文章探讨个人 AI 助手普及后团队协作面临的新问题：每人拥有 AI 不等于团队更聪明，因为各自 AI 上下文分散。作者引入 Team OS（团队操作系统）概念，将其抽象为 Context、Instructions、Skills、Connections、Governance 五类能力，并以 DoorDash 等团队实践为例，说明如何用共享 Repo、PR 审核机制建设团队助理。文章强调团队知识不再必须经由 PM 中转，AI 能力正在从个人资产转变为团队资产，建议从真实场景小范围起步，让团队助理从实际工作中生长出来。
文章介绍如何用 Grok Bot 在云端构建一个持续运行的“第二大脑”，解决每次与 AI 对话都从零开始的痛点。作者借鉴 Andrej Karpathy 的知识库理念，通过 7 步课程指导读者：用已发送邮件生成个人档案与写作风格文件、用 /workspace 文件夹而非聊天记忆存储慢事实、设置云端 routine 自动归档 Gmail 新材料、每天早晨生成一页摘要、将笔记转化为成品、通过规则固化纠正，最后提供一键粘贴的完整搭建方案。强调文件优于聊天记忆、云端机器人可 24 小时工作，引用 Kevin Rose 的实例佐证。
本文是一篇完整教程，讲解如何为 Obsidian 笔记库编写 CLAUDE.md 文件，让 Claude Code 在管理个人知识库时表现稳定可控。作者指出用户直接让 Claude 整理笔记常导致文件被重命名、日志被改写等问题，根源在于 Claude 不了解用户的组织方式。教程逐模块介绍了 CLAUDE.md 的 7 个必备部分：个人身份与库的用途、文件夹结构说明、笔记写作规范、安全规则（禁止删除、批量操作需确认、重命名时更新链接）、回答偏好及当前工作重点，并提供了完整模板，适用于写作者、创业者、学生和研究者。
本文是Obsidian进阶教程，接续入门篇，系统讲解了让笔记库真正好用的高级玩法。内容涵盖：块引用的链接与嵌入用法、Callout彩色提示块的语法与折叠技巧、按属性和路径的搜索进阶、Templater动态模板（日期变量、文件名、文件夹自动套模板）、Dataview将笔记库当数据库查询（LIST/TABLE/TASK三种查询）、Canvas白板理清笔记关系、MOC内容地图的构建方法，以及Linter批量维护等。作者强调规范frontmatter是发挥这些功能的前提，并提供了速查表与常见坑集锦，帮助读者构建可持续维护的AI知识工作流。
作者分享了自己搭建的 Grok Bot 舰队体系，解决单兵使用 AI 时多设备割裂、记忆难沉淀、多模型协调成本高三大痛点。架构分为四层技术底座：核心层以总控「乐乐大王」调度四端执行节点；同步层用 Obsidian + GitHub 私库实现统一知识底座；额度层通过分流机制将重负载任务派给独立计费的工程师 Bot；运维层借助开机自检与 Wake on Done 实现自动化。业务上采用 1 个总控 + 6 个分组共 29 个 Bot 的精细化分工，覆盖研发、情报、自媒体、内容创作与生活辅助，形成完整的任务执行与知识沉淀闭环。
作者在戒酒六年的回顾中，发现自己多年来精心构建的“第二大脑”——Obsidian 笔记、卡片笔记、待办清单——并未真正帮助思考，反而取代了思考、冻结了好奇心。他反思了 PKM（个人知识管理）文化的源起与陷阱：全面记录的许诺带来了抽象的混乱，归档不等于理解，系统越庞大越会推迟真正的思考。作者引用认知科学、博尔赫斯与哲学观点，指出人脑记忆依赖联想与情感，而非文件夹。最终他删掉了全部笔记，只保留一条简单记录，主张“活在知识之中”而非管理知识，并以更有节制的方式重新使用工具。
作者分享如何用 Grok Bot 组建一支有分工的 AI Agent 小队：以水浒人物命名 bot 并按座次管理权限；设置单一入口“宋江”统一派活，吴用写代码、公孙胜独立验收，最后由人拍板合并；制定 7 条需人工确认的红线清单。文章还给出实战案例（App CSS 审计优化）、飞书知识库归档、GitHub 私有仓库备份 bot 记忆的规范，以及从 0 搭建小队的 5 步手把手教程，包括创建 bot、设定时任务、bot 互相派活、接入飞书/GitHub/X、把流程存成技能。
