分享我的經驗：基於 LLM + Obsidian 搭建 AI知識庫
整理版優先睇
LLM + Obsidian 搭建 AI 知識庫：你淨係負責收集，其餘全交畀 AI 做
呢篇文章係作者分享佢點樣用 LLM 加 Obsidian 打造 AI 知識庫嘅實戰經驗。作者以前整理筆記好痛苦，又搞標籤又搞連結，搞到人都癲。而家佢嘅核心諗法係：你淨係負責無腦收集素材，啲髒活累活全扔畀 AI 做。成個系統由一個 Inbox 入手，經過 LLM 預處理、自動編譯、建立雙向連結，最後變成結構化嘅 Wiki 詞條，放喺 Obsidian 度做前端展示。作者特別強調要防止 AI 亂作，所以要用文件夾物理隔離，分出 sources 同 wiki_by_llm 兩個區。
成個流程係咁：首先，你開個 01_Inbox/ 文件夾，咩乾貨文章、論文、連結都丟入去，唔使分類。然後叫 LLM 做「包漿預處理」，自動加 YAML 屬性、抽 summary、刪廢話。跟住再用 LLM 將啲亂七八糟嘅筆記編譯成 Wiki 結構，自動加 [[維基連結]]。之後，Obsidian 只係用嚟睇，你唔使自己鬱手寫。當你累積夠 100 篇文，就可以用 LLM 直接讀全域索引，榨取知識出 PPT 或者報告。最後仲要定期叫 LLM 做矛盾稽查，清理邏輯衝突。
整體嚟講，呢套方法嘅精髓係「LLM 寫，你睇」，將知識庫變成一個自動化內容工廠。作者提供咗好多具體 prompt，可以直接複製去用。關鍵係要守住防污染底線：用文件夾隔離 AI 生成同原始資料，確保資料庫唔會變成一鍋粥。呢個 workflow 適合所有想用 AI 提升筆記效率嘅人，尤其係用…
- 結論：LLM 做「知識編譯器」，你淨係負責收集素材，其餘全自動化。
- 方法：Inbox 收集 → LLM 清洗預處理 → 自動建立雙向連結 → 形成 Wiki 結構化詞條。
- 差異：唔再需要人手整理標籤同連結，AI 幫你搞掂曬，Obsidian 只係前端展示。
- 啟發：筆記係 LLM 最好嘅上下文，累積夠 100 篇就可以用 LLM 直接榨取知識，唔使向量數據庫。
- 可行動點：用文件夾物理隔離 sources 同 wiki_by_llm，防止 AI 污染；定期用 LLM 做矛盾稽查。
自動清洗預處理 Prompt
用來清洗剛剪藏嘅原始文章，補充 YAML 屬性（tags, summary, tools_mentioned），剔除廣告廢話。
Wiki 自動雙鏈編譯 Prompt
將雜亂無章嘅原始閲讀筆記重新編譯成結構化前端詞條，自動加上 Obsidian [[維基連結]]，並輸出【相關引用】。
絕對閉環的榨取知識 Prompt
基於本地 Markdown 文檔，蒐集特定主題嘅碎片，嚴禁瞎編，必須 100% 摳庫裏內容，並標註出處。
矛盾稽查與清理 Prompt
分析標題帶 [工具推薦] 嘅文檔，提取邏輯衝突（打臉記錄），並補填未寫定義嘅概念詞。
第一步：餵數據，最爽嘅環節
建個 01_Inbox/ 文件夾，然後將你見到嘅乾貨文章、論文、GitHub 連結甚至圖片，全部掉入去。唔好分類，唔好排版。
最爽嘅體驗係叫 AI 做「包漿預處理」
例如你用 Obsidian Web Clipper 剪咗篇少數派 2 萬字嘅文章，直接掉入 Inbox，然後用下面呢個 prompt 叫 LLM 自動補充 YAML 屬性、抽 summary、刪廢話。
