** 摘要 **多数人的 AI 知识管理只是“临时检索”缺乏知识复利。本文将教你如何利用 Obsidian 结合 Claude Code搭建一个真正“会自动生长的知识库”。通过设定严格的系统规则CLAUDE.md让 AI 化身专属知识管家自动完成资料入库、实体提取、概念双链编织与日志更新。拒绝资料堆砌让你的第二大脑实现真正的自驱动进化。一、 为什么大多数人的 AI 知识库是无效的大多数人用 AI 做知识管理其实是在做同一件事上传一篇文章问一个问题得到一个总结然后关掉窗口。第二天再上传一篇AI 又重新开始读。表面上看你在用 AI 管理知识。本质上你只是让 AI 一次次帮你“临时处理资料”——没有积累没有关系没有长期记忆更没有知识复利。这不是真正的第二大脑。目前市面上大多数 AI 知识库工具的问题也在于此它们更像是传统的“检索系统”而不是真正的“知识系统”。资料被存进去了但没有被消化。换一个资料源它就从头开始你想让它综合 20 篇文章它只能给出临时拼接的结果。真正高级的玩法是搭建一个自动生长的知识库。让 AI 成为你知识库的专属管理员。你负责喂资料、提问题、判断方向AI 负责整理、归档、交叉引用、发现矛盾、持续更新。这套全新的知识管理思路我们称之为LLM Wiki。二、 自动生长的知识库核心让资料长出关系自动生长的知识库LLM Wiki的底层逻辑与传统工具完全不同。它不是简单地把资料切块、向量化、等你提问时再搜索。相反每当你加入一份新资料AI 会主动阅读并将其无缝编织进已有的知识网络中。当你丢进去一篇关于 AI Agent 的文章时AI 知识库管家会执行以下操作把文章本身归档成 Source来源页面。提取里面提到的人物、公司、产品建立 Entity实体页面。更新已有的 AI Agent Concept概念页。把新观点和旧资料进行对比发现是否有逻辑冲突。补充相关的双向链接。把这次更新写进系统 Log日志。也就是说一篇新资料进入系统带来的不仅是多了一条笔记而是整个知识网络都进行了一次自驱动的迭代与更新。这才是“自动生长的知识库”和“第二大脑”真正该有的形态。三、 自动生长的知识库LLM Wiki 的三层架构你可以把这个系统理解为一个高度协同的三层架构第一层Raw Sources原始资料区这里存放你的所有原始素材。文章、PDF、网页剪藏、访谈记录、课程笔记、会议纪要都可以放进来。核心原则原始资料是绝对的证据来源。AI 可以读取它但绝不能擅自修改它。第二层WikiAI 维护的知识层这是自动生长的知识库真正产生价值的地方。AI 会根据原始资料自动生成结构化的 Markdown 页面例如文章的总结页作者的人物页公司的实体页概念的解释页观点的对比页主题的长期综述页这些页面之间会用 Obsidian 的双向链接Double Brackets死死咬合。时间久了你会在 Graph View关系图谱里看到一个越来越茂盛的知识网络。资料完成了从“孤立文件”到“互相连接的知识系统”的蜕变。第三层Schema规则层这一层通常由一个名为CLAUDE.md的核心配置文件承担。它负责给 AI 立规矩定边界告诉 AI 它是知识库管理员不是聊天机器人。工作是转化知识不是陪聊。定节奏要求“一次只做一件事”辅以六步标准工作流入仓 → 提取来源 → 提取实体 → 提炼概念 → 更新索引 → 记录日志。定结构严格规范目录分类、文件命名、链接语法。避免三个月后产生灾难性的技术债。定模板为来源、实体、概念设定固定模板保证 100 篇笔记查起来像一个人写的。定禁区不跨步骤、不改 raw、不混概念、不跳日志。AI 的发散创造力在知识管理中往往是 bug必须被严格约束。用一句话总结这个生态Obsidian 是 IDE 代码编辑器Claude 是程序员而 Wiki 就是你的代码库。四、 实战教程Obsidian Claude Code 搭建指南搭建这个自动生长的知识库非常简单只需以下几个步骤步骤 1创建本地基础环境打开 Obsidian新建一个仓库Vault命名为test。这个仓库本质上就是你电脑里的一个本地文件夹。步骤 2安装核心通信插件在 Obsidian 的第三方插件市场里搜索并安装Local REST API with MCP。步骤 3配置 API 接口装好后打开插件设置开启Enable non-encrypted (HTTP) server选项。记下插件生成的API Key和API URL。步骤 4连接 Claude Code 大脑用 Claude Code 打开这个test文件夹并输入以下指令让 AI 自动完成 MCP 配置“帮我配置一下 Local REST API with MCP 这个 obsidian 插件api key 是 [你的key]api url 是 [你的url]。”配置完成后在终端输入claude mcp list看到connected状态说明 Obsidian 已经成功接上了大模型的大脑。步骤 5一键生成知识库结构让 Claude Code 为你创建基础架构“请帮我在这个 Obsidian test 里搭建一个 LLM Wiki 第二大脑系统。创建 raw、wiki/sources、wiki/entities、wiki/concepts、templates 等目录。创建 CLAUDE.md 规则文件。创建 index 和 log。