摘要
过去很长一段时间里，我一直在刻意让 Obsidian 和 AI 保持距离。因为我担心，一旦把知识整理、组织甚至生产都交给 AI，人脑与知识库之间的连接会变弱，思考也会变浅。
但这一个月，我认真做了一次实验：并行运行两套 Obsidian 系统，一套延续过去的手动方式，一套完全按 AI Native 的思路重构。
一个月后：我决定，全面转向 AI x Obsidian。
这篇文章也是一个整个过程的记录，篇幅较长，包括我的思考和心态转变，希望是对想要尝试将 AI 和自己的知识库相结合的小伙伴来说，有一点借鉴意义！
00
我为什么一直拒绝让 AI 进入 Obsidian
纸张是用来记录我们需要记住的事物。而我们的头脑，是用来思考的
—— 爱因斯坦
我用 Obsidian 已经四年多了。
这四年里，我在里面记录了超过 5000 张卡片，平均下来每天 3～5 张。大部分思考、整理和输出，也几乎都是围绕这套系统来展开的。
坦白说，它原本已经工作得很好了。
所以当越来越多的人开始讨论 AI 和 Obsidian 时，我会去看别人怎么用，但一直没有真正动手。
不是没兴趣，而是有一些顾虑。
我一直相信：那些亲手记录、亲手整理、亲手建立关联的动作，本身就是学习和思考的一部分。
我一直觉得，Obsidian 之所以对我有效，不只是因为它存了很多我的内容，而是因为这些内容，从输入、记录、整理，到卡片之间建立关联，几乎都是我自己亲手完成的。这些动作看上去像是在做记录，但它们本身就是思考的一部分。
正因为这些内容经过我手，我的大脑里对这套知识库才会有一种框架性的映射。虽然不是每张卡片都记得，但整个知识网络的大体结构，我心里是有感觉的。这也是为什么，多年来我一直觉得这套系统用起来很顺。
另外，我也是一名重度的 AI 使用者。
我一直有一个担心：如果把内容生产和组织管理都交给 AI，会不会省掉那些原本应该留在大脑里的关键动作？
久而久之，我可能拥有了一个越来越完整、越来越漂亮的知识库，但它和你自己的大脑之间，却没有建立起足够深的连接。那样的话，知识库也许更强了，但人的思考，反而可能变浅了。
正因为这些顾虑，我一直没有真正把 Obsidian 知识库交给 AI。
01
直到今年，我意识到自己可能忽略了什么
转折大概发生在今年一二月份。
无论是从身边，还是从各种信息渠道，我都明显地感受到，越来越多的人开始认真在实践 AI x Obsidian 的做法。
一些我一直在关注的人（如 Andrej Karpathy、Steph Ango），也在积极拥抱这一块。
这让我开始重新思考：会不会我的担心多余了，或者说忽略了这种结合带来的更重要的价值？
下定决心，准备试一试。
我自己有一个习惯：对于任何一套新的工作流程，我都会刻意、高强度地使用一段时间，等真正有了体验、有了比较，再做最终的判断。
这一次我也决定这样做。
02
我并行跑了两套系统，做了一个月对照实验
为了尽可能减少判断偏差，我没有直接把旧系统推翻重来。
相反，我选择了一个更笨、但更可靠的办法：并行运行两套 Obsidian 系统。
一套，是我原来那套已经运转成熟的学习与创造力系统。
它依然按照我过去熟悉的方式工作。我会继续每天写 3～5 张卡片，保持原来的输入、处理、输出习惯。最重要的是，这套系统的生产过程依然以手动为主，几乎不借助 AI。
另一套，是我新建的一个 Obsidian 仓库。**这套系统从一开始就是按更适合 AI 操作的思路来搭建的。**文件夹结构、命名方式、模板、交互逻辑，全部围绕 AI Native 的方式重构。
在新的这套系统里，几乎所有的操作都交给 AI 完成；当然，写什么、读什么、为什么这样做，决策权始终在我手里。
对于新的这套系统，我也不是偶尔用用，而是真正高频地、刻意地去用它。一个月后，对比结果出来了。
03
结果比我预想得更明显
先说最直观的一组数据。
在旧系统里，我平均每天生产 3～5 张卡片。
而在新系统里，一个月下来，总共生产了 200 多张卡片，平均下来每天 7～8 张卡片。
这还不是最让我意外的，毕竟有了 AI，纯效率提升，是在预判之中。
真正让我意外的是：我之前所有担心的问题，几乎都没有发生。
我原本以为，借助 AI 以后，我对内容的理解可能会变浅，思考可能会变弱。但实际体验恰恰相反。很多时候，不仅没有减弱，反而带来了更深的思考。
因为 AI 并不是简单替我写东西。更准确地说，它只是把很多原本高摩擦、低效率、但又不得不做的操作成本降下来了，让我能把更多注意力放在判断、连接、选择、修正这些更有价值的地方。
系统运转实际更顺畅了，这个变化，对我来说非常关键。