你是一個雷厲風行的資料分揀管家。而家用戶扔進了一篇剛剪藏的未經梳理的原始文章。請閲讀後，直接在原文件開頭以 YAML 屬性格式補充以下信息：
1. tags：提取 3-5 個核心標籤，比如 "效率/Obsidian"。2. summary：用 50 個字以內的大實話提煉這篇文章到底講了啥，解決什麼痛點。3. tools_mentioned：列舉文章裏提到的冷門插件或工具名稱。然後將正文裏明顯的廣告或廢話剔除，僅保留核心框架。第二步：LLM 自動化構建知識體系
呢步係重頭戲：你叫 LLM 將 Inbox 嗰堆「毛坯房」數據，硬生生編譯成精裝修嘅 Wiki 結構圖，連雙向連結都唔使你手動打括弧。
凡係可以獨立成篇嘅核心技術名詞，必須強行用 [[專業概念]] 括起嚟
例如你丟咗幾十篇關於「AI 代理架構」嘅散碎筆記，LLM 會順勢將裏面嘅共性術語自動加上維基連結，仲會輸出【相關引用】模組。
這裏有幾篇雜亂無章的原始閲讀筆記。請你幫我把它們重新編譯成一篇結構化的前端詞條。執行規則：
1. 大刀闊斧地重寫核心思路，不用照抄原文。2. 關鍵指令：凡是你認為可以獨立成篇的核心技術名詞（例如：知識圖譜、RAG、Agents等），必須強行使用 Obsidian 的中括號語法將其圈起來，變成 [[專業概念]] 的形式。3. 在文檔最後，輸出一個【相關引用】模塊，註明結論來源於哪些原始文檔。行完之後，筆記內容就會變成「最近看到 [[OpenAI]] 發佈咗新模型」，系統詞條即刻串連起嚟。
第三步：Obsidian 只係前端，LLM 先係主力
好多人用 Obsidian 都用成苦力，一嚟就糾結裝 100 個插件。作者話：將 Obsidian 當成純粹嘅「套殼前端」就得啦。
LLM 寫，你只管睇
平時你喺 Obsidian 睇下啲碎碎念，或者審閲 LLM 自動編譯好嘅結構網。記住條鐵律：你唔使自己寫。
例如你想做個分享，用下面呢個 prompt 叫 LLM 蒐集相關碎片，100% 摳自己庫嘅內容，仲要標註出處。
而家你是呢個知識庫的老闆。基於我掛載的呢啲本地 Markdown 文檔，請你幫我幹一件事：蒐集所有和【知識庫構建與筆記方法】相關的碎片。要求：
1. 嚴禁瞎編和聯網擴充，必須 100% 摳的是我們自己庫裏的內容精華！2. 將提煉的經驗按“工具篇”、“心法篇”列好。3. 所有觀點後面，都要用括號標註出最早出處是來源於哪篇文檔，比如（指向 [[《卡片盒筆記法實踐》.md]]）。第四步：榨乾每一滴輸出價值，兼定期體檢
千祈唔好喺 LLM 對話框睇完就算！要叫 LLM 將啲輸出直接落盤，保存為筆記。
所有查詢沉澱，必須另存一份，歸檔回 Wiki
例如用「無腦出圖/出 PPT Prompt」將總結轉成 Marp 格式，即刻變成可演示嘅幻燈片。
就用你剛剛給我總結出的那兩大篇“工具篇”和“心法篇”的筆記。而家，立刻把呢啲核心要點轉換成 Marp 格式的 Markdown 代碼！排版要求：
• 拆成 6 頁 PPT，每一頁一句話核心觀點，副標題用幽默口吻補刀。• 首層封面必須帶有賽博朋克的起名風格（例如：《極客筆記裝X指南》）。請直接給我全量可用的 .md 代碼塊，我複製下來馬上就能放映。另外要定期體檢：叫 LLM 去稽核邏輯衝突。
矛盾稽查與清理 Prompt
警告檢查：請分析我提供的所有標題帶 [工具推薦] 的文檔。
1. 打臉記錄提取：如果你發現我在 2023 年的文章裏說“XXX不可替代”，但在 2024 年的文章裏說“XXX就是個垃圾”，請狠狠地把呢啲邏輯衝突提出來取笑我，並列出清單。
