構化筆記。要求：1. 頂部加上 frontmatter（title/date/tags/area/status/source）2. 正文結構： - 這篇解決什麼問題（一兩句話） - 核心內容（保留所有細節） - 行動/參考（下一步可以做什麼）3. 保留所有步驟、示例、數據，不要刪減以下是原始內容：[粘貼你的內容]AI 返回整理好的筆記後，複製到 Obsidian 對應目錄的新文件裏。優點是零門檻，缺點是需要手動複製粘貼。階段二：AI 直接讀寫知識庫（半自動）讓 AI Agent 直接訪問你電腦上的文件，自己讀取 _INDEX.md 瞭解規則，自己判斷分類，自己創建文件寫入。推薦 方案 A：用 Claude CodeAnthropic 出的命令行工具，可直接操作本地文件。安裝好後在終端輸入一句話："讀 _INDEX.md，幫我清理 00_Inbox，把裏面的文件分類整理到對應目錄"。全程只需說一句話。 Claude Code 會自動讀規則、掃描文件、判斷分類、寫入目錄、更新索引。進階 方案 C：用 Hermes AgentNous Research 出品的開源 AI Agent 框架，通過 MCP filesystem 掛載知識庫路徑。你可以在飛書、釘釘、Telegram 裏說"整理到知識庫"，它自動執行完整流程。特別優勢：支持定時任務（每天自動清理 Inbox），跨平台觸發，不需要打開電腦。階段三：LLM Wiki 模式（最高級）Andrej Karpathy（OpenAI 聯合創始人）提出了一個更激進的想法：不是讓 AI 在你查詢時檢索筆記，而是讓 AI 主動整理筆記，生成結構化的 wiki 頁面，頁面之間自動交叉連結。舉個例子：你往知識庫裏扔了 10 篇關於"公眾號運營"的筆記。普通模式：10 篇筆記靜靜地躺在那裏，你需要的時候自己去翻。LLM Wiki 模式：AI 自動提取關鍵概念（選題方法、標題公式、數據指標），為每個概念生成獨立 wiki 頁面，頁面之間自動雙向連結。再扔進來新筆記，AI 自動合併進已有頁面。重點：知識庫越用越乾淨，而不是越堆越亂。這就是 LLM Wiki 和普通筆記的本質區別。LLM Wiki vs RAG 對比RAG（檢索增強）AI做什麼你問才找，從筆記裏檢索相關片段筆記狀態原始筆記堆積，靠檢索找內容適合快速查找已有內容LLM Wiki（主動整理）AI做什麼主動整理，生成概念頁面，自動連結筆記狀態知識持續精煉，自動交叉連結適合長期知識積累，產生複利效應理想的最終形態：① 原始輸入 → 00_Inbox所有新內容統一入口，不管格式② Agent 自動分類整理（階段二）讀 _INDEX.md → 走判斷樹 → 寫入對應目錄③ LLM Wiki 提煉概念、生成雙鏈（階段三）概念自動提煉，知識網絡自動生長④ 圖譜視圖 + 語義檢索知識網絡可視化 + 自然語言提問，知識庫從"存儲工具"變成"思考夥伴"六、這套系統到底解決了什麼之前筆記散落在飛書、本地、手機，找不到現在統一在 Obsidian，結構清晰之前記了就忘，用不上現在結構化存儲 + 語義檢索，隨時可查之前整理筆記太費時間現在AI 自動分類整理，我只負責扔之前知識是孤島，無法關聯現在LLM Wiki 自動生成雙鏈，知識網絡可視化之前擔心數據安全、產品倒閉現在全部本地存儲，不依賴任何雲服務總結這套系統的核心邏輯只有一句話：重點：降低存入門檻，提高取用效率，讓 AI 負責中間的整理。你不需要是技術大佬。Obsidian 免費，插件免費，AI 工具越來越便宜。整套系統的啓動成本幾乎為零。唯一需要你做的，是養成一個習慣：有東西就扔 Inbox。剩下的，交給 AI。hermes系列文章持續更新，建議每篇認真閲讀【不推薦用官方命令】Windows 環境下安裝Hermes及遷移Openclaw的實操分享借鑑劉小排的 BuilderPulse ：我用 Hermes 發現值得看的github項目Hermes 入門到實操中文文檔【Hermes整理】OpenClaw 變現項目地圖：6 大賽道Hermes 裝好之後，我最建議先做的 8 個實操動作我把 OpenClaw 的 Agent 無縫遷移到了 Hermes——就靠這一份 Skill借鑑 Hermes 優化 OpenClaw：讓你的 AI 學會記、會覆盤、會巡檢openclaw系列文章持續更新，建議每篇認真閲讀配置與理解徹底搞懂 OpenClaw 配置體系：這才是 AI Agent 的正確打開方式【不推薦用官方命令】Windows 環境下安裝Hermes及遷移Openclaw的實操分享我的個人成長助手Agent罷工了，Claude max定位總結的這幾點分享給大家【今天不聊STBI測試】我用OpenClaw搭了一個自動抓多公眾號、AI整理、發飛書的Agent，核心就這四步OpenClaw openclaw.json 全量小白教程：一篇講清每個配置項的作用你在飛書或者微信發了句"你好"，OpenClaw 到底花了多少 Token？詳細指南 微信插件支持OpenClawOpenClaw龍蝦如何自我糾錯 5步自我迭代法【網友都說賊好看】我讓openclaw開發了一個自己的交互式說明書別被騙，OpenClaw 可以 24 小時幹活——但你得先做對這 6 件事火了三個月的"龍蝦"，普通人裝了真的有用嗎？用 OpenClaw 把 AI 失憶治好：開關、精簡、外掛三步走OpenClaw 命令完整手冊OpenClaw 到底怎麼跑？