# 10 分钟搭一个会自己进化的知识库:Obsidian + Claude Code 实操
**作者**: 爆裂队长NEXT
**日期**: 2026-05-26T09:41:07.000Z
**来源**: [https://x.com/thinkszyg/status/2059208197206868248](https://x.com/thinkszyg/status/2059208197206868248)
---

Claude 聊完就忘。GPT 也是。每次关掉对话窗口,那些花了一小时聊出来的洞察,跟没聊过一样。
不是你的问题。AI 的对话就是没有记忆的。下次打开,从头开始。
有一种搭法能解决这件事。10 分钟。
## 一句话说清楚
Obsidian 是你本地的第二大脑,AI 是帮你整理、查询、维护的那个图书管理员。
具体点说:你在本机用 Obsidian 建一个 Markdown 仓库,写一份 CLAUDE.md 告诉 AI 规则是什么、目录怎么分、Wiki 页面怎么写。然后每次用 Claude Code 打开仓库,AI 自动读规则、读你的知识库、按约定处理新资料。
不是每次都重新对话。知识只编译一次,后面每次查询都基于最新版本。
我们的仓库已经跑了几个月。当前状态:1,114 个 Markdown 文件,214 个 Wiki 页面,297 个团队配置和技能文件。CLAUDE.md 557 行,不是模板,是每次会话都会被 AI 读一遍的实时规则。
下面讲具体怎么搭,以及我们实际栽过的跟头。
## 搭仓库,真就 10 分钟
第一步:下载 Obsidian(obsidian.md)。免费,数据纯本地,断网照用。
第二步:创建新仓库。我们叫它“BLTeam”。
第三步:建目录结构。我们的实际布局是这样的:
```
BLTeam/
├── 01_SOURCES/ ← 原始资料,只读不写
│ └── 02_Clippings/ ← 网页剪藏
├── 04_WIKI/ ← AI 编译的知识资产(214 页)
├── 06_TEAM/ ← 团队规则、技能、风格库
├── 02_REPORTS/ ← 日报、周报等事实记录
├── 03_REVIEW/ ← 日复盘、周复盘、KPI
├── 05_VALUE_PIPELINE/ ← 内容选题、商业机会、已发布成果
├── CLAUDE.md ← 给 AI 看的总规则(557 行)
└── .git/ ← 版本控制,每次改动可追溯
```
不一定要一模一样。核心原则就一条:源文件只读不写,AI 只动 Wiki 层。
第四步:写 CLAUDE.md。这是我们仓库最重要的一个文件。
它告诉 AI 三件事。
第一,你是谁、关注什么:AI 工具、内容创作、知识管理。
第二,仓库怎么用:每个目录的职责、Wiki 页面必须带 YAML frontmatter、交叉引用必须用 [[wiki-links]]、每页底部必须追溯来源。
第三,操作流程:导入新资料怎么处理、查询时先看哪里再看哪里、每周怎么做健康检查、会话结束后怎么更新上下文缓存。
这份文件是每次 AI 启动都会被逐条执行的规则引擎。不是什么“参考文档”。
我们的 CLAUDE.md 还做了一件事:两层导航设计。 它自己是全局地图,每个子目录的 _index.md 是局部地图。AI 不需要一次读完所有文件,先看全局地图定位,再按需深入到局部索引。这一层间接设计让每次查询的 Token 消耗大幅下降。
第五步:装 Obsidian Web Clipper 浏览器插件,默认保存目录设到 01_SOURCES/02_Clippings/。看到好文章,一键保存。
第六步:终端打开仓库,启动 Claude Code:
```
claude
```
AI 自动读 CLAUDE.md。然后跟它说:
> “刚剪藏了一篇关于 Agent 架构的文章到 Clippings,帮我导入 Wiki。”
它会自己读完原文、提取实体和概念、创建新页面、更新已有页面、在变更日志里记录这次操作。一次导入通常更新 5 到 15 个页面。
到这里,仓库就算跑起来了。
## 五个操作让它自己进化
搭好只是开始。我们日常跑的是这五件事。
导入:丢进去就别管了
浏览器里看到一篇好文章,Web Clipper 一键剪藏到 01_SOURCES/02_Clippings/。然后在 Claude Code 里说一句“帮我导入”。
