原文標題:Claude Code + Obsidian 終極指南(打造 AI 第二大腦)
原文作者:AI Edge
編譯:Peggy,BlockBeats
編者按:本文介紹了一種基於 Claude Code 與 Obsidian 搭建的個人知識系統,其核心不再是傳統 RAG 模式下「每次查詢、臨時檢索」的用法,而是嘗試讓 AI 持續構建並維護一個可演變的知識庫(Wiki)。
從結構上看,該系統可以拆分為三層:
·其一,是原始數據層,包括筆記、文章、轉錄內容等不可修改的輸入源;
·其二,是由 AI 維護的結構化知識庫,在持續更新中完成交叉引用與關係構建;
·其三,是 Schema 規則層,用於規範知識的組織方式與系統運作邏輯。
圍繞這一結構,系統通過三類核心操作運行:Ingest(攝取),將外部信息不斷納入體系;Query(查詢),實現對知識的即時調用;Lint(校驗),用於檢查結構一致性並修復潛在問題。
在這一機制下,知識不再停留於一次性對話結果,而是通過「寫入—整理—再利用」的循環,逐步沉澱為可復用的長期資產。作者據此提出,這種模式使知識具備類似「複利」的積累效應:一方面減輕個體的認知負擔,另一方面提升模型輸出的準確性與上下文一致性。
但這一系統的有效運行,也建立在一個前提之上——持續輸入與維護。如果缺乏穩定的數據注入與結構更新,這一「第二大腦」將難以形成真正的積累效應,其優勢也將隨之減弱。
以下為原文:
Claude Code + Obsidian,是我用過最強大的 AI 組合。
我幾乎搭建出了一個「AI 第二大腦」,把我所有的思考、閱讀、寫作、線上研究等內容都納入其中。這裡面包含了我的商業計劃、我發布過的所有 YouTube 影片、寫過的文章,以及一切對我重要的內容。
Claude Code + Obsidian 已經在各個平台上迅速走紅,而且這並非偶然。
對我個人來說,這套 AI 系統極大地減輕了我的認知負擔,讓我能夠把精力集中在真正重要的事情上——無論是業務,還是個人生活。

我的 Claude Code + Obsidian 系統
這套系統看起來也許有點複雜,但實際上搭建只需要 5 分鐘。更關鍵的是,它自帶記憶機制,會隨著使用不斷自我優化。
接下來,我會一步一步帶你復刻這個「AI 第二大腦」系統,它確實能實實在在地提升你的效率。
建議你讀到文章最後——我會附上一份完整的 Claude Code + Obsidian 操作速查表,以及文中提到的所有資源(全部免費)。
這套系統並非我一人原創,它的靈感來自 Andrej Karpathy 幾天前關於「LLM 知識庫」的一條爆火推文。

相關閱讀:https://x.com/karpathy/status/2039805659525644595
這條推文之所以迅速走紅,是因為它為解決當前 AI 發展中的一個關鍵痛點提供了思路。
這個問題就是:每當你開啟一段新的對話,或者切換到新的 AI 工具時,都不得不反覆重新輸入提示詞、補充上下文,幾乎等於從零開始。
而將這一套系統提示詞,與 Obsidian 和 Claude Code 結合起來之後,這個問題可以被徹底解決,同時還能顯著提升 AI 的輸出質量。
整個系統由四個核心模組構成:
1、你的資料:包括文章、筆記、轉錄內容、靈感想法等
2、組織方式:通過 Claude Code 在 Obsidian 中自動完成整理
3、即時調用:你可以隨時向這個「資料庫」提問,獲得答案
4、進化記憶:系統會隨著使用不斷變得更聰明

你的 AI 第二大腦
這套系統的真正力量在於什麼?
作為人類,我們的認知帶寬是有限的。我們會遺忘,有時也很難把不同的想法連接起來,能同時跟蹤和處理的信息終究是有上限的。
而借助這套由四個模組組成的系統,你實際上是在釋放自己的認知負擔,把「連接、整理與理解信息」的工作交給 Obsidian 和 Claude Code。
你的想法開始被系統性地串聯起來,一條筆記可以自動關聯到另一條筆記,而你可以隨時通過 Claude 將這些內容重新提取、組合和調用。
在這種結構下,你的知識不再是零散的,而是一個可以被不斷調用和重組的網路——幾乎沒有上限。

https://obsidian.md/
下載完成後,Obsidian 會提示你創建一個「Vault」。
你可以把它理解為電腦上的一個文件夾,我們會在這裡存放所有內容,並讓 Claude Code 訪問和管理這些數據。
這個 Vault 的名稱可以隨意設定——比如我自己就叫它「Obsidian Vault」。

Obsidian Vault(知識庫)
這個 Vault,就是 Obsidian 用來存儲你所有數據與筆記的地方,所有內容都會以 MD(Markdown)文件的形式保存。
接下來,你需要配置一個可以訪問 Claude Code 的方式。對我來說(也很可能對大多數人而言),最簡單的方法就是直接使用桌面客戶端。
在主聊天界面中,點擊「選擇文件夾」,然後找到你剛剛創建的 Obsidian Vault 並選中它即可。

