Claude Code + Obsidian 自动化工作流完整系统建设指南

你的 Obsidian 知识库是一座金矿，但你一直在用手挖

——Claude Code + Obsidian 自动化工作流完整系统建设指南

三个必须先澄清的误解

在讲任何工作流之前，有三个关于这套系统的核心误解必须先清除。

这不是在故意泼冷水——而是因为：带着正确预期进入，你会建立一个真正有用的系统；带着错误预期进入，你会在两周后失望地放弃。

误解一：「Claude Code 记住了你」

这是这套系统最常被误传的地方。

每次启动新的 Claude Code 会话，它都是一张白板。它不知道你如何组织笔记，不知道你的偏好，也不知道你上次做到哪里了。就像一个每天早晨都会失忆的出色助手。

运行 /init 会通过在 Vault 根目录添加 CLAUDE.md 来配置 Claude Code。这个 Markdown 文件是 Claude 在使用过程中的"工作记忆"，因为它会在每次聊天会话时加载，让 LLM 了解这个 Vault 的上下文和使用约定。

真相是： 这套系统的"记忆"来自写入 Vault 的结构化文档——CLAUDE.md、Session 日志、Context 笔记。是你在主动构建和维护这个记忆，而不是 AI 自动学习了你。

Claude Code 是强大的，但它是无状态的。每个新会话从零开始。如果你在处理多周项目、跟踪绩效评估或管理事件，就会不断地重新解释上下文。解决方案是构建一个 Claude 自动读写的结构化 Vault，你的笔记成为 Claude 的长期记忆。

这个区别决定了你应该如何设计系统：记忆不是自动的，它需要你主动设计。

误解二：「安装了 Skills 就自动运行了」

Skills 教 Claude 如何与 Obsidian 配合工作。其他方法决定 Claude 如何连接到你的 Vault。无论选择哪种集成路径，都要安装 Skills——这适合所有人，应该是第一步，无论你还做什么其他事情。

但安装之后呢？Skills 需要被正确激活，需要配合高质量的 CLAUDE.md，需要你给出足够具体的 Prompt。Skills 降低的是格式错误率，不是你的思考负担。

误解三：「这套系统适合所有人，零门槛上手」

目前，使用 Claude Code 配合 Obsidian 的 REST API 需要熟悉命令行、API 配置和 Prompt 工程。这是一个高级用户工作流。

这套配置的投入大约需要一小时，但复利回报巨大——每次会话都受益于积累的上下文。

诚实的预期设定：

• 基础配置：约 1 小时
• 把系统调试到感觉"对了"：需要 1-2 周的实际使用和迭代
• 真正感受到"摩擦消失"：大约 1 个月后

这不是在劝退你。这是在告诉你：这套系统的价值是递增的，不是即时的。

第一章：为什么 Obsidian + Claude Code 是天然配对

在所有"AI + 笔记"的组合里，为什么 Obsidian + Claude Code 是目前最有潜力的？

不是因为它们功能最强大，而是因为它们在底层架构上有一个罕见的契合点。

一个 Obsidian Vault 本质上是一个由 Markdown 文件构成的代码库。这些文件存储在文件系统中，其他应用程序（包括 Claude Code）都可以访问。

Obsidian 将所有内容以纯 Markdown 文件的形式存储在你的本地机器上，没有专有格式，没有云端锁定，Claude Code 可以零摩擦地读写它——就是一个 .md 文件的文件夹，Claude 已经知道如何处理这些文件。

三个天然优势让这个配对比其他工具更顺畅：

优势一：文件结构即代码结构

Claude 已经非常擅长在文件结构中导航和进行精确编辑。我在 Obsidian 中一直回避的任务——组织、一致性维护、遵循流程、枯燥工作——正是 AI 擅长的。

优势二：自然语言替代复杂插件

不用学习复杂的 Obsidian 插件或自己写脚本，我可以直接用自然语言告诉 Claude 我想要什么。

优势三：CLI 效率远超 MCP

一位开发者发现，通过 CLI 搜索大约消耗 100 个 Token，而通过 MCP 文件读取消耗约 700 万个 Token——差距达到 70,000 倍。MCP 方式提供了更结构化的工具，但原始成本差异是真实存在的。

