知识积累了大半年，为什么感觉什么都没留下？

说一个我自己的真实体验。

用 Claude 工作快一年了，每天大量对话——调研、分析、写文档、解决技术问题。然后某天我意识到一件事：我的知识库里几乎什么都没有。那些对话里产生过的好想法、梳理过的技术细节、做过的深度分析，全都消失在聊天历史里了。

下次遇到类似的问题，还是从头来。还是要重新介绍背景，重新推导结论。

这不是我的问题，这是 AI 工具的结构性缺陷：每次对话都是一座孤岛。

所以当我看到 claude-obsidian 这个项目时，眼睛一亮。它想解决的问题，正是这个。

---

它到底是什么？

claude-obsidian 是一个本地优先的知识系统，把 Claude Code 和 Obsidian 深度打通。

简单说：你把各种素材（文章、PDF、网页、对话内容）丢进去，它通过 AI 处理成带链接、有来源引用的 Obsidian 笔记页面；之后你的查询、研究，都直接从这个知识库里检索——每次使用，知识库都在增值，而不是重置。

核心设计原则是：你的知识库依然是本地的普通 Markdown 文件。不隐藏在插件缓存里，不锁定到云数据库，也不会悄悄上传给任何模型。

目前 GitHub 上已经有 14,400+ Star、1,200+ Fork，是 Claude Code 生态里最受关注的开源项目之一。

---

和普通 AI 笔记工具，本质区别在哪里？

知识有复利，不是每次从零开始

大多数 AI 笔记工具的工作流程是这样的：

1. 你和 AI 聊了一个话题

2. 对话里产生了有价值的内容

3. 对话关闭，内容消失

4. 下次从头来

claude-obsidian 的设计核心是打破这个循环，构建一个知识复利机制：

知识"捕获→落地→连接→复用"复利循环

捕获（Capture）素材进 inbox → 落地（Ingest）生成有链接的笔记 → 连接（Connect）建立知识关联 → 复用（Use）直接从库里检索答案 → 再捕获新素材……

每一次循环，知识库都在增值。你加入的第 50 份素材，会和前面 49 份建立连接，产生的价值远超第 1 份。这才是知识管理的正确形态。

来源溯源，不是魔法生成

这是我觉得设计最用心的地方。

大多数"AI + 笔记"工具有个隐患：AI 生成了内容，但你不知道这些内容哪些有真实依据，哪些是模型幻觉。时间一长，知识库里会混入大量没有根基的内容，可信度越来越低。

claude-obsidian 的做法是维护一个 source ledger（来源账本）和 claim ledger（声明账本），记录每条知识的来源、权威性、新鲜度、支持证据和矛盾证据。

高风险的声明要求两个独立来源支撑。不支持或相互矛盾的证据不会被自动删掉，而是保持可见——它会用 [!contradiction] 标注出来，让你自己判断。

这个设计的底层逻辑是：一个诚实的"不知道"，远比一个自信的"编造"更有价值。

本地优先，数据主权在你手上

很多知识管理工具的商业模式，其实是把你的数据变成它的资产。

claude-obsidian 走的是反方向：

产品与知识库的安全隔离边界

产品代码和你的知识库是严格隔离的。知识库必须通过 CLAUDE_OBSIDIAN_VAULT 环境变量或显式配置文件明确指定，不会自动推断你的目录。网络请求（URL 抓取、外部数据等）需要你显式给出"出口同意"，不会后台偷跑。

Claude API 宕机了？你的知识库依然正常打开，在 Obsidian 里全文搜索。明年换了 AI 工具？你的笔记带着走，因为它们从来都只是你机器上的一堆 Markdown 文件。

---

15 个 Skill，组成完整的知识操作系统

claude-obsidian 把功能拆成了 15 个细粒度的 Skill，用起来像一套工具集，而不是一个黑盒子。

核心工作流：

Skill	做什么
wiki	初始化或接管知识库，诊断就绪状态，路由任务
save	主动保存一个有范围的洞察或答案，从不自动记录聊天流水账
wiki-ingest	把 inbox 里的素材转成有链接的笔记和溯源记录
wiki-query	只读检索，从知识库证据里回答问题
wiki-lint	报告死链、孤岛笔记、元数据缺失、过期索引

扩展能力：

Skill	做什么
autoresearch	有界的网络研究（3 轮渐进式），显式出口同意
canvas	Obsidian Canvas 可视化知识地图的创建和维护
defuddle	在摄入前清理网页内容，去掉广告和噪音
wiki-retrieve	上下文前缀 + BM25 关键词检索 + 可选余弦重排序
wiki-mode	LYT / PARA / Zettelkasten 等笔记方法论路由
think	结构化的"观察→倾听→连接→创造→成长"思考循环