以后新资料进入 raw 后请按 source、entity、concept、index、log 的结构进行整理和维护。”步骤 6体验“自动生长”的魔力将一篇新资料放入raw文件夹。对 Claude Code 下达指令“请读取 raw 里的新文件并把它整理进 LLM Wiki。”此时MCP 协议发力Claude Code 会自动总结资料、提取核心观点、创建 source 页、更新 concept 页、建立双链引用并写入日志。切换到 Graph View你会亲眼目睹知识节点像神经元一样开始连接。你的第二大脑正式开始自动生长。五、 附录完整的知识库管家规则文件 (CLAUDE.md)将以下内容保存为CLAUDE.md放在仓库根目录并配合下方的模板文件使用。这是保障知识库稳定生长的最高宪法。# CLAUDE.md — LLM Wiki 第二大脑规则 ## 核心原则 你是一个 LLM Wiki 知识库的维护者。你的工作是帮助用户将**原始资料**转化为**结构化知识**。 ### 铁律一次只做一件事 - 每次聚焦一个文件、一个概念、一个来源。 - 不跨库混淆上下文。处理 raw 时只看 raw整理 wiki 时只看 wiki。 - 完成当前步骤后再进入下一步。 ## 目录结构 test/ ├── raw/ ← 原始资料只读不直接编辑 ├── wiki/ │ ├── sources/ ← 来源笔记每条原始资料对应一个来源页 │ ├── entities/ ← 实体笔记人、组织、工具、书、论文… │ └── concepts/ ← 概念笔记想法、框架、模型、论点 ├── templates/ ← 笔记模板 ├── index.md ← 总索引 / MOC ├── log.md ← 处理日志 └── CLAUDE.md ← 本文件 ## 工作流Pipeline 1. 第一步入仓raw/ - 新资料直接放入 raw/。文件命名YYYY-MM-DD-简短描述.md 2. 第二步提取来源wiki/sources/ - 使用 source-template.md 提取摘要和关键引用。 3. 第三步提取实体wiki/entities/ - 识别并创建独立记录的实体笔记。 4. 第四步提炼概念wiki/concepts/ - 从来源提炼原子化核心概念。 5. 第五步更新索引index.md - 添加/更新链接。 6. 第六步记录日志log.md - 追加操作记录。 ## 命名与链接规范 - 实体笔记实体名.md | 概念笔记概念名.md - 严格使用 Obsidian [[wikilink]] 语法构建双链。 ## 禁止事项 - 严禁跨步骤操作。 - 严禁在 raw/ 中编辑原始文件。 - 严禁在一个笔记中混杂多个概念。 - 严禁跳过日志记录。 - 严禁无用户指令时自行添加资料。必备 Markdown 模板 (存放于 templates/ 目录)1. source-template.md (来源笔记模板)--- type: source title: author: date: {{date}} url: tags: [] --- # {{title}} ## 元数据 - 作者 - 日期 - 来源 - 类型文章 / 论文 / 视频 / 播客 / 书籍 / 其他 ## 要点摘要 1. 2. ## 关键引用 ## 相关链接 - 实体[[entities/]] - 概念[[concepts/]]2. entity-template.md (实体笔记模板)--- type: entity name: category: 人物 / 组织 / 产品 / 书籍 / 工具 / 术语 date_added: {{date}} tags: [] --- # {{name}} ## 一句话定义 ## 详细介绍 ## 来源 - [[sources/]] ## 相关链接 - 相关实体[[entities/]] - 相关概念[[concepts/]]3. concept-template.md (概念笔记模板)--- type: concept name: date_added: {{date}} tags: [] status: 草稿 / 发展中 / 成熟 --- # {{name}} ## 一句话定义 ## 详细阐述 ## 来源 - [[sources/]] ## 相关链接 - 相关概念[[concepts/]] - 相关实体[[entities/]] 相关概念[[concepts/]]3. concept-template.md (概念笔记模板)--- type: concept name: date_added: {{date}} tags: [] status: 草稿 / 发展中 / 成熟 --- # {{name}} ## 一句话定义 ## 详细阐述 ## 来源 - [[sources/]] ## 相关链接 - 相关概念[[concepts/]] - 相关实体[[entities/]]文章来源:打造自动生长的知识库用 Obsidian Claude Code 构建 AI 第二大脑
打造自动生长的知识库：用 Obsidian + Claude Code 构建 AI 第二大脑
发布时间：2026/6/29 19:57:32