2. 填詞縫隙補滿：找出這批文檔裏只提了名字但徹底忘了寫怎麼用的嗰啲概念詞，通過聯網搜索把定義給我補寫在表格裏，我好粘貼回去。盤問越多，庫越厚。
第五步：守住防污染嘅底線，同工具鏈總結
工具鏈總結：
- 本地筆記老巢：Obsidian
- 無腦剪藏資訊源：Obsidian Web Clipper
- 一秒變演示 PPT：Marp 插件
- LLM 主力：OpenCode / Gemini CLI / Claude Code 等
一句話帶走嘅核心閉環：狂存文件 → 丟畀 LLM 全自動編譯 → 長出無數 .md 詞條 → 對住 CLI 瘋狂審問並提取新筆記 → 喺 Obsidian 舒服睇大盤。
時代變咗，讓 AI 替你當苦力
今日就嚟盤點下我點樣基於 LLM + Obsidian 建立 AI 知識庫。（真係怕你學唔識，每個步驟都附上詳細嘅提示詞，拎走唔使客氣！）
以前我哋記筆記，整理標籤、搞連結真係會搞到人都癲。而家？直接叫 LLM 做「知識編譯器」。你只需要無腦收集素材，剩低嘅辛苦嘢全部交俾 AI。
本質上就係：你好少需要直接去編輯 Wiki 裏面嘅節點，嗰啲已經係 LLM 任意馳騁嘅地盤嚟。 呢個思路真係絕。
前排提示：以下唔係齋吹水嘅方法論，每一步我都將真實嘅場景示例和硬核提示詞（Prompt）俾你拎出嚟，睇完直接複製去用。
1. 餵數據呢步最爽
建個 01_Inbox/ 文件夾，然後將你見到嘅乾貨文章、睇到一半嘅論文、Github 倉庫連結甚至係圖片，全部就咁掉入去就得。唔好分類，唔好排版。
實戰場景：
今日你喺少數派見到一篇 2 萬字嘅 Obsidian 進階技巧文，直接用 Obsidian Web Clipper 整頁剪裁成 Markdown，掉入 01_Inbox/ 裏面。
呢個時候最爽嘅體驗係叫醒 AI 做個「包漿預處理」。
💡 自動清洗預處理 Prompt：
你係一個效率極高嘅資料分揀管家。而家用戶掉咗一篇啱啱剪藏嘅未經梳理嘅原始文章。
請閲讀之後，直接喺原文件開頭以 YAML 屬性格式補充以下資訊：1.
tags：提取 3-5 個核心標籤，例如「效率/Obsidian」。2.
summary：用 50 個字以內嘅大實話提煉呢篇文章到底講咗啲乜，解決咩痛點。3.
tools_mentioned：列舉文章裏面提到嘅冷門插件或工具名稱。然後將正文裏面明顯嘅廣告或廢話剔除，淨係保留核心框架。
2. LLM 自動化構建知識體系（Wiki 係重頭戲）
叫 LLM 將你 01_Inbox/ 裏面嗰堆亂七八糟嘅「毛坯房」數據，硬生生編譯成精裝修嘅 Wiki 結構圖！連整雙向連結都唔使你手動打括號。
實戰場景：
你掉咗一個星期收集嘅幾十篇關於「AI 代理架構」嘅散碎短筆記。LLM 讀完之後，可以順勢將裏面提到嘅共性術語，自動加上 Obsidian 特色嘅 [[維基連結]]。
💡 Wiki 自動雙鏈編譯 Prompt：
呢度有幾篇雜亂無章嘅原始閲讀筆記。請你幫我將佢哋重新編譯成一篇結構化嘅前端詞條。
執行規則：1. 大刀闊斧咁重寫核心思路，唔使照抄原文。
2. 關鍵指令：凡係你認為可以獨立成篇嘅核心技術名詞（例如：知識圖譜、RAG、Agents等），必須強制使用 Obsidian 嘅中括號語法將佢圈起嚟，變成
[[專業概念]]嘅形式。3. 喺文件最後，輸出一個【相關引用】模塊，註明結論來源於邊啲原始文件。