这就是为什么 kepano 本人更推荐 CLI 方式：一位用户指出，Obsidian 的 CEO 对于用 MCP 访问 Vault 实际上持怀疑态度。Steph Ango 发推说："Obsidian Sync 是端对端加密的，一个 MCP 对它来说没有意义。除非你说的是本地 MCP，那为什么不直接用 CLI 呢？"这是个合理的观点——如果你已经在用终端，CLI 方式比运行一个服务器更简单。

第二章：系统的地基——CLAUDE.md 完整指南

这是整篇文章最重要的一章。

所有工作流的质量上限，都由 CLAUDE.md 的质量决定。在任何工作流之前，必须先把这个文件做好。

CLAUDE.md 文件是最重要的部分——它给 Claude 提供了关于你是谁、你的 Vault 如何组织、以及它可以处理哪些任务的持久上下文。

Claude Code 将项目目录根目录下名为 CLAUDE.md 的文件作为持久上下文文档读取，它在每次会话时自动加载。这是彻底消除无状态问题的机制。

CLAUDE.md 的六个核心组成部分

Part 1：Vault 身份声明

Markdown

# Vault 上下文

这个 Vault 是我的个人知识管理系统，涵盖：工作项目、技术研究、
阅读笔记、日常记录和个人复盘。

使用 Obsidian Flavored Markdown，包含 wikilinks、frontmatter、
callouts 和 Bases 视图。所有内部链接使用 [[wikilinks]] 格式，
不使用标准 Markdown 链接。

Part 2：文件夹结构说明

推荐的文件夹结构：00_Inbox（新想法和内容的临时捕获点）、01_Projects（有时限的主动项目）、02_Areas（持续负责的领域）、03_Resources（参考资料和知识库）、04_Archive（已完成项目和非活跃条目）。

Markdown

# 文件夹结构

00_Inbox/     → 所有未处理的输入，每天清空
01_Projects/  → 有明确截止日期的主动项目（最多 5 个）
02_Areas/     → 持续负责的领域（工作/学习/健康）
03_Resources/ → 参考资料、书摘、技术笔记
04_Archive/   → 已完成项目和非活跃内容
99_Meta/      → 模板、脚本、Vault 配置

Part 3：命名规范

文件名要像句子一样有意义。Obsidian 的反向链接系统依赖文件名工作，Claude Code 把同样的文件名当作上下文信号读取。一个叫做 CAN-bus-traffic-without-DBC.md 的笔记，在模型读取任何一行内容之前就已经提供了有用的信息。而一个叫做 untitled-48.md 的文件什么也说明不了。

Markdown

# 命名规范

笔记命名：`主题-子主题-关键词.md`（英文用短横线，中文直接写）
日记命名：`YYYY-MM-DD.md`
会议记录：`YYYY-MM-DD-会议主题.md`
项目笔记：`项目名-笔记类型.md`

禁止：untitled、new note、copy of 等无意义命名

Part 4：Frontmatter 规范

Markdown

# Frontmatter 规范

所有笔记必须包含以下字段：
- title: 笔记标题（与文件名一致）
- date: 创建日期（YYYY-MM-DD）
- type: 笔记类型（note/article/project/daily/meeting）
- status: 状态（inbox/active/done/archived）
- tags: 至少一个主题标签

可选字段：
- source: 来源 URL
- author: 作者（书摘/文章适用）
- related: 相关笔记列表

Part 5：Agent 行为规则

当 Claude 犯错时，你来纠正它，添加一条规则，它不会再犯同样的错误。Claude 甚至可以自己更新文件。

Markdown

# Agent 行为规则

修改前：
- 涉及 10 篇以上笔记的批量操作，先生成变更清单，确认后再执行
- 删除操作必须先确认，或移至 99_Meta/Trash/ 而非直接删除
- 不确定笔记归属的，放入 00_Inbox 并添加 status: unclear

修改中：
- 保持原有笔记的"声音"，不要改写原有内容
- wikilinks 指向的笔记如果不存在，先创建空白占位笔记
- 不要修改 04_Archive/ 中的任何内容

