资料越存越乱？codex+obsidian搭了个会自己长大的知识库

你有没有过这种体验：

收藏夹里躺着几百篇文章，笔记软件里堆着几十条摘录，桌面上还有一堆网页截图。真到要用的时候，要么翻半天找不到，要么好不容易翻出来了，几份材料之间怎么也串不起来。

信息是散的，知识是乱的。

更扎心的是，用了 AI 之后，情况也没好到哪去。

每次打开对话框，你都得从头交代一遍背景；问完、拿到答案、关掉窗口，这次对话就像从没发生过。下一回再问，AI 还是一张白纸。

资料越堆越多，知识一点没沉淀。

先别怪自己，这是 RAG 的基因决定的

传统 RAG（检索增强生成）的工作方式是这样的：

上传资料 → 切块转向量 → 提问 → 检索相关片段 → 拼接 → 生成答案。

每一次提问，这套流程都完整跑一遍。上一轮和下一轮之间，没有任何关联。

它天生就是为”一次性问答”设计的，不是为”知识积累”设计的。

打个比方：你雇了个实习生，他每天早上来上班都失忆一次。你说什么他才知道什么，下班就全部清空。

这样的实习生，干十年也不会成长。

所以问题从来不是”AI 不够聪明”，而是我们用错了姿势——一直把大模型当问答机器，而不是当知识系统的维护工。

那什么才是对的姿势？

三层架构：让知识自己长成一张网

这套方案的底层逻辑，是把知识库拆成三层。理解了这三层，你就明白它和 RAG 的根本区别在哪。

第一层：原始资料层——你的燃料仓

论文、文章、博客、网页、会议纪要、读书笔记……所有你收集的原材料，直接丢进 Obsidian 的指定文件夹，不需要任何预处理、不需要清洗、不需要分类。

你的唯一动作是”丢进去”。

第二层：Wiki 组织层——会自进化的大脑

这是系统的核心。AI 会对原始资料做解构与重构：提取摘要、生成概念标签、建立交叉引用，最后织成一张网状的知识地图。

关键在于它的自进化能力：你喂进去的资料越多，这张网就越密，每个知识点挂着的上下文就越丰富。同样的一个问题，三个月后问和今天问，答案质量完全不同。

第三层：结构规范层——防退化的护栏

负责命名约定、目录结构、工作流程和持续迭代。

这一层最容易被忽略，但它决定了你的知识库是一直保值，还是半年后退化成第二个”信息垃圾场”。

三层搭好之后，分工就清楚了：人只负责阅读和判断，AI 负责整理、更新和链接。

你的角色从”知识管理员”，变成了”知识决策者”。

两个免费工具就够了

Obsidian

基于本地 Markdown 文件的知识管理工具。所有内容以纯文本文件存在你自己的电脑里，数据完全自控，不依赖任何云服务。去 obsidian.md 下载对应系统版本，安装后点左下角”管理仓库”→”创建”，指定一个本地文件夹当知识库位置就行。

Codex

OpenAI 推出的终端 AI 助手。很多人只拿它写代码，严重低估了它在知识管理场景的能力——它可以直接读取 Obsidian 里的文件，帮你分析、提纯、归档、建立链接，而且回答时会明确标注信息来源。

💡 如果你已经在用开源的 Openclaw，或者腾讯的 WorkBuddy，本教程的后续步骤同样通用。

六步搭建，照着做就能跑起来

步骤 1：环境准备

装好 Obsidian 和 Codex，在 Obsidian 里创建本地仓库，确认 Codex 终端能正常交互。

步骤 2：项目初始化（最关键的一步）

Karpathy 有一套开源的知识库理念提示词，已经有人把它封装成了 SKILL，可以一键安装。

对 Codex 说一句：

请根据 https://skillhub.cn/install/skillhub.md ，安装 @user_46180358/llm-wiki-admin

装好之后，追加你自己的定制指令——写作风格、标签体系、你关注的领域。

然后让 Codex 运行。它会按 Karpathy 的框架，自动在 Obsidian 里生成完整的目录结构和组织规则。

回到 Obsidian 一看：文件夹、模板、索引页，全都在那儿了。

步骤 3：数据抓取

给浏览器装 Obsidian 官方插件 “Obsidian Web Clipper”（扩展商店里搜即可）。装完点插件图标进设置，切中文，把默认保存路径设成仓库里的 Inbox 文件夹。

