Stop letting Claude Code forget your project overnight
本文介绍了如何解决 Claude Code 每天重置记忆的问题。通过 Andrej Karpathy 提出的方案，利用 raw 和 wiki 文件夹构建持久化的知识库，将 LLM 视为编译器，将原始素材编译为结构化的 Wiki。文章详细对比了 Wiki 与 RAG 的区别，并提供了基于 Obsidian 和 Claude Code 的自动化配置流程及 Hooks 脚本。
相关文档
Claude + Obsidian，你数百条死笔记，瞬间变成帮你思考的第二大脑
本文介绍了一种结合 Claude 和 Obsidian 的知识管理方案，通过自动化提取、链接和归档，将死笔记转化为可交互的第二大脑，支持全文检索和引用，帮助知识复利增长。
Claude Code vs Codex 网站设计对比实测
作者用相同的提示词、品牌素材和数据让 Claude Code（Opus 5）和 Codex（GPT-5.6 Sol）各构建八个网站，从设计质量、Agent 数量、耗时、输出 token 和 API 成本多维度对比。结果是 Codex 在开放式设计环节赢得六轮中的五轮，效率优势显著：Codex 仅用 9 个 agent、约 5 小时、55 万 token、约 100 美元，而 Claude Code 用了 25 个 agent、14 小时、近 300 万 token、约 444 美元。实验还发现当提示词足够具体时，两者产出几乎一致。
在 Obsidian 中创建你的第二个自我
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。
Superpowers为什么在毁掉你的工作流？
本文作者作为Superpowers插件早期用户，分析了该插件中14个skill在当前前沿模型（如GPT 5.6 Sol）日益强大的背景下的适用性。作者认为，虽然每个skill本身具有合理的软件工程依据，但作为强制工作流组合使用时，会导致流程复杂化、过度设计、时间和token消耗增加，反而降低开发效率。建议开发者根据实际需求提炼使用，而非全盘套用。
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。
如何构建 Opus 5 + Obsidian 自动化研究系统
文章介绍了一种结合 Opus 5 和 Obsidian 的研究系统。Opus 5 以高效性著称，适合处理大量提取和合成任务。Obsidian 作为本地永久存储，通过特定的文件夹结构和 CLAUDE.md 协议，将原始材料转化为链接的知识库。系统实现了自动化的摄入处理和周报生成，将手动阅读和整理的时间转化为思考时间。
The LLM Wiki: 3 Months of Letting Agents Run My Second Brain
文章分享了作者使用LLM代理管理和维护个人知识库（Obsidian Vault）的3个月实践经验。通过分离原始资料与生成内容、定义单一知识流向、统一页面模板以及基于情境的文件夹组织，作者成功将维护工作委托给代理，解决了传统第二脑因维护成本高而失效的问题。
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。
Claude Code + NotebookLM + Obsidian：一套越用越懂你的 AI 研究机器
本文介绍了一套基于 Claude Code、NotebookLM 和 Obsidian 的自动化研究系统。文章详细阐述了如何利用 Skill Creator 为 Claude Code 安装 YouTube 搜索和 NotebookLM 技能，构建完整的研究流水线。该系统能自动抓取数据、生成分析并存储至本地知识库，随着时间推移，Obsidian 积累的数据能让 AI 更精准地理解用户思维。
10 分钟搭一套 AI 自生长知识库：Obsidian + Codex
文章介绍了利用 Obsidian 和 Codex 搭建“自生长知识库”的方法。通过构建“原料库-概念库-Skill库-输出库”的闭环系统，实现信息的自动抓取、整理与消化。文章详细讲解了从工具安装、资讯收集、知识自动分层、Skill 沉淀到最终文章/PPT 输出的全流程，旨在将知识库从单纯的收藏夹转变为能自动产出、越用越聪明的 AI 助手。
如何将 Claude Code 打造为投资研究分析师
文章讲述了作者如何利用 Claude Code 这一编程工具，成功转型为个人的投资研究分析师。通过将其与 Obsidian 知识库及浏览器自动化工具集成，作者构建了一个能够自动筛选数据、抓取信息、建模并撰写报告的工作流。文章指出，与普通的聊天机器人不同，Claude Code 能够独立执行复杂的任务链条，极大地提高了金融研究的效率。
如何构建永不崩溃的 Obsidian 个人操作系统
文章介绍了一套基于 Obsidian 的三层架构个人操作系统，旨在解决传统生产力系统在低谷期容易崩溃的问题。该系统通过 Claude Code (MCP) 实现智能维护，利用 N8N 进行自动化，并结合严格的 Vault 结构（如捕获、活跃、归档等八大文件夹），将笔记软件转变为无需手动维护、能在压力下自我运行的智能 OS。