Codex × Obsidian：搭建属于自己的个人知识库

我们每天都会接触大量信息：读过的文章、突然出现的想法、会议记录、学习资料，以及尚未完成的写作计划。真正困难的往往不是记录，而是让这些内容在未来仍然能够被找到、理解和再次使用。

Obsidian 很适合保存和连接长期知识，但整理笔记仍然需要投入时间。Codex 则可以阅读文件、整理内容并按照明确的规则完成重复工作。把两者结合起来，我们可以获得一个由自己掌控、同时具备 AI 协作能力的个人知识库。

不过，这套方法的重点并不是让 AI 替我们思考，而是建立一种更顺畅的协作方式：人负责判断什么值得保留，Codex 负责协助整理，Obsidian 负责长期保存与连接。

为什么选择 Codex 和 Obsidian？

Obsidian 的知识库本质上是一组保存在本地的 Markdown 文件。这意味着笔记不依赖某个封闭平台，可以自由迁移、备份和编辑。双向链接、标签和属性，则让这些普通文件逐渐形成知识网络。

Codex 能够直接在文件层面参与工作。经过授权后，它可以读取知识库中的笔记，理解已有的目录和写作习惯，再完成整理、链接、改写或生成草稿等任务。

两者的分工可以简单概括为：

• Obsidian 是知识的容器：负责保存、连接、检索和展示。
• Codex 是协作助手：负责理解要求、处理文件和减少重复劳动。
• 人是最终决策者：负责判断事实、价值、结构以及知识之间真正的关系。

这种组合最大的优势，不是一次生成很多文字，而是让 AI 在一个长期积累、结构清晰的环境中持续协作。

一套知识库需要先有规则

在让 Codex 参与知识库之前，第一步不是编写提示词，而是确定规则。

例如，临时内容放在哪里？笔记如何命名？什么时候使用标签，什么时候使用内部链接？Codex 能不能移动文件？删除笔记前是否需要确认？

这些规则可以写进知识库中的 AGENTS.md。它相当于一份协作说明书，告诉 Codex：

• 这是一个什么类型的项目
• 默认使用什么语言
• 采用怎样的目录和命名方式
• 哪些文件可以修改
• 哪些操作必须先征得同意
• 完成任务后需要怎样汇报

规则越清晰，Codex 的行为越可预期。我们也不必在每次对话中反复解释相同要求。

从收集到输出的完整循环

一个实用的个人知识库，可以围绕下面的循环运转：

收集 → 整理 → 连接 → 提炼 → 输出 → 复盘

1. 收集

先把想法、摘录、网页资料和临时记录放进统一的收件箱。这个阶段不必追求完美，关键是降低记录阻力。

2. 整理

定期让 Codex 协助识别笔记内容，补充标题、摘要、属性和标签，并把零散记录整理成更容易阅读的结构。

3. 连接

将新内容与已有笔记进行比较，发现相关概念后，使用 [[笔记名称]] 建立内部链接。随着链接增加，知识库会从文件集合逐渐变成相互关联的网络。

4. 提炼

一篇长笔记可能同时包含多个观点。可以把其中值得长期保留的概念拆分为独立笔记，让每篇笔记聚焦一个问题、结论或想法。

5. 输出

当笔记积累到一定程度，Codex 可以基于已有内容生成博客大纲、教程、报告或分享稿。此时，写作不再完全从空白页面开始，而是对已有知识进行重新组织。

例如，[[Obsidian主题推荐]] 就可以作为一次简单的输出实践：先确定主题范围，再收集候选主题，最后整理成适合读者阅读的文章。

6. 复盘

知识库需要定期维护。检查尚未整理的收件箱、长期没有连接的孤立笔记，以及内容重复或观点冲突的记录，可以让整个系统持续保持可用。

Codex 可以在哪些环节提供帮助？

在实际使用中，Codex 可以承担许多明确且可验证的任务：

• 把杂乱记录整理成结构化笔记
• 为笔记补充 YAML 属性和标签
• 查找可能相关的旧笔记
• 建议或添加 Obsidian 内部链接
• 将长文拆分为多个独立知识点
• 为某个主题建立索引或 MOC
• 汇总多篇笔记并生成写作大纲
• 把已有知识改写成博客、教程或报告
• 检查重复内容和不一致的命名
• 整理收件箱并汇报文件变更

这些工作有一个共同点：目标和结果都可以被检查。相比“帮我管理知识库”这样的宽泛要求，“把收件箱中的这篇记录整理成草稿，但不要移动文件”更容易得到可靠结果。

AI 不应该替我们决定什么？

使用 AI 整理知识时，最需要警惕的是“看起来合理”与“确实正确”之间的差距。

Codex 可以帮助归纳和表达，但不应该擅自编造来源、补充未经确认的事实，或者把推测写成结论。笔记之间是否真的存在重要联系，也不能只依靠词语相似度来判断。

因此，知识库应当保留几条基本边界：

• 原始资料和 AI 总结尽量区分
• 引用应当能够追溯到真实来源
• 删除、移动和批量重命名需要谨慎
• 大范围修改前先确认涉及哪些文件
• 完成修改后列出具体变更
• 重要观点由人最终审核

一个可靠的 AI 知识库，不是完全自动运行的知识工厂，而是一个始终保留人工判断权的协作系统。

不必一开始就设计完美系统

很多人在搭建知识库时，会先设计大量目录、标签和模板，最后却发现真正写下来的笔记并不多。

更轻量的起点是：

1. 建立一个收件箱
2. 写下最基本的协作规则
3. 选择一种简单的笔记模板
4. 从一次真实的整理任务开始
5. 根据使用中遇到的问题逐步调整

知识库的结构应该来自真实需求，而不是对未来的想象。Codex 也更适合在明确的小任务中逐渐融入工作流，而不是一开始就接管整个知识库。

写在最后

Codex 与 Obsidian 的组合，真正有价值的地方在于把知识管理变成持续协作：

我们把值得保留的信息交给 Obsidian，把重复而明确的整理工作交给 Codex，同时把判断、取舍和创造留给自己。

最终形成的并不是一个由 AI 自动生成的资料仓库，而是一套属于自己的知识系统。它了解我们的主题、保留我们的思考过程，也能不断支持新的学习和输出。

后续文章将分别介绍如何制定安全的知识库规则、如何把零散资料整理成结构化笔记，以及如何从 Obsidian 笔记生成可以发布的内容。