之后浏览到任何想收藏的网页，点插件图标 → 确认路径 → 点”添加”，内容就自动进了你的知识库。

步骤 4：AI 自动处理

资料进来之后，你只需要下指令，拆解、分类、链接全交给 AI。

在 Codex 里输入：

请处理 Obsidian Inbox 文件夹里的文章

它会依次完成：阅读文章 → 提取核心观点 → 生成内容概要 → 创建来源标记和主题标签 → 识别与已有知识点的关联 → 建立交叉引用 → 输出处理日志。

你也可以更口语一点：”把这两篇文章导入我的第二大脑”，它会自动归档并关联。

处理完你可以反问一句”你是如何处理这些内容的”，它会把完整链路列出来：归档文档 → 新增 Wiki 页面 → 更新已有文件 → 建立内部链接。

步骤 5：四种用法，每一种都让系统更聪明

持续喂养。 文章、网页、会议纪要、读书笔记，持续往 Obsidian 里丢，AI 自动接住、消化、归档。你喂得越多，它越懂你的领域。

自然语言提问。 直接在 Codex 里问，比如”总结一下 AI 时代新人求职的核心变化是什么”。它会从知识库提取信息生成答案，并明确标注”本回答基于知识库中的 XX 页面和 YY 页面”。每个答案都有据可查，不用怕它瞎编。

答案沉淀。 这是整套系统”越用越聪明”的核心机制。如果 AI 的回答有价值，直接说一句”把这个回答归档到 Obsidian 知识库”，这个回答就会变成一个新的知识节点，链接进已有的网络里。

每一次高质量交互，都变成知识库的养料。

定期体检。 每隔一段时间让 Codex 检查一遍，找出孤立页面、重复内容、断裂链接。

步骤 6：定期健康检查

让 Codex 做三项检查：内容完整性（重复、缺失、过时）、链接健康（断链、孤立笔记）、标签体系（冗余、不规范）。

根据体检报告，让它自动修复，或者你手动调整。

建议频率：每月一次，或者你觉得知识库”有点乱”的时候。顺便做一次快照备份。

你最终会得到什么

资料被 AI 处理之后，Obsidian 的图谱视图里会出现两幅截然不同的画面。

左边，是原始文件目录：一篇文章接一篇文章，散落各处，互不相干。这是信息。

右边，是结构化知识网络：每一个节点都是一个提炼过的知识单元，每一条连线代表知识点之间的逻辑关联。这是知识。

信息是散沙，知识是网。

而这张网不是静态的。你每丢进一篇新资料，系统自动提炼、分类、建链接。它不是”建好就放着”的仓库，而是一个活着的、在生长的系统。

最后一句话

别再把大语言模型当成一次性的问答工具了。

用 Obsidian 搭结构，用 Codex 做维护，把零散的资料变成体系。

每个人的知识，都值得沉淀成一套越用越值钱的个人百科。

💬 聊聊你的情况

你现在存资料主要靠什么？收藏夹、笔记软件，还是直接截图？有没有过”明明存过，就是找不到”的时刻？评论区说说，我看看能不能给你一个更省事的组合方案。

作者：申导Jacky，优普丰AI敏捷创新培训咨询机构合伙人

AI人工智能，SI超级智能，智能体场景搭建，FDE前端部署工程师，企业AI落地陪跑，驾驭工程（Harness Engineering）先行者

优普丰FDE AI赋能企业AI智能体skill/AI转型落地

一个在AI时代重新定义”工程师”角色的实践者和敏捷教练。

曾经每天写代码12小时,现在每天写规格2小时,效率提升50倍。