修改后：
- 告知修改了哪些文件、修改了什么

Part 6：可用工具声明

Markdown

# 可用工具

已安装的 Skills（.claude/skills/）：
- obsidian-markdown：Obsidian Flavored Markdown 规范
- obsidian-bases：Bases 文件格式
- json-canvas：Canvas 文件格式
- obsidian-cli：Obsidian CLI 命令

搜索方式：
- 全文搜索：obsidian search query="关键词"
- 属性搜索：obsidian property:list name="status"
- 孤立笔记：obsidian orphans

一个判断 CLAUDE.md 质量的简单标准

你的 CLAUDE.md 不是给人类看的文档，要为模型写。

用这个问题测试你的 CLAUDE.md 质量：「如果一个从未见过你 Vault 的人读了这个文件，他能独立完成你日常 80% 的笔记操作吗？」

如果答案是"不能"，那 CLAUDE.md 还需要迭代。

一个必须添加的安全边界：.claudeignore

对于不希望 Claude 接触的文件夹，在 Vault 根目录添加 .claudeignore 文件。这是系统的成熟版本——在重要的地方完全访问，在不重要的地方设置硬边界。

text

# .claudeignore 示例

_Private/           # 个人日记，绝对不要碰
Finance/            # 财务信息
.obsidian/          # Obsidian 内部配置
04_Archive/         # 已归档内容不要修改

第三章：Git 备份——在工作流之前必须完成的一步

在开始任何自动化工作流之前，必须先说清楚一个不愿被提及但极其重要的风险：

Vault 损坏是真实存在的风险。当 Claude 拥有 Vault 的写入权限时，如果你不小心，它可能会覆盖笔记。一位开发者描述说，Claude 在上下文的前 20% 里记录了很好的笔记，然后它忘了继续记录，停止记笔记了，导致信息源被损坏。

解决方法很无聊但至关重要：Git。每次变更都提交。没有例外。如果 Claude 破坏了什么，git checkout 可以把它恢复回来。

让 AI Agent 一次修改数千个文件本质上是有风险的。一个错误的正则表达式或被误解的指令可能会大规模破坏数据。通过在 Vault 的副本上工作并逐步检查变更来降低风险是明智的。

Git 初始化的正确方式：

Bash

# 进入你的 Vault 目录
cd /path/to/your/vault

# 初始化 Git 仓库
git init

# 创建 .gitignore，排除不需要版本控制的文件
cat > .gitignore << 'EOF'
.obsidian/workspace.json
.obsidian/workspace-mobile.json
.trash/
.DS_Store
EOF

# 第一次提交
git add .
git commit -m "Initial vault setup - before Claude Code automation"

关键细节：.obsidian/workspace.json 包含窗口状态、打开的标签页和侧边栏宽度。它会不断变化并导致合并冲突。把它加入 .gitignore。

在每次 Claude Code 自动化之前养成这个习惯：

Bash

git add . && git commit -m "Pre-automation backup - $(date +%Y-%m-%d)"

一行命令，30 秒，换来的是"任何错误都可以撤销"的安全感。这是整套系统最重要的安全网。

第四章：四个层级递进的工作流

现在进入核心。

有一个重要的设计原则先说明：这四个工作流是递进关系，不是并列关系。先把第一个层级用顺了，再进入第二个。不要同时尝试全部。

最常见的错误是试图一次性自动化所有事情。先从一个工作流开始——每日笔记是最简单的。让它可靠运转之后，再添加更多。

▸ 层级一：Vault 急救——给混乱的 Vault 做一次体检

适合谁： 已经有数年积累、Vault 结构混乱、找不到笔记的用户。

背景：

一切始于一团乱麻——五年积累在 Obsidian 里的笔记，堆在不再有意义的文件夹里，标签不一致，到处是失效链接。这种数字熵存在于每一个认真记笔记但没有时间维护的人身上。越来越多的高级用户把这个问题交给了 AI Agent。

