AI 工作空间：把 Obsidian、代码库、会议记录合三为一

AI 工作空间：把 Obsidian、代码库、会议记录合三为一

一个文件夹统治一切：repos + notes + files，全在 Claude 的视野里

作者：一只阿木木我相信：在 AI 时代，每个普通人都该拥有一个自动生长的知识系统。

先说一个每天都在发生的时间黑洞

你早上坐下来开始工作。

打开 ChatGPT，重新解释你的项目背景。 切换到 Cursor，只能看到一个 repo 里的代码。 打开 Notion，找到上周的会议记录，复制关键信息。 回到 ChatGPT，把这些信息粘贴进对话框。

然后你问了一个问题，得到了答案，关掉标签页。

明天，重复一遍。

这不叫用 AI 工作。这叫手动给 AI 喂饭。

你一直在扮演一个角色：上下文搬运工。你的工作是把散落在各处的信息，一块一块地搬进 AI 的对话框，然后再把输出搬回各处。

这个工作，不应该由你来做。

核心问题：你的工具是"孤岛式"的，而你的工作是"流动式"的

让我们把问题说清楚。

你现在用的工具，每一个都活在自己的孤岛里：

ChatGPT 会忘事。你的工作空间记得。ChatGPT 不知道你的产品背景。Cursor 被困在一个 repo 里。

这是 2026 年 AI 工具最普遍的痛点：每个工具都很强，但它们互相不认识。

一项研究揭示了这个问题的真实代价：METR 对有经验的开发者使用 AI 工具的研究发现，他们认为自己快了 20%，实际测量结果是在复杂任务上慢了 19%。研究人员指出，上下文重建是主要原因之一：花在让 AI 重新跟上进度上的时间，抵消了 AI 带来的速度提升。

不是 AI 不够聪明。是上下文一直在漏。

而解决这个问题的方式，其实极其简单——简单到很多人第一次听到都会觉得"就这？"

解法：一个文件夹，统治一切

我试用了 Obsidian + Claude Code，在笔记本上建立了一个 AI 工作空间。一个文件夹，AI Agent 能看到我所有的工作内容（项目、代码库、笔记、图片），并回写到笔记里。说真的，这是把 AI Agent 工作效率提升 10 倍最简单、最强大的方式之一。

核心思路只有一句话：

不是你去找 AI，而是让 AI 住进你的工作文件夹。

你在电脑的任何位置创建一个文件夹，只有一个前提：这是你的 AI Agent 运行的地方。Agent 能看到里面的所有内容，可以访问和编辑所有文件。

从今天开始，你不需要再"切换上下文"——因为 AI 已经和你在同一个工作空间里。

这套工作空间和你以前用过的，有什么根本不同？

在动手搭建之前，先理解这件事为什么有效。

传统的第二大脑（Tiago Forte 方法论意义上的）是一个经过策划的、可搜索的知识库。Obsidian 是做这件事的最好工具之一：本地优先、基于 Markdown、有强大的图谱视图和插件生态。但它仍然是被动存储。

被动存储的问题是：你把信息放进去，它们就只是躺在那里。你的六个月前的笔记和今天的工作之间，没有任何连接。

AI 驱动的第二大脑在上面加了一个 Agent 层。它不只是存储信息，而是：在你开始新任务时综合笔记并浮现相关上下文；跨会话而不只是单次对话地学习你的模式；根据 vault 里的内容采取行动——起草、发送、调度、总结；回写进你的知识库，所以每次会话都留下痕迹。

这就是本质区别：被动存储 vs 主动行动。

理解这套系统的关键洞察是：你的 Obsidian vault 就是一个 Markdown 文件的文件夹。Claude Code 可以读取这个文件夹，理解结构，并回写进去。