Claude Code:連接你的 Vault
當你選好文件夾之後,下一步就是把 Andrej Karpathy 的系統提示詞粘貼到主聊天框中。
你可以在這裡複製這段提示詞:https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

你的輸入應該是這樣的:

Claude Code 初始輸入
小提示:如果你不想,也完全可以不用手動打開 Obsidian。只要把 MD 文件夾(也就是你的 Vault)以及相關數據交給 Claude Code,它就可以直接對這些文件進行讀寫和修改——而這些內容會自動同步到你的 Obsidian「第二大腦」中。
當你輸入完上述的系統提示詞之後,Claude Code 會開始向你詢問一些數據來源,用來初始化並逐步填充你的「第二大腦」。

構建你的數據庫
你可以將 Obsidian 想像成一本「空白筆記本」——一開始需要你主動輸入內容,資料庫才會逐步建立起來。可以匯入的內容包括:筆記、CSV 檔案、Markdown / 文本檔案等。
一些實用建議:
·從你現有的筆記工具中匯出資料
·如果你使用 Notion,可以匯出為 CSV 檔案
·讓 Claude(或其他大型模型)整理一份關於你的資訊,用來初始化你的「第二大腦」
·把你已有的文章、收藏、靈感想法等一次性匯入進來——這是建立初始資料的最好時機,後續也可以隨時補充
需要注意的是,像我這樣數據量較大的資料庫,並不是一蹴而就的,而是隨著時間不斷輸入、逐步積累形成的。

我的資料庫
就是這樣,你的「AI 第二大腦」已經搭建完成,可以開始運行了。接下來,我再分享一些進階技巧,幫你把它用得更高效。
如果你想更輕鬆地往系統裡添加資料,只需要安裝 Obsidian 的 Chrome 擴充功能。它可以讓你在瀏覽網頁時,直接點擊「Add to Obsidian(添加到 Obsidian)」,把內容一鍵保存進你的知識庫。這會讓你構建「第二大腦」的過程變得非常順手。
我自己也經常用這個功能來收集文章、網頁資料、研究資料等等。

示例:使用 Obsidian Chrome 擴充外掛
需要注意的是,通過擴充添加的資料,最初只是一個「孤立的資料來源」。
接下來你可以告訴 Claude Code:「我剛剛在 Obsidian 裡添加了 [x],請幫我把這些內容整合進我的 Wiki。」
Claude Code 會自動將這些新資料與已有內容建立關聯、生成連結,讓它真正融入你的「第二大腦」。這也是這套工具組合強大的原因所在。
Andrej Karpathy 建議使用兩個獨立的資料夾(Vault):
·一個用於工作 / 商業內容
·一個用於個人生活 / 目標管理
我自己的使用體驗也是,這樣的結構最清晰、最有效。
我發現這套系統最有價值的一個用法,其實很簡單:讓你的 LLM 提示詞更精準。
當模型可以訪問你完整的個人信息、商業計劃、寫作背景等上下文時,它就能生成更加「定制化」、更貼近現實情況的高質量提示詞(甚至是「超級 Prompt」)。
當然,這套系統的用途遠不止這些,但如果你只想從一個最實用的場景入手,我會強烈建議你先從「提升 Prompt 質量」開始。
在 Obsidian 中,「Orphans」指的是那些沒有與其他筆記建立連接的數據點。
這個功能很有用,因為它可以幫你:
·找到尚未被整合的想法
·發現數據庫中的「薄弱區域」
·判斷哪些內容值得進一步擴展或深化
換句話說,它不僅是一個整理工具,也是一個幫助你發現思考盲區的機制。

Orphans(孤立節點)
你可以在右上角點擊「三個點」,找到並開啟 Orphans 的開關,用來查看哪些內容還沒有建立關聯。
前面我們已經講了很多優點、使用場景和優化方法,那麼它的不足是什麼?什麼情況下你不太適合使用這套系統?
1、不習慣可視化的人
這套系統的一個核心優勢,是可以將數據進行可視化呈現。如果你本身並不依賴或不習慣這種方式,那它對你的幫助可能會比較有限。
2、需要一定維護成本
如果你不願意持續維護一個資料庫,那這套系統可能不適合你。雖然維護成本並不高,但如果不持續往「第二大腦」中輸入數據,它就很難發揮價值。
3、存儲佔用
所有內容都會以 Markdown 檔案的形式存儲在本地,這會佔用一定的裝置空間。這一點也需要提前考慮。
[原文鏈接]
歡迎加入律動 BlockBeats 官方社群:
Telegram 訂閱群:https://t.me/theblockbeats
Telegram 交流群:https://t.me/BlockBeats_App
Twitter 官方帳號:https://twitter.com/BlockBeatsAsia