正确的执行方式——分阶段，先审计不修改：

第一阶段 Prompt（只看，不动）：

text

审计我的整个 Vault，生成一份结构报告。

统计以下信息：
1. 总笔记数量，按文件夹分布
2. 有 frontmatter 的笔记数量 vs 没有的
3. 孤立笔记数量（没有任何 wikilinks 连接）
4. 重复或高度相似的笔记（文件名或内容相似）
5. 已损坏的 wikilinks 数量
6. 最常用的标签 Top 10

只生成报告，不做任何修改。

看完报告，你才知道真正的问题在哪里。然后才能给出针对性的修复指令。

第二阶段 Prompt（按区域分批修复）：

text

根据审计报告，先处理 00_Inbox/ 文件夹：

1. 为每篇没有 frontmatter 的笔记添加完整的 frontmatter
2. 根据内容判断 type 字段（article/note/meeting/daily）
3. 如果内容足够判断归属，将笔记移至正确文件夹
4. 不确定归属的，保留在 Inbox 并标注 status: unclear

处理完 Inbox 后，列出已完成的变更清单，等待我确认再继续。

分批处理的原因： 有人积累了超过 6,000 篇各种类型的笔记，但除了一些模板和元数据之外，缺乏清晰的组织概念，大部分笔记都堆在一个 pages 文件夹里。这种规模的整理，一次性处理会让 AI 的上下文窗口饱和，导致后半段处理质量下降。分批是对的。

时间参考： 一个有 500 篇笔记、结构较混乱的 Vault，完整审计 + 分批修复约需 2-4 小时（含你确认每批变更的时间）。

▸ 层级二：日常维护自动化——把摩擦降到接近零

这是使用频率最高、性价比最高的一组工作流。如果你只做一件事，做这个。

工作流 A：Inbox 智能处理

实际使用案例是真实的：产品经理用这套系统从散乱的会议记录自动生成 PRD；开发者让 Claude 在做新架构决策前先查阅历史决策笔记；内容运营把原始语音转录稿扔进 Inbox 文件夹，让 Claude 自动处理、打标签和归档。

每天早晨执行一次的 Prompt：

text

处理我的 00_Inbox/ 文件夹。

对每篇笔记：
1. 读取内容，判断类型（article/note/meeting/idea/reference）
2. 添加完整的 frontmatter（title、date、type、status、tags）
3. 根据类型和内容，移至正确的文件夹
4. 为笔记中提到的重要概念、人名、项目名添加 wikilinks
5. 如果这篇笔记和现有笔记有关联，在相关笔记中添加反向引用

处理前，先列出 Inbox 中的所有笔记和你的处理计划，等我确认后再执行。

建立一个固定的触发时间： 早晨咖啡时间、午餐前、下班前——选择一个你能坚持的时间点。随机触发的习惯持续不了两周。

一个重要边界： 如果 Inbox 里积压了超过 50 篇未处理的笔记，不要一次性全处理。分 5-10 篇一批，处理完一批再继续。积压太多时，AI 在上下文后半段的判断质量会显著下降。

工作流 B：自动反向链接

一个一直想做但从未真正执行的任务：全面的反向链接——我想在所有相关笔记中把实体（人名、地点、概念）链接起来，但总是太懒，记不住所有实体名称，也不愿意一直手打 [[实体名]]。

可以让 Claude 「读取今天的日记，为所有提到的人物、地点和书籍添加反向链接」。Claude 搜索 Vault 中已有的实体笔记，在需要时创建新的，并在全文添加正确的 wikilinks。原本需要 10-15 分钟枯燥工作的事情，几秒钟就完成了。

完整执行 Prompt：

text

读取今天的日记 [YYYY-MM-DD.md]，执行以下操作：

1. 识别所有出现的实体：
   - 人名（同事、朋友、作者、历史人物）
   - 书名、文章名
   - 项目名、公司名
   - 重要概念词

2. 对每个实体：
   - 检查 03_Resources/ 中是否已有对应笔记
   - 如果有，将日记中的文字替换为 [[wikilinks]] 格式
   - 如果没有，在 03_Resources/ 对应子文件夹创建空白占位笔记，
     然后在日记中添加 wikilinks