所有 Skill 共享同一套来源溯源、知识库选择和写入安全规则，协调一致，不会互相打架。

---

实际效果长什么样？

这是知识库在 Obsidian 里运行之后的真实截图：

Obsidian 知识图谱视图（Graph View）

Obsidian Canvas 可视化知识地图

左图是 Graph View，能直观看到笔记之间的链接关系网络。右图是 Canvas，用可视化地图的方式呈现知识结构和主题关联。

这些都是原生 Obsidian 功能，不需要额外插件，因为所有笔记都是标准 Markdown + Obsidian wikilink 语法，打开即用。

---

写入安全机制：对你的数据真正负责

这是 claude-obsidian 和其他 AI 笔记插件最大的工程差异——它对数据安全的重视程度，更接近数据库系统，而不是普通笔记工具。

每一次涉及写入的操作，流程是这样的：

1. 读取每个目标文件，记录其预期的 SHA-256 哈希值

2. 让并行的 agent workers 只返回草稿和证据，不直接写入

3. 把完整变更合并成一个操作包（operation bundle）

4. 人工审查这个操作包，复制其哈希值

5. 用这个哈希值作为授权，执行一次可恢复的事务

如果在计划生成到实际执行之间，文件系统发生了变化（比如你手动编辑了笔记），它会拒绝写入，而不是静默覆盖。

这个设计的实际意义是：并行的 AI agent 永远无法相互覆盖你的笔记。Workers 只产出草稿，一个 orchestrator 审查后才执行写入。如果操作中途中断，运行 transaction recover 可以恢复到之前的状态。

---

上手流程：一步一步来

环境要求

• Python 3.11+（核心运行时）

• Obsidian（可选，但强烈推荐）

• Claude Code

• Bash（Linux / macOS，或 Windows WSL）

Windows 用户注意：原生 Windows 环境只支持只读检查和预览操作，知识库写入需要 WSL。平台检测失败会报 UNSUPPORTED_PLATFORM，不会静默写入错误文件。

第一步：克隆仓库

git clone https://github.com/AgriciDaniel/claude-obsidian.git
cd claude-obsidian

注意：这个目录是产品代码，不是你的知识库。两者是严格分离的。

第二步：初始化独立知识库（先预览，再执行）

export GENERATED_AT="$(date -u +%Y-%m-%dT%H:%M:%SZ)"
export OPERATION_ID="init-reviewed"

# 第一步：生成操作计划（只预览，不写入）
python3 scripts/claude-obsidian.py init "$HOME/Documents/MyKnowledgeVault" \
  --generated-at "$GENERATED_AT" --operation-id "$OPERATION_ID"

命令会输出一个 JSON 格式的操作计划，里面有详细说明和一个 approved_plan_sha256 字段。这是关键：必须人工审查计划，复制这个哈希值，才能真正执行写入。

# 第二步：确认计划后，带哈希执行
python3 scripts/claude-obsidian.py init "$HOME/Documents/MyKnowledgeVault" \
  --generated-at "$GENERATED_AT" --operation-id "$OPERATION_ID" \
  --approved-plan-sha256 "<从计划里复制的sha256>" --apply

已经有 Obsidian 知识库的用户，用 adopt 命令做非破坏性接入，不会动你现有的笔记。

第三步：用 Claude Code 启动

# 进入你的知识库目录
cd "$HOME/Documents/MyKnowledgeVault"

# 加载插件启动 Claude Code
claude --plugin-dir /absolute/path/to/claude-obsidian

然后就可以开始了：

# 初始化和诊断知识库状态
/claude-obsidian:wiki

# 把 inbox/ 目录里的素材摄入知识库
/claude-obsidian:wiki-ingest

# 从知识库里检索
/claude-obsidian:wiki-query

# 检查知识库健康状态（死链、孤岛、过期索引等）
/claude-obsidian:wiki-lint

选择你的笔记方法论

wiki-mode 支持 4 种模式，可以根据自己的习惯选：

模式	逻辑
Generic（默认）	来源、概念、实体、会话，各归其位
LYT	Map of Content + 原子链接笔记
PARA	项目、领域、资源、归档
Zettelkasten	稳定 ID + 原子笔记 + 密集链接

切换模式只影响新笔记的路由方式，不会自动重组你已有的笔记。这个设计很贴心——不会因为你改变了方法论偏好，就悄悄重新整理你花了几年建立的笔记结构。

---

我的真实感受

说实话，这个工具的学习曲线不低。初始化流程里的哈希审查机制，在第一次用的时候会让人觉得繁琐——明明只是建个目录，为什么要搞出这么复杂的审查流程？

但理解了它的设计意图之后，这个"繁琐"就变成了"用心"。它不愿意因为追求方便而绕过安全检查。对于一个要存放你多年知识积累的系统来说，这种态度是对的。

它更适合这样的人：

• 已经在认真经营 Obsidian 知识库的重度用户

• 深度使用 Claude Code 做研究或开发的人

• 对数据主权有要求、不愿意把所有笔记喂给云服务的人

• 研究者、需要长期管理知识资产的开发者

如果你只是偶尔记几条笔记、想要"一键搞定"的极简体验，原生 Obsidian 加几个轻量插件就够了。

但如果你已经有一个认真维护的知识库，同时又重度使用 Claude Code，那这个工具值得花时间深入研究。知识库每次使用都在增值，而不是重置——这件事说起来简单，但真正做到的工具极少。

开源地址：https://github.com/AgriciDaniel/claude-obsidian，MIT 许可，免费，数据完全自有。

---

你现在用什么方式管理 AI 对话里产生的知识？是有一套固定流程，还是基本靠记忆力？欢迎评论区聊聊，感兴趣的话我后面可以出一篇实际工作流的实操记录。

谢谢你阅读我的文章！

我是顾北，我们下去再见！