如何构建能显示每日要事的 Obsidian 仪表盘
文章介绍如何利用 Obsidian 的 Dataview 插件构建自动化仪表盘,解决日常工作中信息分散、需要人工整合的问题。通过“读取而非存储”的核心原则,统一笔记属性结构,实现今日任务、活跃项目、近期截止日期、客户状态等六大关键信息的自动聚合与可视化,让用户无需打开多个文件即可掌握全局,并可与 Claude Code 结合进行智能晨间简报。
文章介绍如何利用 Obsidian 的 Dataview 插件构建自动化仪表盘,解决日常工作中信息分散、需要人工整合的问题。通过“读取而非存储”的核心原则,统一笔记属性结构,实现今日任务、活跃项目、近期截止日期、客户状态等六大关键信息的自动聚合与可视化,让用户无需打开多个文件即可掌握全局,并可与 Claude Code 结合进行智能晨间简报。
文章提供了非常详实的Obsidian Dataview仪表盘构建指南,包含具体的属性设置和可用代码,结构清晰易读,且发布和内容时间均在2026年,时效性极强。
本文介绍了如何将 Obsidian 从简单的笔记应用转变为 AI 可读写的记忆层,从而构建一个“第二个自我”系统。作者提出了双层记忆架构:一层为人类保留原始、混乱的思考,另一层为 AI 提供结构化、机器可读的上下文。文章详细展示了文件夹结构(如 00_inbox、01_self 等)以及五个核心提示词,用于将杂乱想法转化为笔记、生成每日记忆日志、更新项目记忆、创建决策记录以及向第二个自我提问。核心观点是:AI 的智能取决于其可访问的上下文,通过自动化笔记维护,Obsidian 能成为真正的工作记忆系统。
本文介绍了如何将 Obsidian 本地笔记库与 Claude Code 结合,打造一个具有持久记忆和上下文理解能力的 AI 第二大脑。文章提供了详细的设置步骤、推荐文件夹结构、CLAUDE.md 指令文件配置及日常操作示例,实现知识库的自动化管理与智能链接。
本文详细介绍了作者如何构建基于Obsidian和Claude Code的个人工作流系统。文章提出了“未经人脑处理的知识不进仓库”和“输入服务于输出”两大原则,通过构建COO、CTO、心理医生等AI Agent角色,配合定时任务和自动化工作流,实现了一个具有问责机制、自动化记录和个人百科功能的数字“健脑房”,旨在提升思考质量与工作效率。
文章指出,现代生产力的最大瓶颈不是思考慢,而是工作碎片化地在多个应用间切换,决策只需三十秒,而协调却要二十分钟。Grok Bot 类持久化 Agent 的价值在于以任务结果为界面,让应用成为实现细节,消除工具间的转换成本。作者阐述了以职位描述定义工作流、持久化环境保存上下文、将流程固化为可复用例程、从人类行为中学习自动化等理念,并强调 Agent 架构应分层:生成模型负责创造内容,快速决策层负责调度,确定性代码负责规则约束,从而构建真正自主的工作系统。
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。
文章介绍如何用六个分工明确的 Hermes AI 机器人加共享知识库,构建一人媒体公司的完整内容生产闭环。系统采用四层基础设施(Bot Mode、独立档案、Obsidian 知识库、Kanban 看板),六个角色分别为信号侦察、研究员、内容策略师、长文作者、分发和编辑,各自遵守职责契约。关键机制包括可检查的结构化交接、人类保留编辑边界批准权、数据反哺系统迭代。文章还给出 8 步 MVP 落地路径,强调自动化应消除重复决策而非消除个人品味。
作者介绍了 xAI 的 Grok Bot:一种运行在持久云虚拟机上的 AI 队友,可登录工具、操作浏览器并交付成品。文章以 AI UGC 广告制作为首个工作流示例,结合 Higgsfield 生成图像和视频素材,涵盖素材调研、脚本、角色设定、剪辑到最终合成的完整流程。作者主张每个工作流配备一个专门 Bot,而非一个万能代理,并展示了如何将 Obsidian 知识库接入团队,实现多 Bot 共享同一信息源,持续 24/7 创造收入。
本文介绍如何利用 Obsidian 为 AI 助手 Hermes 构建一个“第二大脑”,使其能够访问工作所需的全部上下文。文章详细说明了从创建空 vault、让 Hermes 自动搭建结构,到通过访谈填充身份文件、设置上下文规则、建立路由表,以及实现捕获模式和夜间编译的完整流程。核心思想是区分原始素材(Raw)和编译知识(Wiki),让 AI 在回答前先读取相关文件,从而减少重复解释、提高回答质量。