我决定，全面转向 AI x Obsidian 这套方式！
04
从笔记工具到个人 AI 操作系统
几年前开始接触 Obsidian 的时候，我把它当作一个笔记工具。
后来，它变成了个人知识管理系统。
再后来，它成为我的学习与创造力生产系统（也是我全面接入 AI 之前的用法）。
而现在，在 AI 加入以后，我更愿意把它叫做：一套为我服务的 AI 基础设施。更激进一点，我把它叫做：我的个人 AI 操作系统。
为什么这么说？过去那套学习与创造力系统能实现的功能，新的系统都能实现；而以前做不到的一些事，现在也变得可能了。
比如，我不需要自己一层层翻文件，也不需要记住内容具体藏在哪个目录。我可以直接从整个知识库里调取分散的信息，让系统给我一个结论、一个洞察，甚至是一份报告。
Obsidian 还是之前的 Obsidian，变化的只是一种工作方式和流程，但从能做的事情和感觉上已经完全不同了。
05
这套系统我是怎么搭起来的
1. 工具组合
先说我目前使用的核心工具组合，其实比较简单。
- Obsidian：这是前端，整个系统的承载界面。
- Claude Code：AI 和系统交互的主要入口，我主要通过它去读写、调用、调度整个 Obsidian 仓库。
- 底层模型：我目前接入的是智谱 GLM，接入 Claude Code 使用。
说明：你完全可以使用其他的大模型或者 Agent 工具，并非这个组合就是最好的，只是当下刚好我在用，工作得还不错。
2. 文件组织方式
接着是文件组织方式。
这一套文件夹结构，我在一个月里迭代了两三次。当然还有一些局部结构不太满意，但整体运转已经比上一代系统更顺畅了。
├── 00_System/ # 系统级规则、导航、写作规范、AI 工作原则
├── 01_Context/ # 稳定的全局上下文（个人定位、使命、品牌、受众）
├── 02_Daily/ # 每日记录、会话摘要、临时想法、最近进展
├── 03_Projects/ # 具体项目资料
├── 04_Knowledge/ # 长期知识沉淀与方法论
│ └── 00_Cards/ # 原子化知识卡片（190+ 张）
├── 05_Resources/ # 模板、Prompt、框架、示例、可复用素材
├── 06_Skills/ # 任务流程说明与技能定义
├── 07_Tasks/ # 任务收集、本周重点、等待项
├── 08_Archive/ # 归档资料
├── 42_Bases/ # Obsidian Base 数据库视图
├── Attachments/ # 所有附件统一存放
└── CLAUDE.md # AI 协作导航文件（总入口）
对我来说，下面几个部分尤其关键：
CLAUDE.md：帮助 AI 更理解整套系统/01_system：AI 与系统交互时需要遵守的约束与规范/02_context：让 AI 更了解我
这几个部分，本质上是在解决一个很核心的问题：让 AI 更懂这套系统，让我可以更好地通过 AI 和这套系统进行交互。
06
我把高频动作做成了 Skills
为了让这套系统更稳定地运转，我把很多高频、重复性的流程，做成了可复用的 Skills。
这些 Skills 基本上是我当下和这套系统进行交互的主要方式。
其中有些 Skills 也不是我当初就设定好的，而是我在和知识库的日常交互当中发现并提取出来的。
整个过程还挺有趣的，其实有点写代码的感觉（虽然不是我自己一行一行去写的）。
列出来，供大家参考：
- /today：根据系统中的任务和上下文，生成当天的执行计划。我通常会在这个基础上创建 Daily Note。
- /closeday：用于收尾一天。查看当天完成情况，回顾执行状态，并把确认后的结果回写进系统。
- /weekly-review：每周一次的周回顾。用来检查这一周项目、课程、产品等事项的推进情况，为下周计划提供依据。
- /brain-storming：围绕一个主题、想法或一小段思考做发散。发散之后，再由我来收敛，并把结果沉淀进系统。
- /connect-topic：输入两个概念或两个主题，让 AI 在系统中做远距离联想，帮助我发现它们之间可能存在的关联或有意思的洞察。
- /random-thinking：基于我的知识库，帮我随机地抽取某些值得深入思考、有趣、有惊喜的主题内容。
- /check-health：定期帮我审查我的系统里面有哪些矛盾的观点，有哪些失效的双向链接，有哪些孤立的卡片。