部署方式與玩法全景如何申請 Brave Search API 密鑰並配置 OpenClaw大白話講清楚OpenClaw的記憶術OpenClaw 長任務必讀：用 Sub-Agent 隔離上下文，token 消耗降 85%OpenClaw 省 Token 實操手冊：八個維度，節省 60–90%OpenClaw 曲線救國：通過 CLI 後端使用 Claude 模型飛書跟openclaw集成實操教程【該文為openclaw輸出】OpenClaw超簡單且免費的安裝實操教程多 Agent 與協作OpenClaw 多 Agent 協作實戰完全教程OpenClaw 多代理配置指南：讓 AI 團隊幫你同時幹多件事技能與工具OpenClaw 官方 53 個技能完整指南：功能詳解 + 風險評估 + 安裝建議【GitHub Skill 】 OpenClaw多Agent交付給客戶的流程Skill這個 Skill 太適合“小白摸魚式”情報蒐集了：不用 API Key，直接把 Reddit 變成你的選題庫【免費領取】7套不同賽道風格公眾號排版Skill（有效果圖）12類人羣必裝的OpenClaw Skills不寫代碼，如何讓 OpenClaw Agent 學會新技能實戰與案例本地部署 OpenClaw 自動發佈公眾號：小白完整教程本地部署 OpenClaw 自動發佈小紅書：小白完整教程我用 OpenClaw，把孩子學習情況整理成能長期追蹤的學情檔案【實操分享】OpenClaw多文檔多輸入源筆記整理Agent搭建【保姆教程】OpenClaw作業錯題分析師，每個家長都可以學起來OpenClaw 完全指南：從零搭建你的 AI 員工團隊看看這個龍蝦速度，就知道這OpenClaw有多火，速度跟上OpenClaw 完全指南：從零搭建你的 AI 員工團隊OpenClaw 實戰：從0到1搭建你的雲端AI工作流我的OpenClaw 多Agent 會主動發來 “上班打卡”OpenClaw 實戰操作指南：12大熱門應用案例詳細教程我的openclaw龍蝦開始自己賺錢了用上了openclaw，跟telegram能雙向通信了排錯與安全OpenClaw 排錯指南OpenClaw 龍蝦玩家的安全指南關於嬌姐40+ IT 從業者，前榮耀員工，現專注 AI 效率工具研究與實踐。持續輸出 OpenClaw 及 AI 工具的乾貨教程與落地案例，偶爾分享職場思考與生活感悟。高考的堅持與感恩：我心中的那座橋，跨越了命運40 + IT女從榮耀離職：找工作碰壁、陪娃焦慮的日子裏，我靠 AI 公眾號找到了自我提示：覺得有用，點贊、關注、轉發，是我持續創作的動力。
先關注後閲讀，嬌姐怕失去上進的你文末嬌姐整理openclaw或者hermes所有文章連結想了解嬌姐點擊文末連結你手機備忘錄裏有多少條筆記？飛書文檔裏存了多少篇？瀏覽器書籤欄收藏了多少"以後再看"的文章？我猜你的回答是：不少。但如果我問你：上個月學到的最有價值的一個方法論是什麼，你能在 30 秒內找到它嗎？
大概率不能。這就是大多數人的現狀：筆記記了一大堆，但知識沒有沉澱。記了等於沒記，因為你根本找不到、用不上。問題出在哪？不是你不夠勤快，而是你缺一個系統。今天這篇文章，我把自己從 0 到 1 搭建個人知識庫的完整過程寫出來。不是那種"推薦你用 XX 工具"的水文，而是一篇你照着做就能跑起來的實操教程。
重點：呢個知識庫有一個特別的能力——它會自己整理。你只管往裏扔東西，AI 幫你分類、整理、歸檔。一、工具選型：為什麼我選了 Obsidian市面上筆記工具太多了。我幾乎都用過一遍，最後留下了 Obsidian。先說結論，再說原因。主流工具對比Obsidian ★ 推薦數據存儲本地 MD 文件AI對接極低（AI 直接讀寫文件）費用完全免費適合個人知識庫、長期積累Notion數據存儲雲端數據庫AI對接高（需要 API）適合團隊協作、項目管理飛書文檔 / 語雀數據存儲雲端AI對接高（需開放平台 / API 受限）適合企業辦公、團隊知識庫Logseq數據存儲本地 MD 文件AI對接低，但大綱格式 AI 解析較麻煩適合大綱式筆記…
- 【保姆教程】我用 Obsidian +hermes搭了一個會自己整理…
- 【保姆教程】我用 Obsidian +hermes搭了一個會自己整理…
- 【保姆教程】我用 Obsidian +hermes搭了一個會自己整理…
- 【保姆教程】我用 Obsidian +hermes搭了一個會自己整理…
- 【保姆教程】我用 Obsidian +hermes搭了一個會自己整理…
可記低 Prompt
先關注後閲讀，嬌姐怕失去上進的你文末嬌姐整理openclaw或者hermes所有文章連結想了解嬌姐點擊文末連結你手機備忘錄裏有多少條筆記？飛書文檔裏存了多少篇？瀏覽器書籤欄收藏了多少"以後再看"的文章？我猜你的回答是：不少。但如果我問你：上…
整理版
