笔记记了一大堆，真要用的时候却翻不到、想不起来，这大概是所有用笔记软件的人都中过的招。

剪藏了几百篇文章，存了一摞 PDF，写过的随手记散在各个文件夹里，结果它们就那么躺着，互相不认识，你也再没翻开过。问题从来不是记得太少，是记下来之后没人帮你整理。

有人干脆把这件事整个交给了 AI。

这个项目叫 claude-obsidian，思路简单说就一句：给笔记软件 Obsidian（一款很流行的本地笔记软件，你的笔记就是一堆存在自己电脑上的纯文本文件）接上 Claude Code（Anthropic 出的命令行 AI 助手），让 AI 来当那个会自己整理笔记的人。

它跟市面上那些接了 AI 的笔记插件，方向是反的。

那些插件多半是个聊天框，本质是「你问，它从你已经记下的东西里答」。claude-obsidian 反过来，是「你只管往里扔，它替你建、替你理」。你把一份资料丢进去（一个文件、一条链接、一份 PDF 都行），Claude 自己把它读完，抽出里面的人物和概念，跟你已有的笔记一条条建立链接，再归类归档进一个有结构的笔记库。扔一篇进去，它能顺手生成8到15个互相连起来的笔记页面。

打个比方，这就像你雇了个随身资料员。你负责往桌上丢材料，它负责读、划重点、贴标签、归档，而且随时能被你回头问。区别只是它不要工资，也不嫌你丢得乱。

具体能干的活，挑几样讲清楚。

第一样是自动整理加自动建链。你扔来源，它读完抽出实体和概念，更新交叉引用。一开始是零散的几条，记着记着就织成了一张能互相跳转的网，而不是一堆孤零零躺在文件夹里、你再也想不起来的文档。笔记真正值钱的地方，从来不是单条写了多少，是它们能不能连起来。

第二样是你能反过来问自己的笔记，答案有页面出处、更容易回查。你问一句「关于某某我都知道些什么」，它先翻最近的上下文缓存，再扫一遍目录，钻进相关的几页，最后给你合成一个答案。

关键在于，它引用的是你自己笔记里的具体页面，不是模型脑子里那点训练数据。这个区别很重要：它答的是「你读过、你记过的东西」，而且每条都给你指回出处，方便你顺着回查，不是甩一段听起来像那么回事、却查无实据的话。

第三样是会话记忆。每次用完，它会更新一个叫 hot.md 的「最近上下文」缓存，大概500字。下次你再打开，它直接带着上回的上下文，不用你从头跟它解释「我在干什么、上次说到哪了」。用过 AI 的人都懂，每次重新喂背景有多烦。

第四样是自动体检。它能自己找出那些没人链接的孤立页、断掉的链接、过时的说法、缺掉的交叉引用，然后提示你。

笔记库这东西的通病就是越长越乱，记得越多越没人管，最后变成一个谁也不想打开的杂物间。它做的事，就是替你时不时打扫一遍，让这堆东西始终是能用的，不是越积越沉的负担。

它还会留意笔记之间的自相矛盾，发现你这页说的跟那页对不上，会专门标出来给你看，附上各自的出处。这一点对长期记笔记的人挺有用，毕竟人隔几个月想法会变，自己很难记得当初到底怎么写的。

第五样稍微进阶，叫自主研究。你给它一个题目，它能自己分几个角度去搜、去抓网页、补上缺口、再合成，最后归档成带交叉引用的笔记。这个过程默认最多跑3轮，最后归档进笔记库的页面数有上限（默认15页），抓网页的次数则跟着搜索轮次和角度走、会比这个多，但整体有边界，不会无限制乱跑。

这套东西的底子，作者说是受了 Andrej Karpathy 提过的一个想法启发，叫「LLM Wiki」，核心就一句话：让知识像利息一样越攒越多、互相生息。你今天记的，能勾住三个月前记的，时间越久这张网越值钱。

说完亮点，得把账算清楚，免得有人装完发现不是那么回事。

先说门槛，这是最劝退的一点。它本质上是 Claude Code 的一套技能（skill），干活的引擎是 Claude Code，作者也明说真正跑通验证过的只有 Claude Code 这条路（其它几个 AI 命令行工具目前只是实验性兼容，没保证）。所以基本上，你得当它就是一个挂在 Claude Code 上的东西来用。

上手的步骤是这样：先有 Claude Code，再装 Obsidian（建议用比较新的版本），然后 git clone 下来跑一条安装命令，把那个文件夹当成 Obsidian 仓库打开，在同一个文件夹里开 Claude Code，输入 /wiki 就开始了。对已经在用这两样工具的人，这几步是几分钟的事；对完全没碰过命令行的人，这一关确实有点拦人。

再说几条实话。

它是真开源，MIT 许可，拿去商用都行。按作者的说法，核心能力没有藏起来只给会员的部分，全在公共的开源版里。这点比那种「免费版阉割、好用的都要会员」的工具实在。

它在 GitHub 上攒了大约6800颗 star，是个挺新的项目，2026年4月才建的，到现在两个多月，5月下旬还有过提交，不是那种放着吃灰的老仓库。但新也有新的代价：它还在迭代，还有几十个待处理的问题，你撞上点小毛病是正常的。

它本身不自带跨设备同步。你的笔记说到底就是一堆文件，想在手机电脑之间同步，得自己配，用 Obsidian 自家的同步服务，或者 Git、Syncthing、iCloud 之类都行，但得你自己搭。

隐私这块得分两层说清楚，别被「本地笔记」四个字哄过去。第一层，你的笔记文件确实是本地的 Markdown，就在自己电脑上；项目里那个额外联网的检索功能默认是关的，要专门开一个同意开关才会联网，不开就不走它这条出站。

但第二层别忽略：它干活靠的是 Claude Code，你让它读笔记、问笔记、做整理，这些内容都要交给模型处理，自然会按 Claude Code 和你所用模型那边的数据政策走网络，不是「整套全在你电脑里、什么都不出门」。准确的说法是：笔记文件归你、项目自己的额外检索默认不出站，但调模型这一步的数据流向，得看 Claude Code 那边的规矩。

还有一点要交底：它进阶的那套检索机制，还有一个叫 DragonScale 的记忆扩展，作者自己都把后者标成「可选的额外扩展」，得另跑一条命令才装。这类深水区的东西，文档讲得有，实际顺不顺手得自己试，别一上来就指望每个角落都打磨好了。前面讲的那几样核心动作（往里扔资料、建链、能问、自动体检）是这个项目的主干，门槛低、最值得先用起来。

它更适合几类使用场景。大概是这么几类人最划算：笔记量已经大到自己手动整理跟不上的，常年要往里喂一堆 PDF、文章去消化吸收的，以及本来就在用 Obsidian 加 Claude Code 的。要是你笔记还没几条，或者压根没用过这两样工具，那为它专门装一套，性价比就不高了。

它是开源的，MIT 许可，在 GitHub 上叫 claude-obsidian，作者是 Daniel Agrici。

要不要折腾这一套，其实看你的笔记到了什么量级。东西攒到自己都管不动的时候，找个会自己整理的帮手才划算；还没到那个份上，先记着，也挺好。

#马力的AI知识分享#
#马力的AI开源项目分享#