3. 在每个被引用的实体笔记中，追加今天的反向引用：
   [[YYYY-MM-DD]] - [一句话描述在哪个上下文中提到了这个实体]

执行前列出发现的所有实体和处理计划。

Obsidian 的图谱视图显示什么已连接，但它不告诉你什么应该被连接。这个工作流运行后，你的知识图谱会变得更密集，而笔记内容不会被填充冗余。

工作流 C：粗糙笔记 → 结构化内容

读完一本书后只需做快速的脑洞倾泻——要点、引语、反应——完全不用考虑结构或格式。然后让 Claude「将这些粗糙笔记转化为带分节的格式化书评」。Claude 把意识流式的要点整理成有适当标题、正确格式化引语和逻辑流的完整笔记。

扩展版 Prompt（用于深度处理）：

text

读取 00_Inbox/[笔记名].md 的内容（这是我的粗糙阅读笔记），
将它转化为一篇结构化的书评笔记。

要求：
- 保持我的原有"声音"和观点，不要添加我没说过的内容
- 结构：核心主题 / 重要概念 / 关键引语 / 个人反思 / 行动建议
- 使用正确的 Obsidian callout 格式（[!quote] 用于引语，[!note] 用于概念）
- 为书中提到的重要人名、概念添加 wikilinks
- 生成完整的 frontmatter（type: book-review，添加 author、year 字段）
- 保存至 03_Resources/Books/

完成后，告知哪些 wikilinks 目标笔记不存在，我来决定是否创建。

▸ 层级三：知识深加工——让积累产生复利

这一层的工作流，处理的是"知识的连接和深化"——让你的 Vault 不只是存储信息，而是开始生产洞见。

工作流 D：每日笔记 → 每周总结 → 每月复盘的自动聚合链

Daily → Weekly → Monthly 聚合链：daily notes 自动聚合为 weekly summary，再聚合为 monthly review。

每周日执行一次的 Prompt：

text

读取本周（2026-04-07 到 2026-04-13）的所有日记笔记，
生成一份结构化的周总结笔记。

总结结构：
## 本周完成的事项
（从日记中提取所有标注为 [x] 的任务）

## 本周的核心洞见
（提取日记中出现的重要想法、决策、学到的东西）

## 本周提到频率最高的主题
（统计本周日记中出现次数最多的 wikilinks 目标）

## 未完成的待处理事项
（提取所有标注为 [ ] 但本周未完成的任务）

## 下周重点
（基于未完成事项和本周洞见，建议 3 个重点方向）

保存为 02_Areas/Reviews/2026-W15-weekly.md

工作流 E：决策前的历史查询

每次做出架构决策之前，让 Claude 检查 Decisions/ 文件夹里的相关历史决策。「我们之前讨论过认证方案吗？」Claude 浮现出相关的架构决策记录（ADR），你可以在过去的推理基础上继续，而不是从零开始。

text

在我做出关于 [X 主题] 的决策之前，
请搜索我的 Vault，找出所有与这个主题相关的历史内容：

1. 在 01_Projects/ 和 02_Areas/ 中搜索相关笔记
2. 检查 99_Meta/Decisions/ 中是否有相关的历史决策记录
3. 找出我之前在日记或会议记录中是否提到过这个问题

汇总：
- 我之前的思考路径是什么
- 是否已经做过类似决策，结果如何
- 我的 Vault 里有哪些已有知识可以支持这次决策

然后再帮我分析这次决策的选项。

工作流 F：投资复盘（或任何"计划 vs 现实"的对比）

当一个股票头寸了结，让 Claude「创建一份复盘，对比我的初始投资逻辑与实际发生的情况，并提炼经验教训」。Claude 检索我的原始投资笔记，与当前信息对比（必要时使用网络搜索），并起草一份深思熟虑的分析。