先關注後閲讀，嬌姐怕失去上進的你文末嬌姐整理openclaw或者hermes所有文章連結想了解嬌姐點擊文末連結你手機備忘錄裏有多少條筆記？飛書文檔裏存了多少篇？瀏覽器書籤欄收藏了多少"以後再看"的文章？我猜你的回答是：不少。但如果我問你：上個月學到的最有價值的一個方法論是什麼，你能在 30 秒內找到它嗎？大概率不能。這就是大多數人的現狀：筆記記了一大堆，但知識沒有沉澱。 記了等於沒記，因為你根本找不到、用不上。問題出在哪？不是你不夠勤快，而是你缺一個系統。今天這篇文章，我把自己從 0 到 1 搭建個人知識庫的完整過程寫出來。不是那種"推薦你用 XX 工具"的水文，而是一篇你照着做就能跑起來的實操教程。重點：呢個知識庫有一個特別的能力——它會自己整理。你只管往裏扔東西，AI 幫你分類、整理、歸檔。一、工具選型：為什麼我選了 Obsidian市面上筆記工具太多了。我幾乎都用過一遍，最後留下了 Obsidian。先說結論，再說原因。主流工具對比Obsidian ★ 推薦數據存儲本地 MD 文件AI對接極低（AI 直接讀寫文件）費用完全免費適合個人知識庫、長期積累Notion數據存儲雲端數據庫AI對接高（需要 API）適合團隊協作、項目管理飛書文檔 / 語雀數據存儲雲端AI對接高（需開放平台 / API 受限）適合企業辦公、團隊知識庫Logseq數據存儲本地 MD 文件AI對接低，但大綱格式 AI 解析較麻煩適合大綱式筆記、日記我選 Obsidian 只有一個核心原因：所有筆記都是本地的純文本 Markdown 文件。這意味着三件事：第一，數據永遠是你的。 不依賴任何雲服務，不怕產品倒閉、不怕漲價、不怕被封號。你的筆記就是電腦上的一堆 .md 文件，用記事本都能打開。第二，AI 可以直接讀寫。 這是最關鍵的。Notion 的數據鎖在數據庫裏，AI 要操作它得走 API，配置複雜。但 Obsidian 的筆記就是文件，AI Agent 直接讀文件、寫文件就行，零門檻。第三，文件夾就是目錄結構。 不需要學什麼"數據庫視圖""關聯屬性"，文件夾怎麼建，知識庫就怎麼組織，所見即所得。提示：Obsidian 是目前 AI Agent 最容易操作的筆記工具，沒有之一。二、從 0 搭建：手把手教你第 1 步：下載安裝去 Obsidian 官網（obsidian.md）下載，Windows / Mac / Linux 都支持。安裝後它會讓你創建一個"倉庫"（Vault）。倉庫本質上就是一個文件夾。 Obsidian 會把呢個文件夾裏所有的 .md 文件當作筆記來管理。建議放在非系統盤，方便備份。第 2 步：設計目錄結構這是整個知識庫最重要的一步。 很多人裝了 Obsidian 就直接開始記筆記，三個月後又亂成一團。目錄結構是地基，地基不對，後面全白搭。我用的是 PARA 方法的變體，在四個基礎分類上加了收件箱、內容生產區和系統控制層：目錄結構D:\zhishiku\├── 00_Inbox\ ← 收件箱，新內容先扔這裏├── 01_Areas\ ← 持續維護的領域（無截止日期） ├── AI學習\ ├── 自媒體運營\ └── 個人成長\├── 02_Projects\ ← 有截止日期的項目├── 03_Resources\ ← 參考資料庫（AI 檢索主區域） ├── AI工具\ ├── 工作流\ ├── 行業資訊\ └── 書籍課程\├── 04_Content\ ← 內容生產流水線 ├── 選題庫\ ├── 草稿\ ├── 已發佈\ └── 素材庫\├── 05_Archive\ ← 已完結歸檔└── 00_System\ ← 系統文件（AI Agent 專用） ├── _INDEX.md └── _TEMPLATES\每個區域的核心邏輯：① 00_Inbox 收件箱整個系統的入口。任何新東西全部先扔這裏，不用想分類、不用整理格式。"分類"呢個動作會產生摩擦，收件箱消除了呢個摩擦。② 01_Areas 領域你持續關注的方向，沒有截止日期，長期維護。比如"AI 學習"是一個你會一直關注的領域，不是做完就結束的。③ 03_Resources 資料庫知識庫的核心區域，也是後續 AI Agent 主要檢索的地方。工具教程、工作流方法論、行業資訊、讀書筆記都在這裏。④ 04_Content 內容生產如果你做自媒體，呢個區域就是你的內容流水線。選題 → 草稿 → 已發佈，三段式管理。不做自媒體可以不建。⑤ 00_System 系統層專門為 AI Agent 設計。裏面有 _INDEX.md——AI 進入知識庫的"說明書"，後面詳細講。提示：文件夾名前面加數字（00、01、02...）是為了控制排序。Obsidian 默認按字母排序，加數字後目錄順序固定，不會亂跑。第 3 步：給每篇筆記定一個標準格式（Frontmatter）在 Obsidian 裏，每篇筆記頂部可以寫一段叫 frontmatter 的信息，它讓每篇筆記變成一條"數據庫記錄"，AI Agent 可以按條件過濾筆記。YAML Frontmatter 示例---title: YouTube 長視頻工作流date: 2026-04-23tags: [YouTube, 工作流, 自媒體]area: 自媒體運營status: donesource: 本地文件遷移---status 的流轉邏輯：draft（剛寫的草稿）→ done（整理完畢）→ archived（不再活躍）。你不需要記住呢啲，後面用模板自動生成。第 4 步：創建筆記模板在 00_System/_TEMPLATES 文件夾裏創建三個模板文件：筆記模板.md（用於 01_Areas、03_Resources）---title:date: {{date}}tags: []area:status: draft---## 這篇解決什麼問題## 核心內容## 行動/參考正文結構用的是"問題 → 核心內容 → 行動"三段式，呢個結構會自然導向"這條信息解決什麼問題、對我下一步有什麼用"，而不只是摘錄。