作者文子分享了自己开发的「Wenzi 小宇宙工作流」，旨在解决播客听完即忘、难以沉淀知识的问题。该工作流包含两个模块：一是将播客链接自动转录为干净的 Markdown 逐字稿；二是为内容创作者定制化提取选题，先确认用户定位，再从逐字稿中提炼候选选题。作者强调 AI 适合处理转录、排版等繁琐工作，而价值判断和表达决定权应保留在人手中。项目已开源至 GitHub。
作者分享了作为 Infra/Kubernetes 工程师在 AI Native 时代的工作方式演变：从 2 月认为 Code Typing 不必要，到 5 月确立「AI 放大执行、人负责判断」，再到 8 月形成信息、研发、落地、工具链的完整链路。信息层面，他用 minds（AI 参与度 90%+）和 my-kms（5%）两个知识仓库，Agent 改动走 PR 流程由人 review；编码层面推行 Spec-driven、用 guides 固化约束、自测 Agent 分层验证；工具链上自建 mind-forge、skm 等工具。核心观点：AI 善于「作」（生产、展开、润色），人负责「创」（问题、判断、观点），工作重点是决策密度、共识形成与保留个人棱角。
文章介绍如何用 Opus 5.5 和 Claude Code 打造个人第二大脑知识管理系统。作者指出传统笔记应用失败的原因在于整理、回顾和使用三个环节需要判断力而人们缺乏时间。方案架构分四层：用户负责捕捉、Obsidian 库存储纯 Markdown 文件、CLAUDE.md 作为操作手册定义规则、Opus 5.5 充当大脑负责阅读、分类、链接和写作。文章详细讲解了 15 分钟安装设置、基于 PARA 方法改进的文件夹结构（inbox、项目、领域、资源、归档、日记、输出），以及如何编写 CLAUDE.md 操作手册来规范笔记规则和文件命名。最终目标是让收件箱自动清空、笔记自动互链、每周生成回顾报告，并能基于自己的笔记回答问题、产出文章。
作者因GPT-6额度消耗过快，重新审视自己的AI内容创作工作流，发现最大的浪费不是Token，而是与AI做过的工作没有沉淀为可复用的资产。文章提出按任务分工使用Chat、Work、Codex三类工具，并系统总结了创作者值得长期积累的六类内容资产：个人母体、用户世界、生活和观察、同行与市场研究、解决方案库、选题系统，强调从对话驱动转向资产驱动，让AI基于积累的资产持续工作，实现真正的复利效应。
本文汇总了作者两个月来分享的 Obsidian 用法，为新手提供一份开箱即用的搭建清单。内容涵盖：All-in-One 个人工作台（Life OS、向阳乔木工作台、FLO.W、Apex Dashboard 等）；高颜值皮肤与模板；AI 驱动的任务管理插件 FlowNote 及手机快捷输入；内容创作插件（微信读书、公众号发布助手）；基于 LLM 理念的知识库插件；Claudian Agent 插件；AI RSS 信息订阅（向阳乔木订阅、张咋啦 AI Builder、YouTube RSS）；以及 Obsidian CEO 出品的 Kepano Skills。帮助新手快速将 Obsidian 打造成第二大脑和个人工作台。
一篇详尽的 Obsidian 入门教程，介绍了如何将本地 Markdown 文件夹打造为「第二大脑」。文章对比了 Obsidian 与 Notion 等云笔记的区别，强调本地纯文本文件对 AI 的可读性是关键分水岭。内容涵盖安装建库、双链/标签/搜索三大核心功能、frontmatter 笔记规范、插件选择策略、目录结构与日记模板，并重点讲解如何让 AI 接管笔记整理，包括三层架构和日记周报、读书笔记、调研、写作等可直接使用的 AI 工作流，最后总结了常见坑与答疑。
文章探讨如何为智能体（Agent）构建知识工作系统。作者认为需要三点：持久化的知识与工作上下文、契合个人工作方式的系统、可复用的基础。提出“知识系统”概念，整合领域对象、证据、工作方法、进行中的工作和界面。介绍其开发的本地优先框架 ars umbris：agent repo 将类型化 Markdown 知识、Agent 能力（skills、MCP 工具）和界面捆绑在一起，仓库间可像代码包一样相互依赖。核心思想是让知识库像代码库一样工作，具备类型系统、诊断、包管理等机制，让编码 Agent 将其代码能力迁移到研究和企业经营等知识工作领域。