这个工作流的框架可以推广到任何"有预期 → 有结果 → 需要复盘"的场景：项目总结、年度回顾、学习计划完成度回顾。

▸ 层级四：Session 记忆系统——让 Agent 跨天记住你

这是整套系统最有价值、也最需要主动设计的部分。

核心机制：Context Skill + Session 日志

Context Skill 在会话开始时将你当前的生活状态加载到 Claude：活跃的项目、当前的优先级、个人偏好，以及你当前的专注点。没有它，每次 Claude Code 会话都从零开始。Claude 知道你的 Vault 结构（因为有 CLAUDE.md），但它不知道你现在实际在做什么、这周什么最重要，以及你已经决定暂时放弃什么。Context Skill 通过读取相关笔记、浮现出所有事情依赖的状态来填补这个空白。

两个配套的斜杠命令设计：

一位开发者为此创建了自定义斜杠命令：/resume 在会话开始时加载上下文，/wrap-up 在会话结束时触发热-暖层级的促进。另一种方式是使用 Claude Code hooks，在每次工具调用时自动注入上下文，无需手动执行 /resume。

/resume 命令的设计（放在 .claude/skills/resume/SKILL.md）：

Markdown

---
name: resume
description: 在每次新会话开始时使用，加载当前工作状态和上下文
---

# 会话恢复 Skill

## 执行步骤

1. 读取 99_Meta/Context/current-focus.md
   （包含：本周重点、当前进行中的项目、需要跟进的事项）

2. 读取最近 3 篇日记
   （提取：未完成的任务、提到的重要决策、记录的新想法）

3. 读取 01_Projects/ 下所有 status: active 的笔记标题列表

4. 生成一份简短的"当前状态摘要"，格式：
   - 本周聚焦：[当前重点]
   - 活跃项目：[列表]
   - 待处理：[来自日记的未完成事项]
   - 上次会话：[如果有 Session 日志，读取最新的一条]

## 重要说明

这不是 AI 的"记忆"——这是从你的笔记中提取当前状态的过程。
如果这些笔记记录得不清晰，状态恢复就会不准确。

/wrap-up 命令的设计：

Markdown

---
name: wrap-up
description: 在每次会话结束时使用，记录本次会话的工作内容
---

# 会话收尾 Skill

## 执行步骤

1. 总结本次会话的工作：
   - 完成了什么
   - 做了哪些修改（哪些文件、做了什么改动）
   - 发现了什么新的 Vault 问题或待处理事项
   - Claude 这次的偏好学习（如果有新的行为偏好需要记录）

2. 将总结追加至 99_Meta/Sessions/YYYY-MM-DD.md

3. 更新 99_Meta/Context/current-focus.md 中的"待处理"列表

一个必须警惕的坑：记忆重复问题

最大的挑战不是构建记忆层，而是去重。同一个主题在 10 次会话中被讨论，会产生 10 条几乎相同的记忆条目。我最终添加了一个"存前先搜索"的步骤。Reddit 上的这条评论为我节省了数小时的清理工作。

在 /wrap-up Skill 里加入这条规则：

text

在写入新的 Session 记录之前，先搜索最近 7 天的 Session 日志，
检查是否有重复的条目。如果本次的内容和已有记录高度相似，
更新已有记录而不是新建。

第五章：进阶工具——不是所有人都需要，但知道它们的存在

工具一：Claudian—把 Claude Code 嵌入 Obsidian 侧边栏

Claudian 是一个将 AI 编码 Agent（Claude Code、Codex 等）嵌入你的 Vault 的 Obsidian 插件。你的 Vault 成为 Agent 的工作目录——文件读写、搜索、bash 和多步骤工作流都开箱即用。

通过在 Obsidian 里嵌入终端窗口，把 Claude Code 带进来，可以在与 LLM 聊天的同时看到所有文件夹，看到新创建的资源实时出现。这节省了每次交互中的数秒时间，在整个对话过程中累积起来非常可观。