在obsidian配置模版：第 5 步：安裝三個必備插件安裝路徑：設置 → 第三方插件 → 關閉安全模式 → 瀏覽 → 搜索 → 安裝 → 啓用。插件① Templater（模板引擎）作用：新建筆記時自動套用模板，frontmatter 日期自動填寫當天。配置：在 Folder Templates 裏為每個文件夾配置對應模板，之後新建文件自動套用。插件② Dataview（數據查詢）作用：像數據庫一樣查詢你的筆記。裝好即用，無需額外配置。示例：在筆記裏寫查詢語句，可列出所有 status=done 的完成筆記，或按日期排序全部資料。插件③ Smart Connections（AI 語義搜索）作用：用自然語言對着知識庫提問，AI 找到最相關的筆記並回答，不是簡單的關鍵詞匹配。配置：安裝後選擇 embedding 模型（推薦 Claude API 或本地 Ollama），首次運行掃描倉庫建立向量索引。第 6 步：寫一個 AI 能讀懂的索引文件（_INDEX.md）這是整套系統最關鍵的設計。 呢個文件是 AI Agent 進入你知識庫的"說明書"，寫清楚每個目錄是幹什麼的、命名規範、分類判斷邏輯。最核心的部分是一棵分類判斷樹，AI Agent 拿到一篇內容後，按順序走：_INDEX.md 分類判斷樹1. 有截止日期、有明確目標的事？ → 是 → 02_Projects2. 要發佈的自媒體內容？ → 是 → 04_Content/對應子目錄3. AI 工具的教程、測評、使用心得？ → 是 → 03_Resources/AI工具4. 可複用的工作流程或方法論？ → 是 → 03_Resources/工作流5. 行業資訊、趨勢、新聞？ → 是 → 03_Resources/行業資訊6-8. 讀書筆記 / 運營策略 / AI學習... → 對應 Resources 或 Areas 子目錄9. 以上都不確定？ → 先放 00_Inbox，備註原因AI Agent 讀完呢個文件，就知道把內容放到哪裏、用什麼格式、怎麼命名。三、日常使用：只有三個動作搭完之後，日常用起來非常簡單：① 有任何新東西 → 扔 00_Inbox看到好文章、學到新方法、突然冒出的想法，全部先扔進 Inbox。不用想分類，不用整理格式，甚至可以只寫一句話。先存進來，這是最重要的。② 每週清理一次 Inbox呢個動作後面會交給 AI 自動完成。即使手動做，也很簡單：打開 Inbox 裏的文件，按分類判斷樹決定放哪裏，移過去就行。③ 要寫內容 → 去 04_Content/草稿 新建模板自動套上，frontmatter 自動填好，直接開始寫。重點：系統的價值在於把"整理"呢個最費時間的環節，從你身上拿走了。四、舊內容怎麼遷移原則：不要追求一次遷移完。先把新內容的流程跑通，舊內容慢慢遷。飛書筆記：文檔 → 右上角"..." → 導出 → Word → 下載，用 Pandoc 轉成 .md 文件，全部扔進 Inbox，後續讓 AI 批量整理。本地文件：.md 文件直接複製進對應文件夾；Word、PDF 等先扔 Inbox，後續手動或 AI 整理。手機備忘錄：複製內容 → 在 Obsidian 手機端新建筆記 → 粘貼進 Inbox（iOS/Android 客戶端均有，可用 iCloud 或 Syncthing 同步）。瀏覽器收藏夾：大部分你再也不會看了。建議只遷移你確定有價值的，不要全量導入。五、接入 AI Agent：讓知識庫自己整理前面四個部分，你已經有了一個結構清晰的知識庫。但"整理"呢個動作還是需要你手動做。接下來是這套系統的核心升級：讓 AI 幫你整理。我把 AI 對接分成三個階段，從最簡單到最高級，你可以根據自己的情況選擇從哪裏開始。階段一：手動指令模式（零配置，而家就能用）不需要任何技術基礎。在任意 AI 工具（ChatGPT、Claude、豆包、Kimi 都行），把內容粘貼給它，發送這段提示詞：整理筆記提示詞請幫我把以下內容整理成結構化筆記。要求：1. 頂部加上 frontmatter（title/date/tags/area/status/source）2. 正文結構： - 這篇解決什麼問題（一兩句話） - 核心內容（保留所有細節） - 行動/參考（下一步可以做什麼）3. 保留所有步驟、示例、數據，不要刪減以下是原始內容：[粘貼你的內容]AI 返回整理好的筆記後，複製到 Obsidian 對應目錄的新文件裏。優點是零門檻，缺點是需要手動複製粘貼。階段二：AI 直接讀寫知識庫（半自動）讓 AI Agent 直接訪問你電腦上的文件，自己讀取 _INDEX.md 瞭解規則，自己判斷分類，自己創建文件寫入。推薦 方案 A：用 Claude CodeAnthropic 出的命令行工具，可直接操作本地文件。安裝好後在終端輸入一句話："讀 _INDEX.md，幫我清理 00_Inbox，把裏面的文件分類整理到對應目錄"。全程只需說一句話。 Claude Code 會自動讀規則、掃描文件、判斷分類、寫入目錄、更新索引。進階 方案 C：用 Hermes AgentNous Research 出品的開源 AI Agent 框架，通過 MCP filesystem 掛載知識庫路徑。你可以在飛書、釘釘、Telegram 裏說"整理到知識庫"，它自動執行完整流程。特別優勢：支持定時任務（每天自動清理 Inbox），跨平台觸發，不需要打開電腦。