第一部分：工作空间架构——一张图看懂全局

标准文件夹结构

你把代码库克隆在里面，把笔记放进去（Obsidian vault），还有任何你的 Agent 应该读取和编辑的文件。

text

ai-workspace/
├── repos/
│   ├── project-alpha/     ← 主项目代码库
│   ├── project-beta/      ← 副项目代码库
│   └── internal-tools/    ← 内部工具
│
├── notes/                 ← Obsidian vault（在 Obsidian 里打开这个文件夹）
│   ├── .raw/              ← 原始资料（文章/PDF/会议记录）
│   ├── wiki/              ← 编译后的知识图谱
│   │   ├── concepts/
│   │   ├── entities/
│   │   ├── decisions/
│   │   ├── hot.md
│   │   ├── index.md
│   │   └── log.md
│   ├── daily/             ← 每日笔记
│   ├── meetings/          ← 会议记录（整理后）
│   └── projects/          ← 项目笔记
│
├── files/                 ← 其他文件（设计稿/表格/截图）
│
├── AGENTS.md              ← 工作空间级别规则（所有 Agent 都读）
└── CLAUDE.md              ← Claude Code 专用规则

注意这个结构的设计逻辑：

• repos/
   是代码，Claude Code 可以直接在里面写代码、读架构
• notes/
   是知识，Obsidian 在里面浏览，Claude Code 也在里面读写
• files/
   是原材料，设计稿、会议记录原文、截图
• AGENTS.md
   是整个工作空间的操作规则
• CLAUDE.md
   是 Claude 专属的记忆和上下文

这个结构让 Claude Code 同时看到：你写的代码 + 你做的笔记 + 你的历史决策 + 你的会议记录。

然后，你从这个文件夹里运行 Claude Code。它在你的代码库里写代码，从 Obsidian vault 里读产品文档，创建各种文档，比如 PRD、发布说明等。

工作空间 vs 以前工具的对比

第二部分：AGENTS.md——工作空间的"操作手册"

这是整个系统里最容易被忽视、但价值最高的文件。

AGENTS.md 在顶层目录，告诉 Agent 如何与工作空间交互。

它和 CLAUDE.md 的区别是：

• CLAUDE.md
  ：只有 Claude Code 读，是你的个人配置和记忆
• AGENTS.md
  ：所有 Agent 都读，是工作空间的通用规则

一份完整的 AGENTS.md 应该包含：

Markdown

# AI Workspace - 操作手册
## 工作空间说明
这是一个统一的 AI 工作空间，包含：
- repos/：所有代码库
- notes/：Obsidian 知识库（核心记忆层）
- files/：原始文件和资料
## 文件夹职责
### repos/
- 可以读取所有文件以理解架构
- 可以写入代码文件
- 不允许删除任何文件，除非明确指示
- 每次代码变更后，更新 notes/wiki/decisions/ 里的相关页面
### notes/
- .raw/ 文件夹：只读，不允许修改
- wiki/ 文件夹：可读写，是知识图谱的核心
- daily/：每次会话结束前更新今天的日记页
- 每次读取信息前，先检查 wiki/hot.md 和 wiki/index.md
### files/
- 只读原始文件
- 把有价值的信息提炼进 notes/wiki/
## 跨文件夹的黄金规则
1. 做任何架构决策前，先查 notes/wiki/decisions/
2. 读到有价值的文章/文档，立刻 ingest 进 notes/.raw/
3. 解决了棘手问题，立刻记进 notes/wiki/
4. 每次会话结束前，更新 notes/wiki/hot.md
## 什么是"工作完成"
在以下操作完成之前，任何任务都不算完成：
- 相关的 wiki 页面已更新
- 如果有架构决策，已写进 decisions/
- hot.md 已更新当前状态

AGENTS.md 的方式比通用 README 文件处理得更好。 它不是给人看的说明书，而是给 Agent 执行的操作规程。

第三部分：记忆分层——决定系统能否持续运转的关键

很多人设置好工作空间之后，两周内就变成了噪音。原因只有一个：没有做记忆分层。

让系统稳定运行的关键调整是：把记忆分成不同更新节奏的层级。短期工作笔记每次会话更新，项目上下文每周更新，身份档案只在根本性变化时更新。没有这个分层，vault 在几周内就会变成噪音。

