第007篇｜ Claude + Obsidian如何真正用好你的第二大腦
整理版優先睇
Claude + Obsidian 將 Obsidian 倉庫變成自動整合知識嘅 Wiki 系統，透過 /save、/autoresearch、/canvas 三個命令同持續導入習慣，令知識像複利咁累積。
呢篇文章係一篇技術指南，介紹 claude-obsidian 呢個 Claude Code 技能，由社羣開發，目標係解決兩個常見問題：AI 對話完就失憶，同埋 Obsidian 筆記寫完就無人再睇。作者提出一個整合方案，將 Obsidian 倉庫變成一個可持續積累同生長嘅 Wiki 知識系統。
整體結論係：只要準備好 Obsidian、Node.js 同 Claude Code，安裝技能後初始化，再養成習慣將任何資料放入 .raw/.raw/ 並執行 ingest，Claude 就會自動抽取概念、建立 wikilink、標記矛盾點，將新資料整合入既有知識網絡。系統使用熱緩存（hot.md）同索引（index.md），只加載相關頁面，所以即使倉庫擴展到幾千頁，token 成本都唔會失控。
日常使用只需三個命令：/save 將對話保存為 wiki 頁面，/autoresearch 針對主題做多輪研究並生成結構化頁面，/canvas 生成可視化知識圖譜。一個多月後，Obsidian 嘅 graph view 會顯示按顏色分層嘅知識地圖，主題形成簇狀結構，矛盾點被標記，真正實現「第二大腦」嘅願景。
- 結論：claude-obsidian 能夠將 Obsidian 轉化為自動成長嘅知識網絡，解決 AI 失憶同筆記孤立問題。
- 方法：只需三步：準備 Obsidian、Node.js、Claude Code；安裝技能；初始化 vault。
- 差異：同一般 AI 搜索工具唔同，呢套系統會自動抽取概念、建立 wikilink、標記矛盾點，唔需要手動維護。
- 啟發：三個核心命令（/save、/autoresearch、/canvas）令到知識管理自動化，特別係 /autoresearch 會做多輪研究。
- 可行動點：養成習慣將任何資料放入 .raw/.raw/ 並執行 ingest，系統會自動整合成結構化 wiki 頁面。
背景：AI 失憶同筆記孤立嘅雙重問題
你嘅 AI，關掉聊天窗口嗰一刻就開始失憶。你嘅 Obsidian 倉庫堆滿筆記，但幾乎冇人回頭睇，連你自己都一樣。呢兩個問題放埋一齊，會唔會互相抵消？呢正正係 claude-obsidian 要做嘅事。
claude-obsidian 係一個為 Claude Code 設計嘅技能，能將 Obsidian 倉庫變成可持續積累嘅 Wiki 知識系統
claude-obsidian 唔同於一般 AI 搜索工具，佢遵循 Karpathy 提出嘅 LLM Wiki 思路。
LLM Wiki 思路：你只要將 PDF、URL、字幕、網頁等原始材料丟入去，Claude 就會自動完成結構化工作
具體來講，佢會抽取概念、創建帶 frontmatter 嘅結構化頁面、自動加 wikilink、標記矛盾點，並歸檔到合適位置。
每增加一份新資料，增強嘅係整個知識網絡，而唔係再多一篇孤立筆記
搭建：三個準備、三步安裝
開始之前，你需要準備三樣嘢：Obsidian（免費）、Node.js 18 或以上、Claude Code 桌面端配套環境。
- 1 下載 Obsidian，新建一個 vault，本質上就係一個 Markdown 文件夾。
- 2 確保 Node.js 版本 v18 或以上，否則下載 LTS 版本。
- 3 安裝 Claude Code，即 Claude 嘅命令行版本，可直接讀寫電腦文件。
然後打開 Claude，進入 vault 目錄，粘貼安裝命令。插件會自動將全部 10 個技能複製入 vault，唔需要手動下載。
執行安裝命令後，技能會自動複製，唔需要手動下載
第一次啟動時輸入初始化命令，Claude 會自動搭建完整 vault 結構：包括 wiki 目錄、hot cache、index 及其他基礎文件。佢會先展示要創建嘅內容俾你確認，然後先真正執行。
初始化命令會自動搭建 wiki 目錄、hot cache、index