本文详细介绍了腾讯 ima 知识库的完整使用教程，涵盖界面概览、知识库创建（个人库/共享库）、8种资料导入方式（本地文件、网页、公众号、微信文件、录音转写等）、基于知识库的 AI 问答与多模型选择、文档解读翻译、笔记创作与双向链接、Copilot 智能体记忆配置、算力购买，以及知识号开通、Skill 创建与 Skills 广场、MCP 外部服务连接等功能，是一份面向教师和知识工作者的保姆级操作手册。
作者因Claude账号被封，将全部历史对话数据导出，利用豆包工作新推出的计划模式和目标模式，对数年积累的对话“遗产”进行系统化整理。文章详细拆解了三步工作流：先用Plan模式只读调研并生成Markdown实施计划，直接在文档中修改对齐需求；再用Goal模式将“完成”标准拆成硬性验收指标，逐项校验交付成果。最终产出可检索的历史索引、验证过的工作流、风格偏好文档和可直接复用的Skills。文末总结了Plan与Goal模式的适用场景对比，强调复杂长任务应先定方案再锁交付标准，让AI经验得以持续复用。
作者分享了自己深入学习英文播客的完整工作流：先通过 Scripod、开源 Skill 或自研 Obsidian 插件获取播客文字稿，再用 AI 提示词将英文口语稿重塑为保留完整论证的中文长文，随后花半小时逐字审阅改稿以真正理解内容，最后借助墨问、公众号等工具沉淀为合集并生成音频，在通勤和做家务时反复阅读收听。文章以 Morgan Housel 的播客为例，强调不追求全自动、保留人工深度参与，是继《严肃阅读工作流》后的姊妹篇。
文章介绍了 Google 将 NotebookLM 更名为 Gemini Notebook 后的全面功能。作者通过创建包含 40 多万字、4 份来源的测试笔记本，详细演示了其三大模块：Sources 管理多类型资料来源、Chat 提供带引用可溯源的问答、Studio 将同一批资料转化为播客、视频、PPT、信息图、闪卡等多种输出形式。文中还讲解了 Deep Research 联网研究的正确用法、手机端新功能、以及自媒体选题研究的进阶工作流，强调其核心价值在于把可信资料变成可持续追问和复用的第二大脑，而非简单的一键生成。
作者在 MusicBridge 出圈后，本打算如法炮制开发电子书跨平台同步工具，但深入思考后发现听歌是单点需求，而严肃阅读是涵盖找书、格式处理、阅读器选择和笔记沉淀的完整链条。文章梳理了一套严肃阅读全链路工作流：以微信读书、得到电子书作为日常阵地；用 Z-Library 和 Anna's Archive 破解资源壁垒；利用 AI Agent 和开源 Skill（scanned-pdf-to-epub）将扫描版 PDF 重构为出版级 EPUB；推荐 BabyReader 和乔木阅读器等独立阅读器；最后用 flomo 与 Obsidian 实现轻重结合的知识内化。
作者图南分享处理40万字行业调研资料的AI提炼方法论。指出直接让AI总结长文本会导致废话输出，原因包括'迷失在中间'的注意力规律、提问过于宽泛等。他提出'四步漏斗提炼法'：认知骨架扫描、逆向审讯抽脂、红蓝对抗挑刺、知识资产封装，并附上4套实测可用的即插即用Prompt，强调用户需自己掌控提问节奏，用结构化认知建立AI时代的护城河。
作者基于半年使用经验，整理出 X（Twitter）平台的 40+ 实用技巧，包括：平台算法与隐私规则变革的核心认知（书签与停留时长成为流量核心、点赞默认隐藏）；首页时间线管理（钉选 Grok 自定义主题流与私密列表）；Grok AI 深度玩法（长推文总结、识图分析、自然语言改图、视频要点提炼）；账号安全加固（通话转接防 IP 暴露、Passkey 登录、辨别水军号）；18 条高阶布尔搜索指令与 6 个开箱即用搜索公式；以及书签归档、开源工具本地同步 Markdown、无水印视频下载等生产力技巧。
作者基于自己做 AI 生产力培训课的实践经验，开源了 50 个知识管理相关 Skill，分为三个仓库：Read Buddy（阅读整理，将网页、RSS、播客、微信读书划线等转为结构化内容）、Design Buddy（设计与配图，覆盖封面、架构图、公众号排版）、Creator Buddy（创作分析，挖掘热点与竞品数据）。文章还阐述了 AI 生产力系统的理念：通过目录规则、目标计划、工具技能、记忆日志、风格画像五大模块，将文件夹体系与 Skill 结合，让 Agent 自动完成选题、写作、配图与运营分析，实现从输入到输出的完整知识工作链路。