** 摘要 **多数人的 AI 知识管理只是“临时检索”缺乏知识复利。本文将教你如何利用 Obsidian 结合 Claude Code搭建一个真正“会自动生长的知识库”。通过设定严格的系统规则CLAUDE.md让 AI 化身专属知识管家自动完成资料入库、实体提取、概念双链编织与日志更新。拒绝资料堆砌让你的第二大脑实现真正的自驱动进化。一、 为什么大多数人的 AI 知识库是无效的大多数人用 AI 做知识管理其实是在做同一件事上传一篇文章问一个问题得到一个总结然后关掉窗口。第二天再上传一篇AI 又重新开始读。表面上看你在用 AI 管理知识。本质上你只是让 AI 一次次帮你“临时处理资料”——没有积累没有关系没有长期记忆更没有知识复利。这不是真正的第二大脑。目前市面上大多数 AI 知识库工具的问题也在于此它们更像是传统的“检索系统”而不是真正的“知识系统”。资料被存进去了但没有被消化。换一个资料源它就从头开始你想让它综合 20 篇文章它只能给出临时拼接的结果。真正高级的玩法是搭建一个自动生长的知识库。让 AI 成为你知识库的专属管理员。你负责喂资料、提问题、判断方向AI 负责整理、归档、交叉引用、发现矛盾、持续更新。这套全新的知识管理思路我们称之为LLM Wiki。二、 自动生长的知识库核心让资料长出关系自动生长的知识库LLM Wiki的底层逻辑与传统工具完全不同。它不是简单地把资料切块、向量化、等你提问时再搜索。相反每当你加入一份新资料AI 会主动阅读并将其无缝编织进已有的知识网络中。当你丢进去一篇关于 AI Agent 的文章时AI 知识库管家会执行以下操作把文章本身归档成 Source来源页面。提取里面提到的人物、公司、产品建立 Entity实体页面。更新已有的 AI Agent Concept概念页。把新观点和旧资料进行对比发现是否有逻辑冲突。补充相关的双向链接。把这次更新写进系统 Log日志。也就是说一篇新资料进入系统带来的不仅是多了一条笔记而是整个知识网络都进行了一次自驱动的迭代与更新。这才是“自动生长的知识库”和“第二大脑”真正该有的形态。三、 自动生长的知识库LLM Wiki 的三层架构你可以把这个系统理解为一个高度协同的三层架构第一层Raw Sources原始资料区这里存放你的所有原始素材。文章、PDF、网页剪藏、访谈记录、课程笔记、会议纪要都可以放进来。核心原则原始资料是绝对的证据来源。AI 可以读取它但绝不能擅自修改它。第二层WikiAI 维护的知识层这是自动生长的知识库真正产生价值的地方。AI 会根据原始资料自动生成结构化的 Markdown 页面例如文章的总结页作者的人物页公司的实体页概念的解释页观点的对比页主题的长期综述页这些页面之间会用 Obsidian 的双向链接Double Brackets死死咬合。时间久了你会在 Graph View关系图谱里看到一个越来越茂盛的知识网络。资料完成了从“孤立文件”到“互相连接的知识系统”的蜕变。第三层Schema规则层这一层通常由一个名为CLAUDE.md的核心配置文件承担。它负责给 AI 立规矩定边界告诉 AI 它是知识库管理员不是聊天机器人。工作是转化知识不是陪聊。定节奏要求“一次只做一件事”辅以六步标准工作流入仓 → 提取来源 → 提取实体 → 提炼概念 → 更新索引 → 记录日志。定结构严格规范目录分类、文件命名、链接语法。避免三个月后产生灾难性的技术债。定模板为来源、实体、概念设定固定模板保证 100 篇笔记查起来像一个人写的。定禁区不跨步骤、不改 raw、不混概念、不跳日志。AI 的发散创造力在知识管理中往往是 bug必须被严格约束。用一句话总结这个生态Obsidian 是 IDE 代码编辑器Claude 是程序员而 Wiki 就是你的代码库。四、 实战教程Obsidian Claude Code 搭建指南搭建这个自动生长的知识库非常简单只需以下几个步骤步骤 1创建本地基础环境打开 Obsidian新建一个仓库Vault命名为test。这个仓库本质上就是你电脑里的一个本地文件夹。步骤 2安装核心通信插件在 Obsidian 的第三方插件市场里搜索并安装Local REST API with MCP。步骤 3配置 API 接口装好后打开插件设置开启Enable non-encrypted (HTTP) server选项。记下插件生成的API Key和API URL。步骤 4连接 Claude Code 大脑用 Claude Code 打开这个test文件夹并输入以下指令让 AI 自动完成 MCP 配置“帮我配置一下 Local REST API with MCP 这个 obsidian 插件api key 是 [你的key]api url 是 [你的url]。”配置完成后在终端输入claude mcp list看到connected状态说明 Obsidian 已经成功接上了大模型的大脑。步骤 5一键生成知识库结构让 Claude Code 为你创建基础架构“请帮我在这个 Obsidian test 里搭建一个 LLM Wiki 第二大脑系统。创建 raw、wiki/sources、wiki/entities、wiki/concepts、templates 等目录。创建 CLAUDE.md 规则文件。创建 index 和 log。