三层记忆的具体设计

第一层：会话记忆（每次会话后更新）

存放在 notes/wiki/hot.md，大约 500 词左右：

Markdown

# Hot Cache - 最近上下文
last-updated: 2026-05-31
## 当前最高优先级
- 完成 project-alpha 的 API 重构（deadline: 2026-06-07）
- 准备明天和 PM 的需求评审
## 今天进展
- 解决了 PostgreSQL 连接池的配置问题
- API /users/{id} 已完成，待 review
## 卡住的地方
- project-beta 的 Kafka consumer group 偏移量问题，还没找到根本原因
## 我的偏好（Claude 应该记住的）
- 代码里用 TypeScript strict 模式
- 注释写关键决策，不写显而易见的逻辑
- 回答尽量简洁，不要废话

第二层：项目记忆（每周更新）

存放在 notes/projects/[项目名].md，记录项目的中期上下文：

Markdown

# project-alpha 项目上下文
last-updated: 2026-05-28
## 当前状态
🟡 进行中，比计划落后约 5 天
## 架构关键点
- 使用 Repository 模式隔离数据库操作
- 错误处理统一用 Result<T, Error>
- 认证走 JWT，token 有效期 24h
## 近期决策
- 2026-05-20：选择 BullMQ 做任务队列（详见 decisions/2026-05-bullmq.md）
- 2026-05-15：放弃 GraphQL，继续用 REST（客户端限制）
## 下周重点
- 完成 API 重构
- 开始写集成测试

第三层：身份记忆（每季度更新一次）

存放在 notes/USER.md，是你作为工程师的"身份档案"：

Markdown

# 我的工程师身份档案
## 技术偏好
- 语言：TypeScript（首选），Go（系统层），Python（脚本）
- 数据库：PostgreSQL
- 架构风格：简单优先，不过度设计
## 工作风格
- 偏好：异步沟通，深度工作块，不喜欢频繁打扰
- 代码审查风格：关注可读性和边界条件
## 职业目标（当前季度）
- 主导完成 project-alpha 上线
- 提升 distributed systems 的知识深度

记忆架构比模型选择更重要。分层记忆（工作层、情节层、语义层）是把真正的第二大脑和一个对笔记的精密搜索引擎区分开来的关键。

第四部分：四个让工作空间真正运转的核心操作

操作一：会议记录 → 知识图谱（最高频，最高价值）

会议结束之后，你以前做什么？找个记事本记几行，然后忘了。

现在的流程是：

Bash

# 把会议记录（哪怕只是粗糙的要点）放进工作空间
cp ~/Downloads/2026-05-31-sprint-review.txt \
   ~/ai-workspace/notes/.raw/meetings/
# 执行 ingest
cd ~/ai-workspace
claude
> ingest 2026-05-31-sprint-review.txt

会议跟进：“处理 2026-04-14 团队会议的记录” — 总结转录内容并更新对应的会议笔记。

你会看到 AI 自动做了这些事：

• 提取所有行动项（谁承诺了什么，deadline 是什么）
• 把相关内容更新到 notes/wiki/ 里的对应页面
• 如果有架构决策，标注到 decisions/ 文件夹
• 更新 notes/wiki/log.md 记录操作日志

以后再问"上周的 sprint review 说了什么决定"——直接 query，带引用来源的答案。

操作二：代码库 + 笔记的跨文件夹联动（最有价值的用法）

这是工作空间架构独有的能力，是 ChatGPT、Cursor 单独使用都做不到的。

示例提示：“读取我 /notes/strategy/ 里的策略笔记，和代码库交叉对比。哪些战略目标已经被现有功能覆盖了，哪些在代码里毫无体现？”

再比如：

text

读取会议记录 /notes/meetings/2026-05-31-sprint-review.md
提取所有行动项和未解决的决策
检查这些讨论事项在代码库里的当前状态
把摘要保存到 /notes/projects/project-alpha-sprint-24.md

工作空间不会改变你做的事：你仍然做策略、研究、冲刺规划、利益相关者沟通。但它会改变你怎么做这些事：现在你可以让 Agent 问一个问题，它会交叉引用你所有的来源。