适合谁： 不喜欢来回切换终端和 Obsidian 界面的用户；视觉导向、需要在工作时看到完整上下文的用户。

工具二：QMD——比 Obsidian 搜索快 6 倍的本地搜索引擎

QMD 是一个设备端的 Markdown 笔记、会议转录稿、文档和知识库搜索引擎，由 Shopify CEO 创建。

qmd 命令使 Claude Code 能够使用 QMD 搜索引擎搜索 Vault 中的笔记，速度显著快于 Obsidian 内置搜索。

Vault 搜索对比：grep 需要 1.95 秒，CLI 需要 0.32 秒——快 6倍。

适合谁： Vault 超过 1000 篇笔记、搜索速度已成为明显瓶颈的用户。

工具三：双 Vault 架构——保护私人内容的进阶方案

这个教训来自实践：你需要两个 Vault，一个给你，一个给 AI。一个 Vault 用于所有个人内容，通过 iCloud 跨设备同步。当开始用 Claude Code 进行开发时，很自然地想把 Claude 指向 Obsidian Vault。但个人日记、随机想法和敏感笔记都在里面——这并不理想。

双 Vault 架构：

• 个人 Vault
  ：保留在 iCloud，包含所有私人内容，Claude 永远不接触
• AI Workspace Vault
  ：存在 Git 仓库，包含项目文档、决策记录、学习笔记，Claude 可以读写

Obsidian 原生支持多 Vault。在它们之间切换只需要 Cmd+P 然后选择。

适合谁： 对隐私有高要求的用户；Vault 里有大量个人日记、财务信息或其他敏感内容的用户。

工具四：Firecrawl 批量网页存档

通过配置 Firecrawl，辅助脚本可以直接将完整的网页内容抓取并保存到 Vault。这意味着：完整文本捕获（脚本将完整文章文本而非摘要写入文件）、上下文保留（Claude 不需要在内存中保存网页内容）、批量处理（一次性保存多篇文章）以及永久存档（你的研究永远保存在 Vault 里）。Claude 可以搜索和分析数千篇保存的文章而不会触及上下文限制。

适合谁： 研究型用户，需要大量网页内容存档；想要构建"永久研究库"的用户。

第六章：必须正视的局限性——这套系统做不到的事

这一章很重要。不讲局限性的工具评测是广告，不是分析。

局限一：AI 无法提升你的内容质量

你的 Vault 应该包含你真实的思考。Claude 读取它来获取上下文，但不应该用生成的内容污染它。把 Claude 的输出（计划、记忆文件）保存在 ~/.claude/ 中，把你的知识保存在 Vault 本体里。

如果你的笔记本来就思路混乱，Claude 用完美的 Obsidian 格式把混乱的内容写出来——你得到的是一篇"格式完美但内容混乱"的笔记。格式化是放大器，不是净化器。

局限二：Claude Code 无法处理真正模糊的输入

大多数时候，一切内容都被堆进一个叫"To Sort"的文件夹里，这个文件夹，永远不会真正被整理。我之前尝试过自动化，但发现自动化设置比手动操作工作量更大，这完全没有解决问题。

没有任何内容的剪辑、没有说明的名单列表、完全没有上下文的碎片文字——Claude 会把这些归入"杂项"。这是正确行为，不是 Bug。Garbage in, garbage out 对 AI 一样成立。

局限三：隐私边界必须清楚认识

隐私问题比通常讨论的更需要细致分析。本地 REST API 确实把数据保留在你的机器上。但 Claude Code 本身默认通过 Anthropic 的 API 运行——这意味着你的 Prompt 以及 Prompt 中引用的笔记内容会经过 Anthropic 的服务器。

实际含义：

• 你的笔记文件不会上传到云端 ✓
• 但你发送给 Claude 的 Prompt 内容（包括笔记内容片段）会经过 Anthropic 服务器 ✗
• 高度敏感的内容（财务、医疗、法律、密码）不应该让 Claude 处理

使用 .claudeignore 排除敏感文件夹，是目前最直接有效的保护方式。

局限四：这套系统需要你持续维护

把系统调整到这个状态需要迭代。CLAUDE.md 已经被重写了好几次。随着 Vault 的演进，Skills 也需要调整。但我现在用的版本确实契合我的思考和工作方式，这种契合感让它不像是在使用工具，而是在使用一个真正了解你想做什么的搭档。

这套系统不是"配置完成就一劳永逸"的。你的工作方式变了，CLAUDE.md 要跟着变；你的 Vault 结构调整了，Skills 要跟着调整；你发现了一个新的 AI 错误模式，要加进 Agent 行为规则。