核心命令與日常習慣：三個命令一個習慣
日常最核心嘅命令只有三個，只要你經常用，系統就會越長越完整。
- /save：每次同 Claude 討論出有價值嘅內容，輸入 /save 佢會讀取對話，提取觀點，自動生成格式規範嘅 wiki 頁面，補好 frontmatter 同 wikilink，並更新索引。
- /autoresearch：想圍繞一個主題深入研究，輸入 /autoresearch，Claude 會進行 3-5 輪搜索，最終整理成結構化 wiki 頁面，並同既有概念交叉引用。
- /canvas：想「睇見」知識關係，用 /canvas 生成 Obsidian Canvas（無限畫布），自動排列知識節點，可製作流程圖、知識圖譜、時間線等。
/save、/autoresearch、/canvas 三個命令
wiki-ingest agent 會自動檢查新資料同既有知識嘅衝突，如果發現矛盾，會用 [!contradiction] 標記。
自動標記矛盾點
日常最關鍵嘅習慣係持續導入。只要遇到值得保留嘅內容——文章、PDF、視頻字幕、會議紀要——就放入 .raw/.raw/ 文件夾，然後告訴 Claude 去 ingest。
ingest 後會生成 8-15 個關聯頁面，平均十幾個 wikilink
成本控制與成果：熱緩存令 token 成本唔失控
你可能擔心倉庫變大後 token 成本好高。但呢套系統只會按順序加載三類文件：hot.md（約500 tokens）、index.md（每頁一行）、同埋真正相關嘅頁面。所以即使 vault 有幾千頁，成本都唔會失控。
系統只加載 hot.md、index.md 同相關頁面，即使幾千頁成本都唔會失控
用幾星期後，打開 Obsidian 嘅 graph view，你會見到一張按顏色分層嘅知識地圖：讀過嘅內容、想過嘅問題、形成嘅概念、積累嘅來源都自動連成網絡。深入研究嘅主題自然形成簇狀結構，矛盾點亦被標記。
graph view 顯示按顏色分層嘅知識地圖，主題形成簇狀結構
矛盾點亦被標記
你嘅 AI，喺你熄咗對話視窗嗰一刻就開始失憶。
你嘅 Obsidian 倉庫裡面塞滿咗筆記，但幾乎冇人會返睇，連你自己都係一樣。咁如果將呢兩個問題擺埋一齊，會唔會剛好互相抵消？
這正是 claude-obsidian 做緊嘅嘢。佢係一個為 Claude Code 設計嘅技能，可以將你嘅 Obsidian 倉庫變成一個可持續積累、可持續生長嘅 Wiki 知識系統。
你後來加入嘅每一份資料，都會被整合曬入成個知識網絡；你之後提出嘅每一個問題，亦都會由已經讀過嘅內容裡面揾答案。
知識會好似複利咁累積。Claude 之所以唔會忘記你之前做緊乜，唔係因為佢「記憶力突然變強」，而係因為系統喺每次會話都會加載一份熱緩存。
呢篇文章就係完整嘅搭建說明。你只要一步一步跟住做，最後會得到一個真係用得嘅系統，而且佢會隨住你嘅使用變得越來越聰明。
喺執行任何命令之前，先講清楚呢套嘢到底解決咗乜問題。
大多數所謂嘅 Obsidian + AI 工具，本質上只係「俾 AI 同你啲筆記傾嚇計」，最多算係一個好睇啲嘅 AI 搜尋界面。筆記仲係你寫，連結仲係你建，維護工作都係你自己做。
但 claude-obsidian 唔同。佢跟嘅係 Karpathy 提出嘅 LLM Wiki 思路：你只要將 PDF、URL、字幕、網頁、筆記呢啲原始材料掉入去，Claude 就會幫你完成後續大部份嘅結構化工作。
佢會抽取概念、建立帶 frontmatter 嘅結構化頁面、自動加 wikilink、標記同現有知識矛盾嘅地方，並將內容歸檔到合適嘅位置。
每加一份新資料，強化嘅係成個知識網絡，而唔係又多一篇孤立筆記。
下面開始正式搭建。
第一步：開始之前，你需要準備啲乜
總共準備三樣嘢，順序咁嚟。第一樣係 Obsidian。
先下載佢。Obsidian 係免費嘅。安裝之後新建一個 vault，本質上佢就係你電腦上嘅一個 Markdown 資料夾，名你自己改。
然後你需要 Node.js。
Claude Code 需要 Node.js 18 或以上版本先用到，所以先 check 嚇你嘅版本符唔符要求。
