我照着《原神》搭了一套人生操作系统
作者受《原神》启发，利用Obsidian和Claude Code搭建了一套RPG化的人生管理系统。该系统包含角色卡、元素共鸣（成长线）、任务板、天赋树等模块，将现实中的工作和学习转化为游戏任务。通过AI自动记录经验值和反馈，系统解决了传统待办清单反馈弱、路径模糊的问题，利用即时反馈和清晰路径让“做事”变得像刷游戏一样上瘾。
相关文档
Obsidian + Claude Code: 2026年最强生产力工作流
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。
The Hermes + Obsidian + Claude Code Trinity: 独立公司的完整系统
文章介绍了一套由 Obsidian、Claude Code 和 Hermes Agent 构成的系统，旨在解决独立创业者因工具分散而效率低下的问题。Obsidian 作为统一记忆库存储所有信息，Claude Code 负责读取并处理这些信息以辅助决策和写作，Hermes Agent 则作为后台智能代理持续执行任务并自我进化。三者结合构建了一个无需人工频繁干预的闭环运营系统。
日更博主不会告诉你的选题方法：WorkBuddy + Obsidian搭建永不枯竭的选题库
文章探讨了自媒体人如何摆脱灵感枯竭，通过系统化方法获取选题。作者提出“选题不是想出来的，是流进来的”，并分享了构建选题库的三大管道：追踪热点、倾听用户声音和拆解同行对标。同时强调了利用Obsidian和自动化AI工具沉淀备选题目，并建立过滤标准与数据回流机制，从而打造越用越准的高效内容创作系统。
如何构建越用越聪明的第二大脑
文章介绍了如何利用 Obsidian 和 Claude 构建一个“第二大脑”。通过 Obsidian 作为本地存储，Claude 作为上层智能，建立连接并让 AI 读取和整理知识库。文中详细说明了配置 API、创建项目文件夹、设定规则文件以及构建技能和工作流的方法，旨在避免重复劳动，让 AI 记住用户偏好并辅助日常工作。
10万 Star开源库 agency-agents 详解：给AI装上专家团队
文章深入解读了 GitHub 上的热门开源库 agency-agents。它并非独立的 AI 应用或平台，而是一套“AI 专家角色模板库”（Prompt 模板）。其核心价值在于将 AI 的角色标准化，通过定义前端、后端、产品经理等不同“工牌”，解决通用 AI 角色不稳定的问题。该库支持 Claude Code、Cursor 等多种工具，将 AI 从“泛泛聊天”转变为“专业干活”，是理解 Agent 工作流设计的优秀案例。
一个人日更长文，篇均12万曝光——我的AI内容系统长什么样
本文详细介绍了作者基于 Claude Code 工作流改良的一套 AI 内容生产系统。该系统通过建立包含语料库、素材库、内容管线和方法论的四层知识库，实现了从选题、写作、配图到数据复盘的全流程自动化执行。文章重点分享了如何通过“去 AI 味”检测保持个人风格，以及如何利用数据反馈优化标题策略，最终实现单人日更长文并获得高曝光和高涨粉率。
60万人验证的超强免费组合！手把手教你用Claude Code + Obsidian打造个人AI知识库
本文详细介绍了如何利用本地笔记工具Obsidian与AI编程助手Claude Code搭建个人AI知识库。文章阐述了该组合在数据主权、AI原生体验及插件生态方面的三大优势，并提供了从基础环境安装、Claude.md规则配置到进阶插件推荐的全流程实操指南，助用户实现高效的本地化知识管理。
如何将 Obsidian 打造成 Claude 的第二个大脑
文章介绍了将 Obsidian 与 Claude 结合，构建“第二大脑”的完整指南。核心在于通过简单的四个文件夹结构（收件箱、笔记、项目、归档）和必要的插件来组织知识。关键在于建立每日捕捉的习惯，并利用 Claude 的上下文理解能力辅助思考、连接知识点及优化写作。
我用Obsidian + Claude Code搭了一个健脑房
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。
用 LLM + Obsidian 构建个人知识库：基于 Karpathy 的“LLM Knowledge Bases”工作流
本文介绍了基于 Andrej Karpathy 的理念，利用 LLM 和 Obsidian 构建个人知识库的方法。作者将笔记管理类比为软件开发，提出“原始资料”经 LLM “编译”为结构化知识的概念。文章详细阐述了三层目录结构（摄入、编译、输出）、利用 Claude Code 实现增量摘要与索引、定期进行知识库“健康检查”以及不盲目追求 RAG 的实践建议，旨在解决笔记堆积与腐烂的问题。
Openclaw 热潮过去，才发现Claude Code 有多好！90%的人装完CC第一步就错了
文章指出很多用户安装 Claude Code 后未进行有效配置，导致生产力未被释放。作者提出了两个关键步骤：首先通过初始化引导建立 CC 对用户的记忆（MEMORY.md），使其了解用户身份和工作偏好；其次配置专属工作流（Skill），将重复任务标准化。文中提供了初始化提示词模板及 GitHub 上的 cc-starter-kit 仓库，帮助用户快速搭建个性化的 AI 辅助系统。
NotebookLM深度使用指南与工作流实战
本文是NotebookLM的进阶使用指南，作者基于三个月的使用经验，介绍了2025年11月的最新功能（如生成简报、智能图表、移动端上传），并重点解析了三大深度工作流：深度研究、灵感激发和商业分析。此外，文章还分享了Obsidian集成、建立万用笔记本及自定义提示词等高级技巧，强调该工具应作为研究与创作伙伴，而非简单的笔记存储工具。