Obsidian + Claude Code：用 AI 管理第二大脑

参考花叔《Obsidian + Claude Code：用 AI 重建你的第二大脑》及 obsidian-ai-orange-book，结合个人实践经验。

核心论点

Obsidian（本地 Markdown 文件夹）+ Claude Code（AI Agent）= 个人知识管理的最优解。

人不擅长整理和检索，AI 擅长。人负责记录和思考，AI 负责整理、关联、检索和维护。你只管往里丢东西，AI 帮你织网。

为什么是 Obsidian

Markdown 是 LLM 的母语

• LLM 的训练数据中 Markdown 是最主要格式之一，对 ## 标题、**加粗、- 列表的理解极其自然
• 同样的信息，Markdown 比 JSON/XML 少 30-50% 的 token，AI 一次能"看到"更多笔记
• AI 的默认输出就是 Markdown，读写都是回家

本地文件 = AI 可直接读写

Claude Code cd 进 vault 目录就能直接读写所有笔记，零配置、零延迟、完整权限。Notion 需要 API、权限受限、格式转换有损。

三个十亿级项目的不约而同

Manus（Meta 20 亿美元收购）用 task_plan.md + notes.md 存 Agent 记忆；OpenClaw（355K+ GitHub 星）用 MEMORY.md + SOUL.md；Claude Code 用 CLAUDE.md + memory/ 目录。三个完全独立的团队，都选择了 Markdown 文件作为 AI Agent 的记忆层。

Claude Code 进场

最简连接

hljs bash
cd ~/Documents/my-vault
claude

不需要插件、不需要 API、不需要 MCP。vault 就是文件夹，Claude Code 操作本地文件系统，两者天然兼容。

CLAUDE.md：给 AI 的员工手册

在 vault 根目录创建 CLAUDE.md，至少包含四块：你是谁、Vault 怎么组织、行为边界、笔记模板。CLAUDE.md 是自然生长的——每次 AI 做错了什么，就加一条规则。

Vault 架构设计

六条设计原则

1. Markdown 是唯一格式 — 不让 AI 处理的信息才放 PDF/Word
2. 保持用词一致 — 统一用「RAG」而非混用「检索增强生成」
3. 扁平优先 — 文件夹不超过三层嵌套，用标签和链接做分类
4. 每条笔记要有 summary — frontmatter 中加一句话摘要
5. frontmatter 五字段 — title、tags、created、type、summary
6. 区分人的输入和 AI 的产出 — notes/ 放原始笔记，ai-output/ 放 AI 生成内容

文件夹 / 标签 / 双链各司其职

• 文件夹管生命周期 — 「这个东西处于什么阶段？」
• #标签管主题 — 「这个东西属于什么领域？」
• [[双链]]管关系 — 「这个概念和哪个概念有直接关系？」

LLM Wiki：让 AI 成为编译器而非检索器

这是 Karpathy 提出的核心理念。

RAG vs LLM Wiki：

• RAG：每次提问 → 搜索原始素材 → 拼接生成回答 → 回答用完即弃（像每天早上失忆的实习生）
• LLM Wiki：AI 阅读原始素材 → 写成 wiki 文章 → 文章被保留和迭代 → 后续提问基于 wiki 回答（编译器做一次工作，产出可复用）

三层架构

text
raw/  →  wiki/  →  output/
源材料    结构化知识   查询产物
(只增不改)  (AI维护)    (报告/分析)

SCHEMA.md 是 wiki 层的"宪法"，定义命名规范、frontmatter 模板、标签体系、wikilink 规则。

7 个真实工作流

关键 Takeaways

1. 你不需成为笔记达人。不需要维护完美的标签系统，甚至不需要手动建双向链接。把知识存成 AI 能读懂的格式，让 AI 来做剩下的事
2. CLAUDE.md 是核心资产。不是一次写成的，是每次 AI 犯错后加一条规则，慢慢长出来的
3. AI 是编译器，不是检索器。让 AI 把原始素材编译成结构化 wiki，知识越用越厚
4. 工具会变，笔记是你的。今天是 Obsidian，明天可能是别的。但 vault 里的 Markdown 文件，永远是你自己的