- /card-creator：这是我目前使用频率最高的一个 Skill。因为在我的系统里，几乎所有文件都是一张原子化卡片。这个 Skill 会根据我的输入自动判断卡片类型，并引导我创建出对应卡片。
其中，最常用的是 /card-creator 这个技能，在一个月里大概迭代了 10 次左右，几乎平均两三天就会调整一次。
我最常见的一种用法是：/ 呼出技能，然后对着系统开始说，说完后交给技能，AI 会帮我判断是否要拆成多张卡，是什么类型的卡，与我现有系统哪些卡有关联？甚至会根据我自己的要求来帮我完善卡片内容。
整个过程，AI 会帮我做出一些判断，最终由我来下决定，是否要拆、是否要执行、是否要建立关联、补充的内容是否合适等等。
下面是这个技能支持创建的卡片类型，以及这一个月我创建的每类卡片的数量记录。
你看到的这张图里总结的卡片类型，以及每个类型所对应的数量，也是由 AI 给到的。
这也让我越来越确信：真正有价值的，不只是有没有 AI，而是你有没有把自己的工作流沉淀成一套能被 AI 理解和执行的结构。
07
一个月下来，我得到的几个关键经验
这两套系统并行运行一个月之后，我有几个体会特别深。
1. 文件命名规范没有失效，但它不再是第一入口了
我原来的系统之所以能稳定运转，一个重要原因，就是我设计了一套文件命名规范，方便通过 Command + O 快速找到内容。
但这次用 AI 重构之后，我发现自己越来越少去找某个文件，而是越来越多直接和整个知识库互动。
后来我想明白了：我们和系统交互的目的，从来不是找到文件，而是获取信息、解决问题。
以前，文件命名规范是实现这个目标的重要手段。现在有了 AI，我可以直接描述我要什么，至于答案来自一个文件，还是多个文件，由 AI 去处理。
所以，文件命名规范并没有失效。只是它已经退到了后台，不再是我与系统交互的第一入口。
2. 我的思考没有变浅，反而得到了更多启发
这是我最意外的地方。
一开始我一直担心，全面接入 AI 之后，我和知识库之间的连接会变弱，思考也会变浅。
真实体验刚好相反：我的思考不仅没有变浅，反而更深了。
原因很简单：内容的源头、判断和关键决策，仍然都在我这里。
AI 负责整理、归类、提取和提示关联，但真正决定写什么、留什么、怎么连，还是我。
而且，AI 特别擅长发现我一时没看到的关联。
很多时候，它把一些潜在连接呈现出来，反而会触发我回到系统里重新看、重新想，于是新的理解和新的想法也跟着出来了。
所以，AI 并没有削弱思考。
恰恰相反，它给了我更多二次思考的机会。
3. 全面拥抱语音输入
这是另一个变化很大的地方。
以前我也会偶尔用语音输入，但大部分时候还是靠手打，因为我一直觉得，打字本身就是思考的一部分。
但最近一个月高频使用下来，我的看法几乎完全变了。
我现在已经全面拥抱了语音输入。
一方面当然是因为它更快。
但更重要的是，语音输入会把很多打字时带不出来的东西一起带出来：一些还没完全成形的想法，一些模糊但有价值的上下文，甚至一些看似啰嗦的补充。
以前我会觉得这些是噪音。
但现在有了 AI，我发现它们反而成了有价值的材料。
错别字可以纠正，口语化和重复也可以整理，而那些隐性的上下文，会让 AI 后续的提炼效果变得更好。
有些时候，AI 整理出来的结果，甚至会让我觉得：
对，这就是我真正想表达的。
实际上，这篇文章本身，也是我通过语音输入完成的，只是在最后让 AI 帮我做了结构化处理。
所以，内容仍然是我原创的。但 AI 在其中起到了非常重要的辅助作用。
我目前使用的语音输入是 Typeless 和 豆包语音输入法，工作得很好。
4. 这套系统，已经超越了简单的知识库管理
经过这一个月的高强度使用之后，我越来越明确地感觉到：它已经开始成为我个人的一套 AI 基础设施。
它服务的范围，已经不只是记笔记、管卡片、做整理，甚至做输出，它是我非常好的思考和学习伙伴，我们是在共同成长。
接下来，我想把它继续扩展到更广的场景里，比如孩子的成长与学习、自己的财务管理、创业中的想法沉淀和决策协作。
也正因为这样，我越来越愿意把它叫做：我的个人 AI 操作系统。
08
接下来，我准备继续做三件事
- 继续迭代和完善我现在这套 AI x Obsidian 的工作流程。
- 逐步把其中已经成熟的一些 Skills 开放出来。
- 把这套工作方式延伸到更具体的应用场景中去。
当然，其中的真实体验，我也会记录下来，这些都是我这套系统最有价值的养分。
如果你也在用 Obsidian，或者也在探索 AI 如何真正进入自己的知识系统，欢迎加我微信一起交流！
[全文完]
✦ BETTER, EVERY DAY ✦
如果你对 AI 时代如何创作与学习 感兴趣
请添加下方微信，一起学习交流