如果你見到 v18 或以上，就可以直接繼續；如果唔係，就去下載安裝 LTS 版本。
Claude Code
Claude Code 係 Claude 嘅命令行版本，佢可以直接讀寫你電腦上嘅檔案。呢度我哋安裝桌面端配套環境就得。
第二步：安裝 claude-obsidian
打開 Claude，入去你啱啱建立嘅 Obsidian 倉庫目錄，然後將安裝命令貼上去。
跟住將後面兩條命令順次序執行：第一條、第二條。
執行完成之後，插件會自動將全部 10 個技能複製入你嘅 vault，唔使你手動下載檔案，亦唔使自己另外寫腳本。
第三步：第一次啟動
仍然喺 Claude Code 裏面，輸入初始化命令。
Claude 會自動幫你搭好完整嘅 vault 結構：包括 wiki 目錄、hot cache、index 以及其他基本檔案。更重要嘅係，佢會先將要建立嘅內容 show 俾你確認，然後先真正執行。
你最後會見到一個類似下面嘅結果。
呢個時候，你嘅「第二大腦」就已經初始化完成，可以開始做嘢。
第四步：你真正要記住嘅 3 個指令
呢套系統，日常最核心嘅其實得 3 個指令。只要你成日用，佢就會自己越嚟越完整。
/save
每次你同 Claude 討論出啲有價值嘅嘢，例如一個決策、一個概念、一份項目方案，完咗之後輸入：
/save
Claude 會讀曬成段對話，抽出關鍵觀點，自動生成格式規範嘅 wiki 頁面，補好 frontmatter 同 wikilink，並將佢哋放入正確目錄，同時更新 index。
咁樣一來，好嘅對話就唔會再隨住會話結束而消失，而係會被歸檔落嚟。
/autoresearch
如果你想圍繞一個主題深入研究，就輸入：
/autoresearch
Claude 會先做一輪比較廣泛嘅網絡搜尋，再補齊缺口，再沿住最關鍵嘅來源繼續追蹤，通常會進行 3 到 5 輪研究。
最後佢會將結論整理成結構化 wiki 頁面，並且同你倉庫裏面已有嘅相關概念做交叉引用。
如果你有特定偏好嘅資訊來源，可以編輯下面呢個檔案嚟自訂研究策略：
skills/autoresearch/references/program.md
例如醫學研究者可以寫「優先 PubMed」，創業者可以寫「優先 founder blog 同案例」。如果冇特別需求，預設配置已經夠好用。
/canvas
如果你唔只想「讀」知識，而係想「見到」知識之間嘅關係，就用：
/canvas
Claude 會直接生成一個 Obsidian Canvas，即係一個無限畫布，然後將同你主題相關嘅知識節點自動排入去。
你可以叫佢生成流程圖、知識圖譜、時間線，甚至演示用嘅視覺佈局。
而且你仲可以直接喺 Obsidian 裏面將圖片、PDF、影片、GIF 拖入畫布。Canvas 最終會儲存為 .canvas 檔案，Obsidian 原生支援打開。
第五步：日常最關鍵嘅習慣 —— 持續匯入
呢個其實先係成個系統真正嘅核心習慣。只要你遇到值得保留嘅內容——文章、PDF、影片字幕、會議紀錄——都可以跟住呢個流程加入系統。
先將佢放入 .raw/
.raw/ 資料夾就係你嘅原始資料檔案庫。你可以拉檔案入去、貼網址、存字幕，放咗入去之後就唔好再改佢。呢度保存嘅係你最原始嘅記錄。
然後同 Claude 講去 ingest 佢。
Claude 會呼叫 wiki-ingest agent。對於一份普通嘅 20 頁文件，佢通常會生成 8 到 15 個互相關聯嘅 wiki 頁面，而且每頁平均會有十幾個 wikilink。
實體會有自己嘅頁面，概念會有自己嘅頁面；如果佢發現新資料同現有知識有衝突，仲會用 [!contradiction] callout 標記出嚟。
成個處理過程仲會記錄落 wiki/log.md。
你自己幾乎唔需要手動維護目錄、標籤或連結，呢啲都由系統搞掂。
跟住，你就可以開始問問題。
Claude 會先讀 hot cache，再 scan index，識別相關 wiki 頁面，然後基於你自己倉庫入面嘅內容俾答案，並標註引用頁面。
即係話，佢引用嘅唔再只係訓練數據，而係你已經整理好、屬於你自己嘅知識資產。
點解倉庫越大，成本都唔會失控？
好多人會擔心：如果將來倉庫有幾千頁內容，會唔會 token 成本越來越高？答案係：不會。