階段三：LLM Wiki 模式（最高級）Andrej Karpathy（OpenAI 聯合創始人）提出了一個更激進的想法：不是讓 AI 在你查詢時檢索筆記，而是讓 AI 主動整理筆記，生成結構化的 wiki 頁面，頁面之間自動交叉連結。舉個例子：你往知識庫裏扔了 10 篇關於"公眾號運營"的筆記。普通模式：10 篇筆記靜靜地躺在那裏，你需要的時候自己去翻。LLM Wiki 模式：AI 自動提取關鍵概念（選題方法、標題公式、數據指標），為每個概念生成獨立 wiki 頁面，頁面之間自動雙向連結。再扔進來新筆記，AI 自動合併進已有頁面。重點：知識庫越用越乾淨，而不是越堆越亂。這就是 LLM Wiki 和普通筆記的本質區別。LLM Wiki vs RAG 對比RAG（檢索增強）AI做什麼你問才找，從筆記裏檢索相關片段筆記狀態原始筆記堆積，靠檢索找內容適合快速查找已有內容LLM Wiki（主動整理）AI做什麼主動整理，生成概念頁面，自動連結筆記狀態知識持續精煉，自動交叉連結適合長期知識積累，產生複利效應理想的最終形態：① 原始輸入 → 00_Inbox所有新內容統一入口，不管格式② Agent 自動分類整理（階段二）讀 _INDEX.md → 走判斷樹 → 寫入對應目錄③ LLM Wiki 提煉概念、生成雙鏈（階段三）概念自動提煉，知識網絡自動生長④ 圖譜視圖 + 語義檢索知識網絡可視化 + 自然語言提問，知識庫從"存儲工具"變成"思考夥伴"六、這套系統到底解決了什麼之前筆記散落在飛書、本地、手機，找不到而家統一在 Obsidian，結構清晰之前記了就忘，用不上而家結構化存儲 + 語義檢索，隨時可查之前整理筆記太費時間而家AI 自動分類整理，我只負責扔之前知識是孤島，無法關聯而家LLM Wiki 自動生成雙鏈，知識網絡可視化之前擔心數據安全、產品倒閉而家全部本地存儲，不依賴任何雲服務總結這套系統的核心邏輯只有一句話：重點：降低存入門檻，提高取用效率，讓 AI 負責中間的整理。你不需要是技術大佬。Obsidian 免費，插件免費，AI 工具越來越便宜。整套系統的啓動成本幾乎為零。唯一需要你做的，是養成一個習慣：有東西就扔 Inbox。剩下的，交給 AI。hermes系列文章持續更新，建議每篇認真閲讀【不推薦用官方命令】Windows 環境下安裝Hermes及遷移Openclaw的實操分享借鑑劉小排的 BuilderPulse ：我用 Hermes 發現值得看的github項目Hermes 入門到實操中文文檔【Hermes整理】OpenClaw 變現項目地圖：6 大賽道Hermes 裝好之後，我最建議先做的 8 個實操動作我把 OpenClaw 的 Agent 無縫遷移到了 Hermes——就靠這一份 Skill借鑑 Hermes 優化 OpenClaw：讓你的 AI 學會記、會覆盤、會巡檢openclaw系列文章持續更新，建議每篇認真閲讀配置與理解徹底搞懂 OpenClaw 配置體系：這才是 AI Agent 的正確打開方式【不推薦用官方命令】Windows 環境下安裝Hermes及遷移Openclaw的實操分享我的個人成長助手Agent罷工了，Claude max定位總結的這幾點分享給大家【今天不聊STBI測試】我用OpenClaw搭了一個自動抓多公眾號、AI整理、發飛書的Agent，核心就這四步OpenClaw openclaw.json 全量小白教程：一篇講清每個配置項的作用你在飛書或者微信發了句"你好"，OpenClaw 到底花了多少 Token？詳細指南 微信插件支持OpenClawOpenClaw龍蝦如何自我糾錯 5步自我迭代法【網友都說賊好看】我讓openclaw開發了一個自己的交互式說明書別被騙，OpenClaw 可以 24 小時幹活——但你得先做對這 6 件事火了三個月的"龍蝦"，普通人裝了真的有用嗎？用 OpenClaw 把 AI 失憶治好：開關、精簡、外掛三步走OpenClaw 命令完整手冊OpenClaw 到底怎麼跑？部署方式與玩法全景如何申請 Brave Search API 密鑰並配置 OpenClaw大白話講清楚OpenClaw的記憶術OpenClaw 長任務必讀：用 Sub-Agent 隔離上下文，token 消耗降 85%OpenClaw 省 Token 實操手冊：八個維度，節省 60–90%OpenClaw 曲線救國：通過 CLI 後端使用 Claude 模型飛書跟openclaw集成實操教程【該文為openclaw輸出】OpenClaw超簡單且免費的安裝實操教程多 Agent 與協作OpenClaw 多 Agent 協作實戰完全教程OpenClaw 多代理配置指南：讓 AI 團隊幫你同時幹多件事技能與工具OpenClaw 官方 53 個技能完整指南：功能詳解 + 風險評估 + 安裝建議【GitHub Skill 】 OpenClaw多Agent交付給客戶的流程Skill呢個 Skill 太適合“小白摸魚式”情報蒐集了：不用 API Key，直接把 Reddit 變成你的選題庫【免費領取】7套不同賽道風格公眾號排版Skill（有效果圖）12類人羣必裝的OpenClaw Skills不寫代碼，如何讓 OpenClaw Agent 學會新技能實戰與案例本地部署 OpenClaw 自動發佈公眾號：小白完整教程本地部署 OpenClaw 自動發佈小紅書：小白完整教程我用 OpenClaw，把孩子學習情況整理成能長期追蹤的學情檔案【實操分享】OpenClaw多文檔多輸入源筆記整理Agent搭建【保姆教程】OpenClaw作業錯題分析師，每個家長都可以學起來OpenClaw 完全指南：從零搭建你的 AI 員工團隊看看呢個龍蝦速度，就知道這OpenClaw有多火，速度跟上OpenClaw 完全指南：從零搭建你的 AI 員工團隊OpenClaw 實戰：從0到1搭建你的雲端AI工作流我的OpenClaw 多Agent 會主動發來 “上班打卡”OpenClaw 實戰操作指南：12大熱門應用案例詳細教程我的openclaw龍蝦開始自己賺錢了用上了openclaw，跟telegram能雙向通信了排錯與安全OpenClaw 排錯指南OpenClaw 龍蝦玩家的安全指南關於嬌姐40+ IT 從業者，前榮耀員工，現專注 AI 效率工具研究與實踐。