呢條平平無奇嘅提示詞經過 LLM 執行之後，神奇嘅結果出現咗，你會發現筆記內容變咗：「最近見到 發佈咗新嘅多模態推流大模型，呢個標誌住 邁向新台階」。
喺筆記內容中系統詞條都直接串連起嚟！
3. Obsidian 就係個前端展示層
好多人用 Obsidian 將自己用成咗苦力！一嚟先糾結裝 100 個插件……
將佢當成純粹嘅「套殼前端」就得。平時你喺裏面睇幾眼最原始嘅碎碎念，或者審閲 LLM 啱啱自動編譯好嘅一整張結構網。
再講一次嗰個鐵律：LLM 寫，你只管睇。
4. 筆記係 LLM 最好嘅上下文
一旦你個庫入面儲咗大約 100 篇文章以上，體驗直接起飛。
唔使去搞咩高深莫測嘅向量數據庫架構，直接用 LLM 去讀所有小摘要合併出嚟嘅「超級索引文件」。
實戰場景：
你想同組入面做個分享，講下你呢半年積累嘅「知識庫管理」經驗。
💡 絕對閉環嘅榨取知識 Prompt：
而家你係呢個知識庫嘅老細。基於我掛載嘅呢啲本地 Markdown 文件，請你幫我做一件事：
蒐集所有同【知識庫構建與筆記方法】相關嘅碎片。
要求：1. 嚴禁亂編同聯網擴充，必須 100% 摳嘅係我哋自己庫入面嘅內容精華！
2. 將提煉嘅經驗按「工具篇」、「心法篇」列好。
3. 所有觀點後面，都要用括號標註出最早出處係來源於邊篇文件，例如（指向
[[《卡片盒筆記法實踐》.md]]）。
5. 榨乾每一滴輸出價值
千祈唔好喺終端大模型對話框睇完就清空曬！暴殄天物呀老弟。
必須叫 LLM 將啱啱講嘅嗰啲話，按格式直接輸出儲存，保存做筆記！
實戰場景：
啱啱嗰份總結好嘅經驗直接變成可演示嘅幻燈片。
💡 無腦出圖/出 PPT Prompt：
就用你啱啱幫我總結出嘅嗰兩大篇「工具篇」同「心法篇」嘅筆記。
而家，即刻將呢啲核心要點轉換成 Marp 格式嘅 Markdown 代碼！
排版要求：• 拆成 6 頁 PPT，每一頁一句話核心觀點，副標題用幽默口吻補多刀。
• 第一層封面必須帶有賽博朋克嘅改名風格（例如：《極客筆記裝X指南》）。
請直接俾我全部可用嘅.md代碼塊，我複製落嚟即刻就可以放映。
核心精髓：所有嘅查詢沉澱，必須另外保存一份，歸檔返去 Wiki。 盤問越多，庫越厚。
6. 日常體檢行起來
校個鬧鐘，放 LLM 自己去幫知識庫行體檢。
實戰場景：
你上個月狂讚 Notion，呢個月又沉迷 Obsidian，你啲舊筆記肯定喺度自相矛盾。
💡 矛盾稽查與清理 Prompt：
警告檢查：請分析我提供嘅所有標題帶
[工具推薦]嘅文件。1. 打臉記錄提取：如果你發現我喺 2023 年嘅文章入面話「XXX不可替代」，但喺 2024 年嘅文章入面話「XXX就係個垃圾」，請狠狠咁將呢啲邏輯衝突提出嚟取笑我，並列出清單。
2. 填詞縫隙補滿：揾出呢批文件入面淨係提咗名但徹底唔記得寫點用嘅嗰啲概念詞，透過聯網搜索將定義幫我補寫喺表格入面，我好黐貼返過去。
7. 守住防污染嘅底線
特別要強調嘅一點：AI 亂作亂吹嘅嘢，如果同你親手存嘅第一手資料撈埋一齊，呢個庫以後就廢咗。
點樣破解？真理只有一個：文件夾物理隔離。
📁 知識庫/
├── 📁 00_Inbox
└── sources/ # 絕對權威區：你自己辛辛苦苦保存的原文、原文章和金句出處
└── 📁 01_wiki_by_llm/ # AI 撒野區：全是 LLM 每天給你翻譯、編譯、總結的周邊筆記
一旦發現 LLM 輸出質量崩潰，直接將 wiki_by_llm/ 成個鏟走刪咗佢再靠 sources 編譯，根基穩到不得了。
工具鏈小結
| Obsidian | |
