作者苍何介绍了开源项目 WeChatBridge（微信流）的 iOS 版本发布。该工具可将微信聊天记录批量转发给 Codex、Claude Code 等各家 Agent 进行总结分析，也可沉淀到 Obsidian 作为个人知识库。作者分享了借助 Claude Code 和 Kimi K3.1 Pro 开发 iOS 版的过程：先让模型制定详细计划和技术文档，再照文档执行，6 个多小时完成了原计划 18 个工作日的工作。文章强调"别跟它聊需求，跟它定验收"的 Agent 开发心得，并详细介绍了 iOS 版的收、存、投功能，包括分批收集超过 100 条消息、场景化提示词、隐私安全设计等。
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。
作者苍何介绍了其开发的 Obsidian 插件 WeSight 的重磅升级：新增 WeSight 发布助手，支持一键将文章同步到小红书、知乎、CSDN、掘金、微博、X 等多平台；支持将长文快速转为图文并按平台风格生成文案与配图；提供公众号预览、AI 生成标题摘要、数据复盘；通过 GitHub 实现知识库多设备同步；并支持 Claude Code、Codex、OpenCode 多引擎切换且保留上下文，可接入 DeepSeek、Kimi 等自定义模型。工具将创作者从重复搬运劳动中解放出来，专注内容创作本身。
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。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent，并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac，GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据，以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节，并提醒用户注意隐私保护与合法使用。
作者认为 TRAE 是国内 AI Coding 领域第一，TraeWork 和 TraeCode 合并后成为最接近 Codex 的 Agent Harness。文章通过多个实际案例展示 TRAE 能力：用电脑控制和浏览器控制插件自动调研 Producthunt 产品；10 分钟开发 Obsidian UI 学习插件并上架；20 分钟将插件移植到 DeepSeek Harness；通过绑定微信、飞书随时随地远程修 Bug、合并代码；办公学习方面有模板库和飞书文档集成。作者认为 TRAE 三端打通、双模式设计（SOLO 和 IDE），让 AI Agent 覆盖更广人群，即使界面像 Codex 也无妨。
作者介绍如何将 Obsidian 笔记库作为 AI 代理的上下文来源，构建一个名为 /todays-focus 的每日专注技能。文章指出工作工具（如 Linear、Gmail、Slack、日历）只能告诉 AI 发生了什么，而个人笔记库能补充'什么对自己最重要'的背景。作者展示了四个步骤：连接工作工具、授权代理读取 Obsidian 库、创建原则（Principles）文档、创建'心头事'（Top of Mind）文档。该技能每天早晨生成三个焦点领域、反思检查和三个日记问题，成为一种有用的每日仪式，也是检验笔记库组织是否利于代理理解的方法。
作者介绍了自己开发的 Chrome 插件「乔木剪藏」新增的视频阅读模式，可将带字幕的 YouTube/B站视频转为可阅读文本。功能包括：中英双语对照、点击字幕时间戳回看视频、划线直接向 AI 提问、接入 Obsidian 沉淀笔记。适合学习长播客访谈和课程。项目已在 GitHub 开源（qiaomu-clipper）。评论区还讨论了中文视频自动字幕识别错误导致乱码的问题及 AI 转写的应对方案。
作者分享了在美国留学期间用 ChatGPT 语音模式练英语口语的方法。核心思路是选择具体场景（而非泛泛话题）进行角色扮演演练：先按使用目的和场景频率排优先级，再给 ChatGPT 一个自然对话的角色设定（附完整中英文提示词模板），然后采用三轮练法——裸聊暴露问题、复盘改进、加难度模拟干扰，最后将实用句子存入语料库（推荐 Obsidian）反复复习。作者以健身房场景为例演示了全程效果，强调低成本开口练习和场景化语料积累对口语提升的价值。
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。
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。
文章分析了英语听力练习多年仍听不懂的根本原因：大多数人进行的是'噪音级输入'，只听懂20%的材料会训练大脑忽略外语。作者将听力拆解为'听清'和'听懂'两个层次，讲解音标、弱读、连读和语调等发音基础，提出'三遍测试法'选择可理解的本命材料，强调短材料反复练和同主题多层重复的重要性。最后利用ChatGPT扮演听力训练教练（生成材料、盲听校准、半句预测、错误分类），配合Obsidian记录复盘，搭建一套可每天重复、可回收语块、可追踪进度的听力训练闭环系统。
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。