持續輸出 OpenClaw 及 AI 工具的乾貨教程與落地案例，偶爾分享職場思考與生活感悟。高考的堅持與感恩：我心中的那座橋，跨越了命運40 + IT女從榮耀離職：找工作碰壁、陪娃焦慮的日子裏，我靠 AI 公眾號找到了自我提示：覺得有用，點贊、關注、轉發，是我持續創作的動力。
文末嬌姐整理openclaw或者hermes所有文章連結
想了解嬌姐點擊文末連結
你手機備忘錄裏有多少條筆記？飛書文檔裏存了多少篇？瀏覽器書籤欄收藏了多少"以後再看"的文章？
我猜你的回答是：不少。
但如果我問你：上個月學到的最有價值的一個方法論是什麼，你能在 30 秒內找到它嗎？
大概率不能。
這就是大多數人的現狀：筆記記了一大堆，但知識沒有沉澱。 記了等於沒記，因為你根本找不到、用不上。
問題出在哪？不是你不夠勤快，而是你缺一個系統。
今天這篇文章，我把自己從 0 到 1 搭建個人知識庫的完整過程寫出來。不是那種"推薦你用 XX 工具"的水文，而是一篇你照着做就能跑起來的實操教程。
重點：這個知識庫有一個特別的能力——它會自己整理。你只管往裏扔東西，AI 幫你分類、整理、歸檔。
一、工具選型：為什麼我選了 Obsidian
市面上筆記工具太多了。我幾乎都用過一遍，最後留下了 Obsidian。先說結論，再說原因。
主流工具對比
Obsidian ★ 推薦
數據存儲本地 MD 文件
AI對接極低（AI 直接讀寫文件）
費用完全免費
適合個人知識庫、長期積累
Notion
數據存儲雲端數據庫
AI對接高（需要 API）
適合團隊協作、項目管理
飛書文檔 / 語雀
數據存儲雲端
AI對接高（需開放平台 / API 受限）
適合企業辦公、團隊知識庫
Logseq
數據存儲本地 MD 文件
AI對接低，但大綱格式 AI 解析較麻煩
適合大綱式筆記、日記
我選 Obsidian 只有一個核心原因：所有筆記都是本地的純文本 Markdown 文件。
這意味着三件事：
第一，數據永遠是你的。 不依賴任何雲服務，不怕產品倒閉、不怕漲價、不怕被封號。你的筆記就是電腦上的一堆 .md 文件，用記事本都能打開。
第二，AI 可以直接讀寫。 這是最關鍵的。Notion 的數據鎖在數據庫裏，AI 要操作它得走 API，配置複雜。但 Obsidian 的筆記就是文件，AI Agent 直接讀文件、寫文件就行，零門檻。
第三，文件夾就是目錄結構。 不需要學什麼"數據庫視圖""關聯屬性"，文件夾怎麼建，知識庫就怎麼組織，所見即所得。
提示：Obsidian 是目前 AI Agent 最容易操作的筆記工具，沒有之一。
二、從 0 搭建：手把手教你
第 1 步：下載安裝
去 Obsidian 官網（obsidian.md）下載，Windows / Mac / Linux 都支持。安裝後它會讓你創建一個"倉庫"（Vault）。
倉庫本質上就是一個文件夾。 Obsidian 會把這個文件夾裏所有的 .md 文件當作筆記來管理。建議放在非系統盤，方便備份。
第 2 步：設計目錄結構
這是整個知識庫最重要的一步。 很多人裝了 Obsidian 就直接開始記筆記，三個月後又亂成一團。目錄結構是地基，地基不對，後面全白搭。
我用的是 PARA 方法的變體，在四個基礎分類上加了收件箱、內容生產區和系統控制層：
目錄結構
D:\zhishiku\
├── 00_Inbox\
← 收件箱，新內容先扔這裏
├── 01_Areas\
← 持續維護的領域（無截止日期）
├── AI學習\
├── 自媒體運營\
└── 個人成長\
├── 02_Projects\
← 有截止日期的項目
├── 03_Resources\
← 參考資料庫（AI 檢索主區域）
├── AI工具\
├── 工作流\
├── 行業資訊\
└── 書籍課程\
├── 04_Content\
← 內容生產流水線
├── 選題庫\
├── 草稿\
├── 已發佈\
└── 素材庫\
├── 05_Archive\
← 已完結歸檔
└── 00_System\
← 系統文件（AI Agent 專用）
├── _INDEX.md
└── _TEMPLATES\
每個區域的核心邏輯：
① 00_Inbox 收件箱
整個系統的入口。任何新東西全部先扔這裏，不用想分類、不用整理格式。"分類"這個動作會產生摩擦，收件箱消除了這個摩擦。
② 01_Areas 領域
你持續關注的方向，沒有截止日期，長期維護。比如"AI 學習"是一個你會一直關注的領域，不是做完就結束的。
③ 03_Resources 資料庫
知識庫的核心區域，也是後續 AI Agent 主要檢索的地方。工具教程、工作流方法論、行業資訊、讀書筆記都在這裏。
④ 04_Content 內容生產