| Obsidian Web Clipper | |
| Marp 插件 | |
一句話帶走嘅核心閉環：
狂存文件 (Raw Data) → 丟給 LLM 全自動編譯 → 長出無數 .md 詞條 → 對着 CLI 瘋狂審問並提取新筆記 → 躺在 Obsidian 裏舒舒服服看大盤
唔好再自己咁辛苦去敲鍵盤搞高亮同文件夾整理喇。時代變咗，叫 AI 幫你做苦力！
今天來盤一盤我是如何基於 LLM + Obsidian 搭建 AI知識庫。（真怕你學不會，每一步都附詳細的提示詞，拿走不謝！）
以前我們記筆記，整理標籤、搞連結能把人老命折騰半條。現在？直接讓 LLM 當“知識編譯器”。你只需要無腦收集素材，剩下的髒活累活全甩給 AI。
本質上就是：你很少需要直接去編輯 Wiki 裏的節點，那已經是 LLM 肆意馳騁的地盤了。 這思路絕了。
前排提示：下面不是純扯淡的方法論，每一步我都把真實的場景示例和硬核提示詞（Prompt）給你拉出來了，看完直接複製去跑。
1. 喂數據這步最爽
建個 01_Inbox/ 文件夾，然後把你看到的乾貨文章、啃到一半的論文、Github 倉庫連結甚至是圖片，全特麼往裏扔就行。別去分類，別去排版。
實戰場景：
今天你在少數派看到一篇 2 萬字的 Obsidian 進階技巧文，直接用 Obsidian Web Clipper 整頁剪裁成 Markdown，丟進 01_Inbox/ 裏面。
此時最爽的體驗是喚醒 AI 做個“包漿預處理”。
💡 自動清洗預處理 Prompt：
你是一個雷厲風行的資料分揀管家。現在用戶扔進了一篇剛剪藏的未經梳理的原始文章。
請閲讀後，直接在原文件開頭以 YAML 屬性格式補充以下信息：1.
tags：提取 3-5 個核心標籤，比如 "效率/Obsidian"。2.
summary：用 50 個字以內的大實話提煉這篇文章到底講了啥，解決什麼痛點。3.
tools_mentioned：列舉文章裏提到的冷門插件或工具名稱。然後將正文裏明顯的廣告或廢話剔除，僅保留核心框架。
2. LLM 自動化構建知識體系（Wiki 是重頭戲）
讓 LLM 把你 01_Inbox/ 裏那堆亂七八糟的“毛坯房”數據，硬生生編譯成精裝修的 Wiki 結構圖！連發雙向連結也不用你手動打括弧了。
實戰場景：
你丟進了一週收集的幾十篇關於“AI 代理架構”的散碎短筆記。LLM 讀完後，能夠順勢把裏面提到的共性術語，自動加上 Obsidan 特色的 [[維基連結]]。
💡 Wiki 自動雙鏈編譯 Prompt：
這裏有幾篇雜亂無章的原始閲讀筆記。請你幫我把它們重新編譯成一篇結構化的前端詞條。
執行規則：1. 大刀闊斧地重寫核心思路，不用照抄原文。
2. 關鍵指令：凡是你認為可以獨立成篇的核心技術名詞（例如：知識圖譜、RAG、Agents等），必須強行使用 Obsidian 的中括號語法將其圈起來，變成
[[專業概念]]的形式。3. 在文檔最後，輸出一個【相關引用】模塊，註明結論來源於哪些原始文檔。
這條平平無奇的提示詞經過LLM執行之後，神奇的結果出現了，你會發現筆記內容變成了：“最近看到 發佈了新的多模態推流大模型，這標誌着 邁向新台階”。
在筆記內容中系統詞條都直接串連起來了！
3. Obsidian 就是個前端展示層
很多人用 Obsidian 把自己用成了苦力！一上來先糾結裝100個插件……
把它當成純粹的“套殼前端前端”就行。平時你就在裏面瞟幾眼最原始的碎碎念，或者審閲 LLM 剛才自動編譯好的一整張結構網。