AI 做的事:读完原文 → 识别出人物、项目、概念、方法论 → 没有独立页面的新建 → 已有页面的追加更新 → 补交叉引用 → 在日志里记一笔。
我们仓库现在有 13 篇已剪藏的文章,但通过这些文章编译出了 214 个 Wiki 页面。一篇好的源材料进来,会像树枝一样长出十几条关联。
查询:跨整个仓库提问
不问单篇文章,问整个知识网络。
比如:“我存的所有关于 AI Agent 的资料里,记忆机制有哪几种方案?各自优缺点是什么?引用具体页面。”
AI 的做法:先读全局索引 → 定位相关 Wiki 页面 → 沿着交叉引用深入 → 综合回答,每条论断带 [[来源页面]] 引用。好的回答直接存回 Wiki,下次不用再查。
以前这种事得翻聊天记录、翻收藏夹、翻书签。现在 30 秒。
检查:每周一次自我纠错
Wiki 会悄悄腐烂。某个页面被引用了七次,但页面本身不存在。某条论断半年前写的,现在过时了。两个页面在同一个问题上说了矛盾的话。
我们每周跑一次 Lint。AI 扫描全库,输出四类问题:
- 矛盾:页面 A 和页面 B 对同一件事说了不同的话
- 孤页:没有任何链接指向它,别人找不到
- 过时论断:写的时候是对的,但标注了时效限制
- 缺失页面:被引用过但没有创建
报告里最重要的是 Top 3 本周该补的缺口。上周我们的报告指出 prompt caching 被 7 个页面引用但没有独立页面,这周就补上了。
分析存档:好的查询结果不要让它再死一次
每次高质量的回答,当场存回 wiki/analysis/。这些查询结果本身会变成新的知识资产。
这块特别容易漏。 查完觉得“嗯很有用”,关上窗口,过两周又查一遍同样的问题。养成习惯,好的对话当场存档。
热缓存:最不起眼但最省钱
CLAUDE.md 里埋了一个设计:两层导航。
全局索引给出大方向,局部 _index 提供细分入口。AI 不需要一开始就全库扫描。再加上会话上下文里保留的上一次操作记录,日常查询的 Token 消耗比全量检索低了非常多。
这个设计帮我们省了大量 Token 成本。 如果你的仓库超过几百页,有没有这一层差距巨大。
## 几个我们真栽过的跟头
别手动编辑 Wiki。 Wiki 是 AI 的地盘。我们吃过亏:手动在 Wiki 页面里加了一段,格式不统一,AI 下次读的时候理解歪了,产生了一组奇怪的交叉引用。想补充内容,把资料丢进 Clippings 让 AI 导入,或者更新 CLAUDE.md 里的规则。
一个页面只讲一件事。 原子笔记比长综述好用得多。我们的 Wiki 页面平均 200 到 400 字,一件事说清楚就停。交叉引用的效果比长篇大论好太多了。
Git 就是你的后悔药。 仓库根目录 git init,每天 commit。AI 批量操作难免偶尔手滑,秒级回滚。不开玩笑,这个习惯救过我们不止一次。
不跑 Lint 等于白建。 前几周我们光顾着导入,结果孤页堆了一堆。现在设了周日提醒,雷打不动。
心里要有一个上限概念。 Markdown + 全文搜索在几百条笔记以内效果很好。我们目前 214 个 Wiki 页面没问题。但一旦超过一定规模,多跳推理会开始吃力。如果你发现明明记得库里有某个信息,但搜索结果开始泛泛,那就是该升级搜索方案的时候了。不过这是第六个月的问题,不是第一天的。
## 跑起来之后的样子
我们跑了几个月,仓库现在的状态:
- 1,114 个文件,CLAUDE.md 是大脑
- 10 个 AI Agent 各司其职:选题、创作、代码、测试、运维、增长、商业分析
- 5 条 Cron 全自动管道:早报生成、信息简报、日记闭环、周报合成,全自动跑
- 214 个 Wiki 页面,持续编译和交叉引用
- Obsidian 的关系图谱里能看到跨领域的连接,很多关联是人根本不可能手动发现的。
以前找一条历史结论要翻 20 分钟聊天记录。现在问一句,30 秒出结果,带引用来源。
那些 Markdown 文件本身不值钱。值钱的是它们之间那张你手工根本维护不了的关系网。
这个周末把地基打了。复利从你第一次导入资料就开始滚。
如果这篇文章对你有帮助,欢迎转发给也在折腾 AI 工具的朋友。我们接下来会继续写这系列:如何用 Claude Code 管理一个 10 Agent 协作团队、如何设计两层导航体系省 Token、以及 5 条 Cron 全自动管道的搭建细节。
📚 历史文章汇总
1. 超级虚拟团队:多Agent协作实战指南
2. AI 正在提高你的创业失败率