如果你做自媒體，這個區域就是你的內容流水線。選題 → 草稿 → 已發佈，三段式管理。不做自媒體可以不建。
⑤ 00_System 系統層
專門為 AI Agent 設計。裏面有 _INDEX.md——AI 進入知識庫的"說明書"，後面詳細講。
提示：文件夾名前面加數字（00、01、02...）是為了控制排序。Obsidian 默認按字母排序，加數字後目錄順序固定，不會亂跑。
第 3 步：給每篇筆記定一個標準格式（Frontmatter）
在 Obsidian 裏，每篇筆記頂部可以寫一段叫 frontmatter 的信息，它讓每篇筆記變成一條"數據庫記錄"，AI Agent 可以按條件過濾筆記。
YAML Frontmatter 示例
---
title: YouTube 長視頻工作流
date: 2026-04-23
tags: [YouTube, 工作流, 自媒體]
area: 自媒體運營
status: done
source: 本地文件遷移
---
status 的流轉邏輯：draft（剛寫的草稿）→ done（整理完畢）→ archived（不再活躍）。
你不需要記住這些，後面用模板自動生成。
第 4 步：創建筆記模板
在 00_System/_TEMPLATES 文件夾裏創建三個模板文件：
筆記模板.md（用於 01_Areas、03_Resources）
---
title:
date: {{date}}
tags: []
area:
status: draft
---
## 這篇解決什麼問題
## 核心內容
## 行動/參考
正文結構用的是"問題 → 核心內容 → 行動"三段式，這個結構會自然導向"這條信息解決什麼問題、對我下一步有什麼用"，而不只是摘錄。
在obsidian配置模版：
第 5 步：安裝三個必備插件
安裝路徑：設置 → 第三方插件 → 關閉安全模式 → 瀏覽 → 搜索 → 安裝 → 啓用。
插件① Templater（模板引擎）
作用：新建筆記時自動套用模板，frontmatter 日期自動填寫當天。
配置：在 Folder Templates 裏為每個文件夾配置對應模板，之後新建文件自動套用。
插件② Dataview（數據查詢）
作用：像數據庫一樣查詢你的筆記。裝好即用，無需額外配置。
示例：在筆記裏寫查詢語句，可列出所有 status=done 的完成筆記，或按日期排序全部資料。
插件③ Smart Connections（AI 語義搜索）
作用：用自然語言對着知識庫提問，AI 找到最相關的筆記並回答，不是簡單的關鍵詞匹配。
配置：安裝後選擇 embedding 模型（推薦 Claude API 或本地 Ollama），首次運行掃描倉庫建立向量索引。
第 6 步：寫一個 AI 能讀懂的索引文件（_INDEX.md）
這是整套系統最關鍵的設計。 這個文件是 AI Agent 進入你知識庫的"說明書"，寫清楚每個目錄是幹什麼的、命名規範、分類判斷邏輯。
最核心的部分是一棵分類判斷樹，AI Agent 拿到一篇內容後，按順序走：
_INDEX.md 分類判斷樹
1. 有截止日期、有明確目標的事？
→ 是 → 02_Projects
2. 要發佈的自媒體內容？
→ 是 → 04_Content/對應子目錄
3. AI 工具的教程、測評、使用心得？
→ 是 → 03_Resources/AI工具
4. 可複用的工作流程或方法論？
→ 是 → 03_Resources/工作流
5. 行業資訊、趨勢、新聞？
→ 是 → 03_Resources/行業資訊
6-8. 讀書筆記 / 運營策略 / AI學習...
→ 對應 Resources 或 Areas 子目錄
9. 以上都不確定？
→ 先放 00_Inbox，備註原因
AI Agent 讀完這個文件，就知道把內容放到哪裏、用什麼格式、怎麼命名。
三、日常使用：只有三個動作
搭完之後，日常用起來非常簡單：
① 有任何新東西 → 扔 00_Inbox
看到好文章、學到新方法、突然冒出的想法，全部先扔進 Inbox。不用想分類，不用整理格式，甚至可以只寫一句話。先存進來，這是最重要的。
② 每週清理一次 Inbox
這個動作後面會交給 AI 自動完成。即使手動做，也很簡單：打開 Inbox 裏的文件，按分類判斷樹決定放哪裏，移過去就行。
③ 要寫內容 → 去 04_Content/草稿 新建
模板自動套上，frontmatter 自動填好，直接開始寫。
重點：系統的價值在於把"整理"這個最費時間的環節，從你身上拿走了。
四、舊內容怎麼遷移
原則：不要追求一次遷移完。先把新內容的流程跑通，舊內容慢慢遷。
- 飛書筆記：
文檔 → 右上角"..." → 導出 → Word → 下載，用 Pandoc 轉成 .md 文件，全部扔進 Inbox，後續讓 AI 批量整理。 - 本地文件：
.md 文件直接複製進對應文件夾；Word、PDF 等先扔 Inbox，後續手動或 AI 整理。 - 手機備忘錄：
複製內容 → 在 Obsidian 手機端新建筆記 → 粘貼進 Inbox（iOS/Android 客戶端均有，可用 iCloud 或 Syncthing 同步）。 - 瀏覽器收藏夾：
大部分你再也不會看了。建議只遷移你確定有價值的，不要全量導入。
五、接入 AI Agent：讓知識庫自己整理