呢套系統只會順序加載 3 類檔案：
hot.md：大約 500 字嘅近期上下文（約 500 tokens）index.md：每頁一行，Claude 通過佢快速判斷邊啲內容相關
相關頁面本身：只加載同當前問題真正有關嘅檔案
所以即使你嘅 vault 擴展到幾千頁，token 成本變化都唔會太大，因為佢從來唔會一次過將所有嘢塞入上下文。
一個多月之後，佢會變成點樣？
連續用幾星期之後，你再打開 Obsidian 嘅 graph view，就會見到一張按顏色分層嘅知識地圖：你讀過嘅內容、諗過嘅問題、形成嘅概念、積累嘅來源、重要實體，都會自動連成網絡。
深入研究嘅主題會自然形成簇狀結構，相近概念之間會自動建立聯繫，矛盾嘅地方亦會被標記出嚟。
呢個先係 Obsidian 當初應承俾你嘅「好似大腦咁」嘅知識圖譜。
以上，就係呢套系統嘅核心諗法。
如果你希望將 AI 由「臨時聊天助手」升級成「可持續工作嘅知識接口」，咁 Claude + Obsidian 呢套組合，的確值得認真搭建起嚟。
你的 AI，在你關掉聊天窗口的那一刻就開始失憶。
你的 Obsidian 倉庫裏堆滿了筆記，但幾乎沒人回頭看，連你自己也一樣。那如果把這兩個問題放在一起，會不會剛好互相抵消？
這正是 claude-obsidian 在做的事。它是一個為 Claude Code 設計的技能，能把你的 Obsidian 倉庫變成一個可持續積累、可持續生長的 Wiki 知識系統。
你後來加入的每一份資料，都會被整合進整個知識網絡；你之後提出的每一個問題，也都會從已經讀過的內容裏調用答案。
知識會像複利一樣累積。Claude 之所以不會忘記你之前在做什麼，不是因為它“記憶力突然變強”，而是因為系統會在每次會話裏都加載一份熱緩存。
這篇文章就是完整的搭建說明。你只要一步一步照着做，最後會得到一個真正可用的系統，而且它會隨着你的使用越來越聰明。
在運行任何命令之前，先說清楚這套東西到底解決了什麼問題。
大多數所謂的 Obsidian + AI 工具，本質上只是“讓 AI 跟你的筆記聊聊天”，最多算是一個更好看的 AI 搜索界面。筆記還是你寫，連結還是你建，維護工作還是你自己做。
但 claude-obsidian 不一樣。它遵循的是 Karpathy 提出的 LLM Wiki 思路：你只要把 PDF、URL、字幕、網頁、筆記這些原始材料丟進去，Claude 會替你完成後續的大部分結構化工作。
它會抽取概念、創建帶 frontmatter 的結構化頁面、自動加 wikilink、標記與既有知識的矛盾點，並把內容歸檔到合適的位置。
每增加一份新資料，增強的是整個知識網絡，而不是再多堆出一篇孤立筆記。
下面開始正式搭建。
第一步：開始之前，你需要準備什麼
一共準備三樣東西，按順序來。第一樣是 Obsidian。
先下載它。Obsidian 是免費的。安裝後新建一個 vault，本質上它就是你電腦上的一個 Markdown 文件夾，名字隨你取。
然後你還需要 Node.js。
Claude Code 依賴 Node.js 18 及以上版本運行，所以先檢查一下你的版本是否滿足要求。
如果你看到的是 v18 或以上，就可以直接繼續；如果不是，就去下載安裝 LTS 版本。
Claude Code
Claude Code 是 Claude 的命令行版本，它可以直接讀寫你電腦上的文件。這裏我們安裝桌面端配套環境即可。
第二步：安裝 claude-obsidian
打開 Claude，進入你剛剛創建的 Obsidian 倉庫目錄，然後把安裝命令粘貼進去。
接着把後面的兩條命令依次執行：第一條、第二條。
執行完成後，插件會自動把全部 10 個技能複製進你的 vault，不需要你手動下載文件，也不需要自己額外寫腳本。
第三步：第一次啓動
仍然在 Claude Code 裏，輸入初始化命令。
Claude 會自動幫你搭好完整的 vault 結構：包括 wiki 目錄、hot cache、index，以及其他基礎文件。更重要的是，它會先把要創建的內容展示給你確認，然後再真正執行。
你最後會看到一個類似下面的結果。
這時候，你的“第二大腦”就已經初始化完成，可以開始工作了。
第四步：你真正要記住的 3 個命令