以后新资料进入 raw 后请按 source、entity、concept、index、log 的结构进行整理和维护。”步骤 6体验“自动生长”的魔力将一篇新资料放入raw文件夹。对 Claude Code 下达指令“请读取 raw 里的新文件并把它整理进 LLM Wiki。”此时MCP 协议发力Claude Code 会自动总结资料、提取核心观点、创建 source 页、更新 concept 页、建立双链引用并写入日志。切换到 Graph View你会亲眼目睹知识节点像神经元一样开始连接。你的第二大脑正式开始自动生长。五、 附录完整的知识库管家规则文件 (CLAUDE.md)将以下内容保存为CLAUDE.md放在仓库根目录并配合下方的模板文件使用。这是保障知识库稳定生长的最高宪法。# CLAUDE.md — LLM Wiki 第二大脑规则 ## 核心原则 你是一个 LLM Wiki 知识库的维护者。你的工作是帮助用户将**原始资料**转化为**结构化知识**。 ### 铁律一次只做一件事 - 每次聚焦一个文件、一个概念、一个来源。 - 不跨库混淆上下文。处理 raw 时只看 raw整理 wiki 时只看 wiki。 - 完成当前步骤后再进入下一步。 ## 目录结构 test/ ├── raw/ ← 原始资料只读不直接编辑 ├── wiki/ │ ├── sources/ ← 来源笔记每条原始资料对应一个来源页 │ ├── entities/ ← 实体笔记人、组织、工具、书、论文… │ └── concepts/ ← 概念笔记想法、框架、模型、论点 ├── templates/ ← 笔记模板 ├── index.md ← 总索引 / MOC ├── log.md ← 处理日志 └── CLAUDE.md ← 本文件 ## 工作流Pipeline 1. 第一步入仓raw/ - 新资料直接放入 raw/。文件命名YYYY-MM-DD-简短描述.md 2. 第二步提取来源wiki/sources/ - 使用 source-template.md 提取摘要和关键引用。 3. 第三步提取实体wiki/entities/ - 识别并创建独立记录的实体笔记。 4. 第四步提炼概念wiki/concepts/ - 从来源提炼原子化核心概念。 5. 第五步更新索引index.md - 添加/更新链接。 6. 第六步记录日志log.md - 追加操作记录。 ## 命名与链接规范 - 实体笔记实体名.md | 概念笔记概念名.md - 严格使用 Obsidian [[wikilink]] 语法构建双链。 ## 禁止事项 - 严禁跨步骤操作。 - 严禁在 raw/ 中编辑原始文件。 - 严禁在一个笔记中混杂多个概念。 - 严禁跳过日志记录。 - 严禁无用户指令时自行添加资料。必备 Markdown 模板 (存放于 templates/ 目录)1. source-template.md (来源笔记模板)--- type: source title: author: date: {{date}} url: tags: [] --- # {{title}} ## 元数据 - 作者 - 日期 - 来源 - 类型文章 / 论文 / 视频 / 播客 / 书籍 / 其他 ## 要点摘要 1. 2. ## 关键引用 ## 相关链接 - 实体[[entities/]] - 概念[[concepts/]]2. entity-template.md (实体笔记模板)--- type: entity name: category: 人物 / 组织 / 产品 / 书籍 / 工具 / 术语 date_added: {{date}} tags: [] --- # {{name}} ## 一句话定义 ## 详细介绍 ## 来源 - [[sources/]] ## 相关链接 - 相关实体[[entities/]] - 相关概念[[concepts/]]3. concept-template.md (概念笔记模板)--- type: concept name: date_added: {{date}} tags: [] status: 草稿 / 发展中 / 成熟 --- # {{name}} ## 一句话定义 ## 详细阐述 ## 来源 - [[sources/]] ## 相关链接 - 相关概念[[concepts/]] - 相关实体[[entities/]] 相关概念[[concepts/]]3. concept-template.md (概念笔记模板)--- type: concept name: date_added: {{date}} tags: [] status: 草稿 / 发展中 / 成熟 --- # {{name}} ## 一句话定义 ## 详细阐述 ## 来源 - [[sources/]] ## 相关链接 - 相关概念[[concepts/]] - 相关实体[[entities/]]文章来源:打造自动生长的知识库用 Obsidian Claude Code 构建 AI 第二大脑
![华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
![华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
