Obsidian AI 知识库第一步：从 0 搭建最小可用系统

大部分人的知识库死于”装修阶段”：看了十篇配置教程，装了二十个插件，然后一篇笔记都没写。

这篇讲最小可用系统——只要能跑通”输入 → AI 处理 → 沉淀 → 产出”这个闭环，剩下的都是优化。

第一步：一个干净的仓库结构

不要纠结分类法，先用用途分：

vault/
├── 00-inbox/      # 所有未整理的原始输入
├── 10-notes/      # 已整理的永久笔记
├── 20-projects/   # 进行中的项目
├── 30-archive/    # 归档
└── 99-templates/  # 模板

只有五个文件夹。规则也只有一个：新东西一律先进 inbox，整理是批处理动作，不是实时动作。

第二步：三个够用的模板

99-templates/ 里只放三个：

1. 收集模板：标题、来源链接、日期、一句话摘要、#待整理
2. 永久笔记模板：标题、核心观点、判断、关联笔记
3. 项目模板：目标、下一步动作、阻塞点、相关笔记

模板的价值不是格式统一，而是逼你填完关键字段。一个只有标题的笔记等于没记。

第三步：接入 CLI Agent

这是让知识库从”仓库”变成”系统”的那一步。

cd ~/vault
# 让 Agent 只读 00-inbox，避免它误改永久笔记
claude --add-dir ./00-inbox --add-dir ./10-notes

第一次让它做的事不要贪大，建议是：

读一遍 00-inbox 里所有文件，为每篇生成三行摘要，并按主题建议移动到 10-notes 的哪个子目录。先给我计划，不要直接执行。

看到它给出的计划，你就能判断它对你的资料理解到什么程度。这一步的”计划先行”很重要——Agent 的理解偏差会在这里暴露，而不是在批量改文件之后。

第四步：用两个场景验证

场景 A：资料积累

每天用 Web Clipper 存 3-5 篇文章进 inbox，周五让 Agent 统一处理：

• 生成摘要与标签
• 找出和已有笔记的关联
• 归档到对应目录

跑两周之后，你会发现 inbox 清空的速度跟得上存入速度。如果跟不上，说明收集过量了，要砍信息源。

场景 B：项目推进

给每个项目建一个笔记，里面只有三个字段：目标 / 下一步 / 阻塞。

让 Agent 每周一读一遍所有项目笔记，输出一份”本周应该推进的三件事”。它的价值不是比你更懂优先级，而是它不会忘——人脑会自然回避那些卡住的项目。

什么时候该扩展

满足下面两条再加插件：

1. 你已经连续四周每周产出至少 3 篇永久笔记
2. 你明确知道某个手动动作每周占用你超过 20 分钟

除此之外，都属于装修。

知识库的目的不是收藏，是让过去的思考能在未来被调用。衡量标准只有一个：你有没有因为某篇旧笔记，做出过更好的决定。