這整套系統，日常最核心的其實就 3 個命令。只要你經常用，它就會自己越長越完整。
/save
每次你和 Claude 討論出一些有價值的東西，比如一個決策、一個概念、一份項目方案，結束後輸入：
/save
Claude 會讀取整段對話，提取關鍵觀點，自動生成格式規範的 wiki 頁面，補好 frontmatter 和 wikilink，並把它們放進正確目錄，同時更新索引。
這樣一來，好的對話就不會再隨着會話結束而消失，而是會被歸檔下來。
/autoresearch
如果你想圍繞一個主題深入研究，就輸入：
/autoresearch
Claude 會先做一輪較廣的網絡搜索，再補齊缺口，再沿着最關鍵的來源繼續追蹤，通常會進行 3 到 5 輪研究。
最後它會把結論整理成結構化 wiki 頁面，並且和你倉庫裏已有的相關概念做交叉引用。
如果你有特定偏好的信息來源，還可以編輯下面這個文件來自定義研究策略：
skills/autoresearch/references/program.md
比如醫學研究者可以寫“優先 PubMed”，創業者可以寫“優先 founder blog 和案例”。如果沒有特別需求，默認配置已經足夠好用。
/canvas
如果你不只想“讀”知識，而是想“看見”知識之間的關係，那就用：
/canvas
Claude 會直接生成一個 Obsidian Canvas，也就是一個無限畫布，然後把與你主題相關的知識節點自動排進去。
你可以讓它生成流程圖、知識圖譜、時間線，甚至演示用的視覺佈局。
而且你還能直接在 Obsidian 裏把圖片、PDF、視頻、GIF 拖到畫布裏。Canvas 最終保存為 .canvas 文件，Obsidian 原生支持打開。
第五步：日常最關鍵的習慣 —— 持續導入
這其實才是整套系統真正的核心習慣。只要你遇到值得保留的內容——文章、PDF、視頻字幕、會議紀要——都可以按這個流程加入系統。
先把它放進 .raw/
.raw/ 文件夾就是你的原始資料檔案庫。你可以往裏面拖文件、貼網址、存字幕，放進去之後就不要再改它。這裏保存的是你最原始的記錄。
然後告訴 Claude 去 ingest 它。
Claude 會調用 wiki-ingest agent。對於一份普通的 20 頁文檔，它通常能生成 8 到 15 個彼此關聯的 wiki 頁面，而且每頁平均會有十幾個 wikilink。
實體會有自己的頁面，概念會有自己的頁面；如果它發現新資料和既有知識存在衝突，還會用 [!contradiction] callout 標記出來。
整個處理過程還會被記錄進 wiki/log.md。
你自己幾乎不需要手動維護目錄、標籤或連結，這些都由系統完成。
接下來，你就可以開始提問了。
Claude 會先讀 hot cache，再掃描 index，識別相關 wiki 頁面，然後基於你自己倉庫裏的內容給出答案，並標註引用頁面。
也就是說，它引用的不再只是訓練數據，而是你已經整理好的、屬於你自己的知識資產。
為什麼倉庫越大，成本也不會失控？
很多人會擔心：如果以後倉庫裏有幾千頁內容，會不會 token 成本越來越高？答案是：不會。
這套系統只會按順序加載 3 類文件：
hot.md：大約 500 詞的近期上下文（約 500 tokens）index.md：每頁一行，Claude 通過它快速判斷哪些內容相關
相關頁面本身：只加載和當前問題真正有關的那些文件
所以即使你的 vault 擴展到幾千頁，token 成本變化也不會太大，因為它從來不會一次性把所有東西都塞進上下文。
一個多月之後，它會長成什麼樣？
連續用幾周之後，你再打開 Obsidian 的 graph view，就會看到一張按顏色分層的知識地圖：你讀過的內容、想過的問題、形成的概念、積累的來源、重要實體，都會自動連成網絡。
深入研究的主題會自然形成簇狀結構，鄰近概念之間會自動建立聯繫，矛盾點也會被標記出來。
這才是 Obsidian 當初承諾給你的那種“像大腦一樣”的知識圖譜。
以上，就是這套系統的核心思路。
如果你希望把 AI 從“臨時聊天助手”升級成“可持續工作的知識接口”，那 Claude + Obsidian 這套組合，確實值得認真搭起來。