操作三：每日 Inbox 处理（把碎片化输入变成结构化知识）

每天早上，把所有内容放进你的 Obsidian Inbox 文件夹——手机转录的语音备忘录、你转发到笔记收件箱的邮件、白板照片、快速文字记录。然后用"处理我的 inbox"这个指令运行 Claude Code。Agent 读取每一个条目，在正确的文件夹里创建结构化笔记（带有适当的 frontmatter 和标签），识别和已有笔记的连接，然后归档或删除原始 inbox 条目。

把这个习惯建立起来之后，你的工作空间会开始自动消化你的输入。

操作四：把成功工作流变成可复用的 Skill（让系统越用越省力）

完成一个工作流之后，我让 Claude 把它变成 SOP 并创建一个 Skill 文件。两分钟后，Claude 写好了完整的 Agent 定义（身份、上下文、八个步骤、检查点、好坏输出示例），创建了 Skill 文件，并把所有内容连接在一起。一个以前每次都需要手动操作的工作流，变成了一个单一命令。 14 我在每次高效会话结束时都这么做。我们一起解决一个问题，我对输出满意，然后我让 Claude 基于我们刚才做的创建一个新的 SOP 和 Skill。随着时间推移，我的 Skill 库变成了一个完全围绕我实际工作方式构建的个人自动化系统。

第五部分：三种接入方式——按你的情况选一种

不同场景下，把 Claude Code 和 Obsidian 连接起来的方式有三种。

方式 A：单文件夹工作空间（最推荐，适合新用户）

就是上文描述的方式。所有东西在一个文件夹里，Claude Code 直接从这个文件夹运行。

优点：最简单，零配置，立刻可以用 适合：正在建立新工作空间的用户

Bash

mkdir -p ~/ai-workspace/{repos,notes/{.raw,wiki,daily,meetings,projects},files}
cd ~/ai-workspace
claude  # 从工作空间根目录启动 Claude Code

方式 B：Symlink（适合已有多个 repo 的用户）

创建一个独立的 Obsidian vault，与任何代码库分开。用目录软链接拉入你关心的文件。

Bash

# 创建专用 vault（不放在任何 repo 里）
mkdir ~/Developer-Vault
cd ~/Developer-Vault
# 软链接你关心的项目
ln -s ~/projects/project-alpha project-alpha
ln -s ~/projects/project-beta project-beta
ln -s ~/.claude claude-global  # 软链接全局 Claude 配置
# 在 Obsidian 里打开 ~/Developer-Vault

Symlinks 是最简单的方式——一行命令就能让 Claude Code 读取你的知识库。

优点：不污染已有的 repo 结构，仍然可以从任何 repo 启动 Claude Code 适合：已经有多个已建立结构的 repo 的用户

方式 C：MCP Bridge（适合不想把 vault 作为工作目录的用户）

MCP 服务器运行在 Obsidian 内部，让 Claude 在无需把 vault 作为工作目录的情况下查询你的 vault。obsidian-claude-code-mcp 插件通过 WebSocket 在 22360 端口自动发现 vault。

Bash

# 在你的 app repo 里工作
cd ~/projects/my-app
claude
# Claude Code 可以同时查询你的 Obsidian vault
# 无需 symlinks

优点：代码库保持干净，vault 和 repo 完全隔离 缺点：需要 Obsidian 保持运行，多了一个依赖 适合：重视代码库清洁度、不想有任何额外文件的用户

哪种方式适合你？一张决策树

text

你目前有没有在用 Obsidian？
├── 没有 → 方式 A（从零建立工作空间）
└── 有
    ├── 你的 vault 在代码库外面？
    │   ├── 是，vault 在独立目录 → 方式 B（Symlink）
    │   └── 不想改动现有目录结构 → 方式 C（MCP Bridge）
    └── 你的 vault 已经在某个 repo 里？
        └── 建议迁移到独立目录，再用方式 B