前面四個部分，你已經有了一個結構清晰的知識庫。但"整理"這個動作還是需要你手動做。接下來是這套系統的核心升級：讓 AI 幫你整理。
我把 AI 對接分成三個階段，從最簡單到最高級，你可以根據自己的情況選擇從哪裏開始。
階段一：手動指令模式（零配置，現在就能用）
不需要任何技術基礎。在任意 AI 工具（ChatGPT、Claude、豆包、Kimi 都行），把內容粘貼給它，發送這段提示詞：
整理筆記提示詞
請幫我把以下內容整理成結構化筆記。
要求：
1. 頂部加上 frontmatter（title/date/tags/area/status/source）
2. 正文結構：
- 這篇解決什麼問題（一兩句話）
- 核心內容（保留所有細節）
- 行動/參考（下一步可以做什麼）
3. 保留所有步驟、示例、數據，不要刪減
以下是原始內容：[粘貼你的內容]
AI 返回整理好的筆記後，複製到 Obsidian 對應目錄的新文件裏。優點是零門檻，缺點是需要手動複製粘貼。
階段二：AI 直接讀寫知識庫（半自動）
讓 AI Agent 直接訪問你電腦上的文件，自己讀取 _INDEX.md 瞭解規則，自己判斷分類，自己創建文件寫入。
推薦 方案 A：用 Claude Code
Anthropic 出的命令行工具，可直接操作本地文件。安裝好後在終端輸入一句話："讀 _INDEX.md，幫我清理 00_Inbox，把裏面的文件分類整理到對應目錄"。
全程只需說一句話。 Claude Code 會自動讀規則、掃描文件、判斷分類、寫入目錄、更新索引。
進階 方案 C：用 Hermes Agent
Nous Research 出品的開源 AI Agent 框架，通過 MCP filesystem 掛載知識庫路徑。你可以在飛書、釘釘、Telegram 裏說"整理到知識庫"，它自動執行完整流程。
特別優勢：支持定時任務（每天自動清理 Inbox），跨平台觸發，不需要打開電腦。
階段三：LLM Wiki 模式（最高級）
Andrej Karpathy（OpenAI 聯合創始人）提出了一個更激進的想法：不是讓 AI 在你查詢時檢索筆記，而是讓 AI 主動整理筆記，生成結構化的 wiki 頁面，頁面之間自動交叉連結。
舉個例子：你往知識庫裏扔了 10 篇關於"公眾號運營"的筆記。
- 普通模式：
10 篇筆記靜靜地躺在那裏，你需要的時候自己去翻。 - LLM Wiki 模式：
AI 自動提取關鍵概念（選題方法、標題公式、數據指標），為每個概念生成獨立 wiki 頁面，頁面之間自動雙向連結。再扔進來新筆記，AI 自動合併進已有頁面。
重點：知識庫越用越乾淨，而不是越堆越亂。這就是 LLM Wiki 和普通筆記的本質區別。
LLM Wiki vs RAG 對比
RAG（檢索增強）
AI做什麼你問才找，從筆記裏檢索相關片段
筆記狀態原始筆記堆積，靠檢索找內容
適合快速查找已有內容
LLM Wiki（主動整理）
AI做什麼主動整理，生成概念頁面，自動連結
筆記狀態知識持續精煉，自動交叉連結
適合長期知識積累，產生複利效應
理想的最終形態：
① 原始輸入 → 00_Inbox
所有新內容統一入口，不管格式
② Agent 自動分類整理（階段二）
讀 _INDEX.md → 走判斷樹 → 寫入對應目錄
③ LLM Wiki 提煉概念、生成雙鏈（階段三）
概念自動提煉，知識網絡自動生長
④ 圖譜視圖 + 語義檢索
知識網絡可視化 + 自然語言提問，知識庫從"存儲工具"變成"思考夥伴"
六、這套系統到底解決了什麼
之前筆記散落在飛書、本地、手機，找不到
現在統一在 Obsidian，結構清晰
之前記了就忘，用不上
現在結構化存儲 + 語義檢索，隨時可查
之前整理筆記太費時間
現在AI 自動分類整理，我只負責扔
之前知識是孤島，無法關聯
現在LLM Wiki 自動生成雙鏈，知識網絡可視化
之前擔心數據安全、產品倒閉
現在全部本地存儲，不依賴任何雲服務
總結
這套系統的核心邏輯只有一句話：
重點：降低存入門檻，提高取用效率，讓 AI 負責中間的整理。
你不需要是技術大佬。Obsidian 免費，插件免費，AI 工具越來越便宜。整套系統的啓動成本幾乎為零。
唯一需要你做的，是養成一個習慣：有東西就扔 Inbox。
剩下的，交給 AI。
hermes系列文章
持續更新，建議每篇認真閲讀
【不推薦用官方命令】Windows 環境下安裝Hermes及遷移Openclaw的實操分享
借鑑劉小排的 BuilderPulse ：我用 Hermes 發現值得看的github項目
【Hermes整理】OpenClaw 變現項目地圖：6 大賽道
我把 OpenClaw 的 Agent 無縫遷移到了 Hermes——就靠這一份 Skill
借鑑 Hermes 優化 OpenClaw：讓你的 AI 學會記、會覆盤、會巡檢
openclaw系列文章
openclaw系列文章
持續更新，建議每篇認真閲讀
配置與理解
別被騙，OpenClaw 可以 24 小時幹活——但你得先做對這 6 件事
火了三個月的"龍蝦"，普通人裝了真的有用嗎？
用 OpenClaw 把 AI 失憶治好：開關、精簡、外掛三步走
多 Agent 與協作
技能與工具
實戰與案例
排錯與安全
關於嬌姐
40+ IT 從業者，前榮耀員工，現專注 AI 效率工具研究與實踐。持續輸出 OpenClaw 及 AI 工具的乾貨教程與落地案例，偶爾分享職場思考與生活感悟。
提示：覺得有用，點贊、關注、轉發，是我持續創作的動力。