这不是缺点，这是系统有生命力的体现。

行动建议：分三层，对应三种准备状态

🟢 今天（1 小时以内）

目标：完成地基，让系统可以安全运行

text

Step 1（15分钟）：Git 初始化
  git init && git add . && git commit -m "Before Claude Code automation"

Step 2（20分钟）：创建 CLAUDE.md
  运行 /init 生成基础框架，然后按本文第二章补充六个核心部分

Step 3（10分钟）：配置 .claudeignore
  排除所有不希望 AI 接触的文件夹

Step 4（15分钟）：安装 obsidian-skills
  确认 .claude/skills/ 目录已包含官方 5 个 Skill 文件

只做这四步，不要急着运行任何工作流。

🟡 本周（分阶段推进）

目标：让第一个工作流可靠运转

text

Day 2-3：执行 Vault 审计（只审计，不修改）
  → 了解你的 Vault 真实状态，找到最大的混乱点

Day 4-5：选择一个层级二工作流开始使用
  → 建议从 Inbox 处理开始，因为它是最低风险的
  → 连续使用 3 次，记录每次需要手动纠正的地方

Day 6-7：把纠正记录整合进 CLAUDE.md
  → 每一次纠正 = 一条新的 Agent 行为规则
  → 这是系统自我优化的过程

当 Claude 犯错时，你来纠正。添加一条规则，它不会再犯同样的错误。

🔵 本月（系统化建设）

目标：建立完整的 Session 记忆机制，让系统开始"了解你"

text

第二周：建立 Context 文件结构
  → 创建 99_Meta/Context/current-focus.md
  → 每周一更新：本周重点、活跃项目、本周需要做的决策

第三周：创建 /resume 和 /wrap-up 两个 Skill
  → 参考本文第四章的设计模板
  → 连续使用 5 次，评估"会话恢复"的准确性

第四周：评估与迭代
  → 哪个工作流真正节省了你的时间？
  → 哪个工作流的输出质量让你不满意？
  → 根据一个月的真实使用体验，决定是否进入层级三的工作流

不要直接复制别人的系统。它经过多年演化，契合别人的思维方式。你的系统应该契合你的思维方式。核心理念——无摩擦捕获、关联笔记、AI 处理枯燥工作——可以适配很多不同的结构。

结语：从「知道我应该做」到「我真的期待去做」

这套系统对笔记实践的影响是深远的——那些曾经感觉像苦差事的任务，现在变得毫不费力。更重要的是，我发现自己更频繁地使用 Obsidian，因为 Claude Code 消除了摩擦。捕获一个想法，不再意味着要为后续 10 分钟的整理工作买单——体验从「我知道我应该做」变成了「我真的期待去做」。

但在这种体验描述的背后，有一个更深层的真相需要指出：

最有趣的意涵不在技术层面，而在认知层面。Obsidian 这类工具属于「思考工具」类别，它们的前提是：你如何组织信息，塑造了你如何思考。

这句话的另一面是：如果你把信息的组织工作全部外包给 AI，你也在外包一部分思考过程。

这不是在说"不要用 AI"——而是在说，AI 应该处理的是思考的「执行税」（格式化、归档、链接），而不是思考本身。

你的笔记里的洞见，是你的。你建立的连接，反映的是你的认知框架。你写下的问题，是你真正在乎的问题。

这些，都不应该被 AI 替代。

AI 是铲子，不是矿工。

而一座金矿能出多少金子，终究取决于矿工的判断。

从 kepano 的 5 个 Markdown 文件（文章一），到官方 Skills 套件的完整决策框架（文章二），到 Bases 与 Canvas 的场景实战（文章三），再到今天的完整系统建设指南（文章四）——

这条路的终点，不是一套完美的系统。

而是一个你不再需要每次都重新解释自己、AI 真正开始理解你的工作方式的状态。

这个状态，不是一次性到达的。它是迭代出来的。

从今天的第一个 git commit 开始。

松花酿酒，春水煎茶。

眉上风止，见字如晤。

一只阿木木