本文介绍“图工程”（Graph Engineering）概念，即通过构建文件间的连接关系，让AI系统能够有效访问和利用知识。作者以自身内容系统为例，指出78%的文档因缺乏指向而无法被AI或新成员发现。他提出用Claude Code生成MAP.md文件，绘制文件夹内文件的关系图，并分三步操作：绘制地图、解读结果、优化结构。文章强调文件夹结构应反映业务划分，而非照搬模板，最终实现团队共享和自动化更新。
Ars Umbris 是一款可塑的 Agent 原生 IDE，将知识库视为代码库，通过类型引擎为笔记、来源等知识对象定义类型与关系，并像编译器一样对知识结构进行校验。其仓库以本地 Markdown/YAML 文件组织，包含知识、类型、技能、MCP 工具、投影与 Agent 配置，支持跨仓库引用与依赖复用。它通过 MCP 适配器连接 Claude Code、Codex 等 Agent 框架，让多个会话共享同一份持久化状态，形成「元 harness」。项目目前处于早期 Alpha，仅支持 macOS 且需自行编译。
文章针对个人知识库越建越乱的问题，提出一套面向普通用户的起步方案：先选一个具体主题、整理十份资料，将原始资料与整理结果分开存放，统一知识卡格式（含来源、核对日期、未确认项等），用真实问题验收，并设定更新规则。核心是让 AI 整理的知识有出处、可复查、知边界，避免无来源的推断被当作事实。
本文详细介绍如何将 GPT-6 Astra 连接到 Obsidian 知识库。Astra 具备两大优势：可配置的推理深度（五档 effort 级别，可在对话中动态调整且保留缓存）和强大的长上下文检索能力（512K-1M token 范围内检索准确率达 96.3%，远超 GPT-5.6 Sol 的 73.8%）。文章给出两种连接方式：一是通过 Obsidian Local REST API 插件与 MCP 实现文件级读写，适合结构化操作；二是通过 computer-use 直接操作 Obsidian 桌面界面，适合图形视图、Canvas 等视觉空间任务。最后提供配置协议示例，指导如何按任务类型选择合适的推理档位并充分利用长上下文。
作者 Jackywine 作为 flomo 六年深度用户，分享其 7000 条笔记的使用经验。文章指出传统笔记软件因分类、排版等操作增加记录摩擦，导致灵感流失与数字囤积。flomo 以极简输入框、标签体系和全平台触达降低记录门槛，让用户专注思考本身。作者将 flomo 用于捕捉灵感、白话读书笔记、心理复盘及喂养 AI 个人上下文，并探讨了 flomo 团队不融资、反 All-in-one 的产品哲学，强调在 AI 时代个人上下文的重要性。
文章介绍如何成为一名营销工程师（Marketing Engineer），即用 Agent、连接的数据和业务上下文构建自动化营销系统的人。作者分享了在 Agent 开发环境（ADE，如 Orca）中完成约 70% 营销工作的经验，包括市场研究、活动策划、内容生产和落地页搭建。文章讲解了模型、harness、ADE 等核心概念，提出按营销垂直领域组织工作区的目录结构（知识、工作流、技能、产出、结果），并建议从自己熟悉的一个任务或领域入手，逐步连接研究、简报、生产与结果反馈，形成可持续迭代的营销工作流系统。
作者分享了自己深度学习 Pi Agent 两个月后，将零散的学习心得整理成一本开源蓝皮书的完整过程。文章涵盖整理 98 条学习推文并提炼判断、选择 VitePress 作为技术方案、两轮 UI 返工、创建 GitHub 开源仓库、使用 Cloudflare Pages 部署并绑定域名，以及主动发邮件向 Earendil 获取文章翻译授权的经历。作者提供了可照做的实操步骤，说明即使没有前端经验，也能从材料整理到网站上线的全流程完成一本可公开访问、持续维护的开源知识手册。
作者开发了Obsidian插件「乔木 AI RSS 阅读器」，将Obsidian打造成AI资讯阅读与学习笔记一体化工具。插件收录46个精选AI Newsletter并支持AI自动翻译改写海外资讯，收录1000+独立博客RSS可自由订阅。用户可选中任意文本或图片添加到当天或指定笔记，契合GTD用法。插件内置朱雀仿宋字体及行距字体设置提升阅读体验，支持本地文件夹作为阅读源和剪藏公众号文章。该插件已上架Obsidian社区插件市场，搜索'qiaomu'即可安装。