3. 我手搓了一个 Chrome 插件,把 X 收藏夹批量整理成 Obsidian 知识库
4. DeepSeek 一张 JD,就是 2026 年 AI 入行说明书
5. 管10个AI员工3个月,烧了234个坑才悟出来的5条铁律
6. 一个失败老新人的 X 账号避坑复盘:我差点把 16 年老号玩废了
7. 别把 Codex 只当代码助手,它正在变成工作流系统
8. Codex 的 Pinned Threads,到底该怎么用?
9. Codex App 不折腾上手指南:先会这几个命令就够了
10. 保姆级:用AI搭建你的选题流水线,从信息源到选题入库全流程
11. 选题有了然后呢?从文案公式到去AI味,AI辅助写作全流程
如果这篇对你有帮助,欢迎 关注 + 收藏 + 转发 👏🏻
关注 @thinkszyg ,持续分享真实战,生产级,AI真干货。
## 相关链接
- [爆裂队长NEXT](https://x.com/thinkszyg)
- [@thinkszyg](https://x.com/thinkszyg)
- [457](https://x.com/thinkszyg/status/2059208197206868248/analytics)
- [超级虚拟团队:多Agent协作实战指南](https://x.com/thinkszyg/status/2055586218973491708?s=20)
- [AI 正在提高你的创业失败率](https://x.com/thinkszyg/status/2055840093794074816?s=20)
- [我手搓了一个 Chrome 插件,把 X 收藏夹批量整理成 Obsidian 知识库](https://x.com/thinkszyg/status/2055882529849344342?s=20)
- [DeepSeek 一张 JD,就是 2026 年 AI 入行说明书](https://x.com/thinkszyg/status/2056532044809990215?s=20)
- [管10个AI员工3个月,烧了234个坑才悟出来的5条铁律](https://x.com/thinkszyg/status/2056895769257693389?s=20)
- [一个失败老新人的 X 账号避坑复盘:我差点把 16 年老号玩废了](https://x.com/thinkszyg/status/2057273598361076017?s=20)
- [别把 Codex 只当代码助手,它正在变成工作流系统](https://x.com/thinkszyg/status/2057427584909291987?s=20)
- [Codex 的 Pinned Threads,到底该怎么用?](https://x.com/thinkszyg/status/2057736054657130695?s=20)
- [Codex App 不折腾上手指南:先会这几个命令就够了](https://x.com/thinkszyg/status/2058004216904564747?s=20)
- [保姆级:用AI搭建你的选题流水线,从信息源到选题入库全流程](https://x.com/thinkszyg/status/2058411489908973679?s=20)
- [选题有了然后呢?从文案公式到去AI味,AI辅助写作全流程](https://x.com/thinkszyg/status/2058740603450806527?s=20)
- [@thinkszyg](https://x.com/@thinkszyg)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [5:41 PM · May 26, 2026](https://x.com/thinkszyg/status/2059208197206868248)
- [457 Views](https://x.com/thinkszyg/status/2059208197206868248/analytics)
- [View quotes](https://x.com/thinkszyg/status/2059208197206868248/quotes)
---
*导出时间: 2026/5/26 19:36:39*