再說一遍那個鐵律：LLM 寫，你只管看。
4. 筆記是LLM最好的上下文
一旦你庫裏攢了大概 100 篇文章以上，體驗直接起飛。
不用去折騰什麼深不可測帶向量數據庫的架構，直接用 LLM 去讀所有小摘要合併出的“超級索引文件”。
實戰場景：
你想給組裏做個分享，講講你這半年積攢的“知識庫管理”經驗。
💡 絕對閉環的榨取知識 Prompt：
現在你是這個知識庫的老闆。基於我掛載的這些本地 Markdown 文檔，請你幫我幹一件事：
蒐集所有和【知識庫構建與筆記方法】相關的碎片。
要求：1. 嚴禁瞎編和聯網擴充，必須 100% 摳的是我們自己庫裏的內容精華！
2. 將提煉的經驗按“工具篇”、“心法篇”列好。
3. 所有觀點後面，都要用括號標註出最早出處是來源於哪篇文檔，比如（指向
[[《卡片盒筆記法實踐》.md]]）。
5. 榨乾每一滴輸出價值
千萬別在終端大模型對話框裏看完就清空了！暴殄天物呀老弟。
必須讓 LLM 把剛才逼逼的那些話，按格式直接輸出落盤，保存為筆記！
實戰場景：
剛才那份總結好經驗直接變可演示的幻燈片。
💡 無腦出圖/出 PPT Prompt：
就用你剛剛給我總結出的那兩大篇“工具篇”和“心法篇”的筆記。
現在，立刻把這些核心要點轉換成 Marp 格式的 Markdown 代碼！
排版要求：• 拆成 6 頁 PPT，每一頁一句話核心觀點，副標題用幽默口吻補刀。
• 首層封面必須帶有賽博朋克的起名風格（例如：《極客筆記裝X指南》）。
請直接給我全量可用的.md代碼塊，我複製下來馬上就能放映。
核心精髓：所有的查詢沉澱，必須另存一份，歸檔回 Wiki。 盤問越多，庫越厚。
6. 日常體檢跑起來
定個鬧鐘，放 LLM 自己去給知識庫跑體檢。
實戰場景：
你上個月狂吹 Notion，這個月又沉迷 Obsidian，你的舊筆記肯定在自相矛盾。
💡 矛盾稽查與清理 Prompt：
警告檢查：請分析我提供的所有標題帶
[工具推薦]的文檔。1. 打臉記錄提取：如果你發現我在 2023 年的文章裏說“XXX不可替代”，但在 2024 年的文章裏說“XXX就是個垃圾”，請狠狠地把這些邏輯衝突提出來取笑我，並列出清單。
2. 填詞縫隙補滿：找出這批文檔裏只提了名字但徹底忘了寫怎麼用的那些概念詞，通過聯網搜索把定義給我補寫在表格裏，我好粘貼回去。
7. 守住防污染的底線
特別敲黑板的一點：AI 瞎編口胡的玩意兒，要是跟你親手存的第一手數據攪合在一起，這庫以後就廢了。
怎麼破？真理只有一個：文件夾物理隔離。
📁 知識庫/
├── 📁 00_Inbox
└── sources/ # 絕對權威區：你自己辛辛苦苦保存的原文、原文章和金句出處
└── 📁 01_wiki_by_llm/ # AI 撒野區：全是 LLM 每天給你翻譯、編譯、總結的周邊筆記
一旦發現 LLM 輸出質量崩盤，直接把 wiki_by_llm/ 連鍋端了刪掉重新靠 sources 編譯，根基穩得一批。
工具鏈小結
| Obsidian | |
| Obsidian Web Clipper | |
| Marp 插件 | |
一句話帶走的核心閉環：
狂存文件 (Raw Data) → 丟給 LLM 全自動編譯 → 長出無數 .md 詞條 → 對着 CLI 瘋狂審問並提取新筆記 → 躺在 Obsidian 裏舒舒服服看大盤
別再自己苦哈哈去敲鍵盤搞高亮和文件夾整理了。時代變了，讓 AI 替你當苦力！