作者为解决群消息爬楼、客户聊天复盘、内容存入知识库等痛点，开源了 WeChatBridge（微信流）工具。该工具可将选中的微信聊天记录转发到 Codex、Claude Code、豆包等 AI Agent，也可存入 Obsidian 或剪贴板。支持为不同聊天群配置不同处理场景和提示词，配合 Skill 读取文章、PDF 等生成摘要，并保留操作记录便于二次转发。工具不主动读取微信、本机处理数据，由用户自主选择转发目标。项目基于 Dukou 开源项目二次开发。
作者启航详细讲解了如何为自己创建一个X（Twitter）创作Skill的完整流程：先从X设置中下载个人数据存档，解压后放入Obsidian知识库，再交给Codex分析整理，通过一段详细的提示词生成专属的SKILL.md文件。文章还展示了个人创作Skill的具体组成，包括账号定位、七种内容类型（工具帖、资源帖、热点帖、观点帖、线程帖、清单帖、复盘帖）、选题判断标准、写作结构、语言习惯、事实核查与风险合规规则，以及发布前的检查清单，帮助AI按个人风格直接产出可发布的帖子。
作者通过7个实际案例测试豆包 Seed-2.1-pro-0915（Doubao-Seed-Evolving）的进化效果，涵盖深度调研 Obsidian AI 插件 Top20、根据视频演示开发跨平台剪贴板应用并改造成 Swift 原生版、Blender 3D 白模驱动视频生成、天津海钓点调研与导航地图制作、电影3分钟解读视频剪辑、3.5万行代码仓库分析等任务。作者感受：多模态理解能力显著提升，Agent 长程任务可靠性增强，但仍存在文案质量和迭代准确性等不足。
文章介绍了WorkBuddy技能市场中最值得推荐的15个实用技能，涵盖研究与信息处理、学习与知识管理、职场办公与求职、视觉创作与演示设计四大方向。具体包括Deep Research深度研究、Last 30 Days近期热点追踪、Research-to-Diagram关系图生成、IMA知识库与Obsidian笔记管理、Ego Lite浏览器操作、AI简历助手、Kami文档排版、WPS操作，以及Frontend Slides、归藏PPT、Excalidraw绘图、Bento单文件幻灯片等视觉创作工具。每个技能都从日常使用场景出发，说明其解决的问题、使用方法与安装方式，无需编程基础即可上手。
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。
作者分享了一套用 ChatGPT 语音输入替代传统日记的低摩擦记录流程：在 iPhone 上通过 ChatGPT 随时语音捕捉灵光一闪的念头，用约定的三层结构（原始记录、结构化整理、AI评论分离）让 AI 整理成 Markdown，再通过 iPhone Shortcut「Save The Journal」把内容存入 iCloud Drive 的 DiaryInbox 文件夹，最后由 Mac 上自动运行的 watcher 脚本（用 Codex 搭建）按时间戳排序、去重、追加到 Obsidian 的 Daily Journal 对应日期文件中。整套系统全部基于已有 Apple 生态工具，强调零摩擦、不覆盖、幂等处理。
作者针对素材散落各处、写作效率低的痛点，实操搭建了一条内容自动化流水线：公开视频经飞书妙记转写，素材存入飞书多维表格，WorkBuddy 每日定时读取表格并推荐选题，作者在 Obsidian 完成写稿与审校，再通过自制插件将文章送入 X Article 草稿箱。文章详细记录了飞书账号连接踩坑、多维表格字段设计、定时任务配置与权限最小化原则，并强调自动化只处理重复劳动，发布与最终决策仍由人完成。数据回写环节尚未实测。
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。
作者金尘马分享了一个实用方案：通过 Hermes 为微信单独配置一个专用 Agent，在微信聊天框发送文字即可自动保存到 Obsidian 笔记库，并同步到 GitHub。文章详细介绍了准备工作、Agent 规则配置、微信 ClawBot 连接步骤，并提供了一套完整的一键配置提示词，可交给 Codex 或 WorkBuddy 自动完成配置。整个方案成本低、操作简单，大幅降低了随手记录的摩擦。
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。
作者分享如何用 Codex 配合 Obsidian 搭建一套自媒体内容复盘系统。首先在 Obsidian 建立结构化工作区，写入防止 Agent 臆测的复盘规则；然后通过提示词模板让 Agent 采集自己的账号与帖子数据、观察同赛道优秀创作者、输出深度复盘判断；再结合数据落地下一周期的具体行动计划（继续做、少做、新试三类方向）；最后通过周期性循环复盘，形成复盘→创作→再复盘的成长闭环。该流程也适用于其他周期性自我复盘场景，帮助创作者摆脱盲目输出，看清内容表现的真实轨迹。
作者基于 Karpathy 提出的 LLM wiki 理论，结合 WorkBuddy/Codex 与 Obsidian，搭建了一套能够自生长的个人知识库系统。文章解释了 LLM wiki 与 RAG 类方案的区别：知识不是每次临时拼装，而是通过 Raw（原始资料）、Wiki（结构化知识）、Schema（规则规范）三层架构持续增量沉淀。Obsidian 以本地化 Markdown、双链和插件生态承担存储底座与人机界面，Agent 负责理解新资料、建页、建链、维护索引与变更日志。文中给出了完整目录模板、详细提示词，介绍了直接搭建、claude-obsidian 插件等多种搭建方法，并分享了模型选型与实战建议。
