搭建本地知识库：Obsidian + Claude + Codex 实践
作者分享了周末搭建本地知识库的实战经验。为了解决飞书、微信收藏等信息分散的痛点，采用了 Obsidian 作为存储核心，结合 Claude 和 Codex 两大模型。文章详细介绍了七项具体工作：整理个人传记、萃取写作风格、打通微信同步与浏览器插件归档、训练标题 Skill 以及批量迁移飞书数据。最终实现了 AI 对作者风格的深度理解，强调了私有数据对 AI 效能提升的重要性，以及本地化方案的数据安全性。
相关文档
Karpathy 同款知识大脑搭建指南：从原理到实现
本文详细解读了 Karpathy 提出的基于 LLM 的个人知识库管理方案 'llm-wiki'。文章核心在于将传统的 RAG 检索模式转变为 '编译' 模式：人负责收集原始资料，LLM 负责将资料编译成互相链接的维基页面。文中深入剖析了系统的三层架构、Schema 设计的重要性，并提供了从 0 到 1 的动手搭建指南及进阶的 '防坑' 建议，旨在帮助读者构建一个具备持续复利能力的个人知识库。
Codex+Obsidian，多平台同步，一键分发，太香了！
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。
从一个 Bot 到一整个组织，Grok Bot 的进阶用法分享
作者分享了国庆期间折腾 Grok Bot 的进阶用法，搭建了两套 AI 组织体系：一套服务跨境电商的 12 岗位亚马逊团队，一套服务个人自媒体 IP。核心玩法包括：将本地电脑托管给云 Bot，把在 Claude、Codex 中打磨好的 Skill 迁移给 AI 员工；按功能拆分岗位并写清职责边界；用 1+N 统筹机器人模式降低 Token 消耗；让 Grok 调用 Codex、Cursor 等外部 Agent 实现模型分层；接入飞书 CLI 落成云文档，以及通过 GBrain 知识库打通手机资料收集与工作流。文中还强调了岗位权限边界与人工把关的重要性。
WeChatBridge：微信聊天记录与 AI 应用桥接的开源工具
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。
万字长文｜从 Skill 到工作流：复制三段提示词，做出你的第一条 AI 工作流
这是一篇面向零基础读者的实战教程，教读者通过复制三段提示词，让具备本地文件读写能力的 AI（以 Codex 为例）依次创建内容分析、写作、审校三个 Skill，完成一篇文章的素材分析、大纲初稿和审校验收全流程。文章强调'先做出东西，再弄懂原理'，每段提示词后设有操作后检查清单，帮助读者验证 AI 是否真实创建文件、守住事实边界（如虚构案例性质、不把相关性写成因果）。教程把重复性的提示、纠错动作固化为可复用的工作流，实现长期复用，无需手写代码或安装软件。
一篇讲透知识库：从个人第二大脑，到企业 AI 知识系统
文章系统讲解知识库的本质与搭建方法，区分了信息、资料、知识和知识库四个概念，并对比个人知识库与企业知识库的不同目标。个人层面介绍了 Obsidian、Notion、语雀、NotebookLM 四款工具的适用场景及从零搭建步骤（五入口结构、知识卡片、每周整理）；企业层面强调从高频问题出发、明确负责人与权限边界、建立内容生命周期管理，避免工具吃灰。还对比了飞书、ima、Notion Wiki、语雀团队空间等团队工具，指出常见失败原因：版本冲突、无人负责、只录入不运营等。
Karpathy 的 LLM Wiki 工程指南
本文介绍了 Andrej Karpathy 提出的 LLM Wiki 架构，旨在解决传统 AI 工具重复处理文档导致的资源浪费问题。通过构建 raw/、wiki/ 和 instructions/ 三个文件夹，将文档一次性编译为结构化知识库，大幅降低查询成本并实现长期记忆。
不写代码，2小时用Obsidian+Claude+NotebookLM搭建个人知识库
本文详细介绍了如何在两小时内，无需编程基础，利用Obsidian、Claude和NotebookLM搭建个人知识库系统。文章将三个工具分别定义为矿场、仓库和搭档，并提供了环境准备、软件安装及插件配置的完整步骤，帮助读者构建高效的AI工作流。
如何用 Obsidian 和 Claude 构建永久记忆系统
文章介绍了一种结合 Claude Desktop 和 Obsidian 的 AI 工作流，通过构建本地知识库和配置 MCP，实现一次输入、永久记忆。这不仅解决了重复向 AI 解释背景的痛点，还能自动整理笔记、链接知识，并通过定时任务实现信息管理的自动化。
AI 教程红利已死，工作流红利还活着
文章指出，单纯学习AI工具教程的红利已结束，因为供给爆炸且工具迭代快。真正的红利在于建立个人工作流，将工具融入生产系统并稳定输出结果。作者提出三层剥皮分析，建议戒掉收藏、党派思维等习惯，并通过7天实战将单点技能转化为可复用的SOP流程。
Obsidian+AI 内容生产线搭建指南
文章介绍了一套基于 Obsidian 和 AI 的内容生产工作流，旨在解决素材收集难、利用率低的问题。方案涵盖 Obsidian 的基础安装、双链笔记法、文件夹分类心法，以及如何通过 Copilot 和 Claudian 插件接入 DeepSeek 与 Claude，实现素材的自动化整理、知识库构建与写作辅助，帮助创作者建立可复用的个人资产库。
如何真正搭建高效能的 Claude 项目
文章指出大多数用户仅将 Claude Projects 视为带标签的文件夹，错失了其构建定制化 AI 员工的潜力。作者提出了由身份、规则、流程、输出格式和知识文件组成的六步项目蓝图，通过具体指令和约束，引导 Claude 精准理解用户语调、受众及工作流，从而输出高质量、个性化的内容。