第六部分：4 个有用的提示

理论说完了，来看真实的使用场景。

提示 1：策略笔记 × 代码库

text

读取我 notes/strategy/2026-Q2-goals.md 里的季度目标，
和 repos/project-alpha/src/ 里的代码库交叉对比。
告诉我：
1. 哪些目标在代码里有具体体现？
2. 哪些目标在代码里完全没有对应功能？
3. 有没有代码里存在的功能，但不在任何目标里？

提示 2：会议记录 × 代码状态

text

读取 notes/.raw/meetings/2026-05-28-tech-review.md
提取：
1. 所有讨论过的技术问题
2. 承诺了什么，谁承诺的
然后检查 repos/ 里的代码，看看这些问题是否已经被解决。
把结果保存到 notes/meetings/2026-05-28-followup.md

提示 3：早晨 Morning Briefing

text

今天是 2026-05-31，给我一份早晨简报：
1. 从 wiki/hot.md 里读取昨天的进展和遗留问题
2. 从 notes/projects/ 里检查今天有 deadline 的任务
3. 综合告诉我：今天最重要的 3 件事是什么？
输出控制在 200 字以内，不要废话。

晨间简报：“给我今天的早晨更新” — 把关键邮件、日历事件和待办任务整合成一份当天开始的笔记。

提示 4：会话结束的知识沉淀

text

今天的会话即将结束。
请做以下几件事：
1. 把今天解决的核心问题总结，存入 notes/wiki/hot.md
2. 如果今天有架构决策，写一条记录进 notes/wiki/decisions/
3. 更新 notes/projects/project-alpha.md 里的"今日进展"
4. 如果发现了任何值得记录的技术模式，写进 notes/wiki/concepts/
控制在 5 分钟内完成。

这套系统的记忆来自写入 Obsidian vault 的会话日志。每次会话开始时，你（或者你的 CLAUDE.md 指令）告诉 Agent 在做任何事之前先读取最近的会话日志。

第七部分：结构设计的 5 个细节，影响系统能用多久

有人把工作空间搭好了，两周后又变成了数字垃圾堆。原因通常是忽略了以下几个细节。

细节 1：文件夹深度不要超过 3 层

Claude Code 可以遍历子目录，但深度嵌套意味着更多 token 消耗在路径解析上，留给实际笔记内容的上下文窗口就更小。如果你的 vault 看起来像 Projects/Active/Q1/Research/Sources/topic.md，那是 4 层目录的间接层。Research/topic.md 处理起来成本更低。

细节 2：文件名要像句子，不要像代码变量

文件名要像句子一样命名。Obsidian 的反链系统基于文件名工作，Claude Code 把这些文件名作为上下文信号读取。一个叫 CAN-bus-traffic-without-DBC.md 的笔记，在模型读任何一行内容之前就已经给了它有用的信息。一个叫 untitled-48.md 的笔记，什么都没给它。

细节 3：CLAUDE.md 不能只写一次不更新

CLAUDE.md drift 是一个真实的问题。如果你写完了就不更新活跃上下文部分，这个文档就会变成过时的噪音。模型把它当成当前信息读取，你得到的回答是针对一个已经不存在的工作状态校准的。每次会话前 5 分钟的维护可以防止这种情况。

细节 4：区分"AI 写的"和"你写的"

在 frontmatter 里加一个 agent-written: false 标记。这个字段让你能区分系统生成的内容和你自己写的笔记。这对信任校准很重要——你会想用不同的态度审视 AI 综合的内容和你自己的笔记。

一个简单的 frontmatter 模板：

YAML

---
type: decision | concept | project | meeting
created: 2026-05-31
agent-written: true  # 或 false
source: [来源文件路径]
confidence: high | medium | low
---

细节 5：定期清理，防止知识腐烂

语义记忆会变得过时。如果 Agent 在三月写了一条关于你项目优先级的笔记，到了十一月，那条笔记可能会主动误导你。定期运行审计，把语义记忆和最近的会话记录对比，标出任何语义笔记和近期情节相矛盾的地方。

第八部分：一个被隐藏的意外效果——你会开始写更好的笔记

这是很多人在搭完工作空间之后才发现的事。

这套设置带来的生产力提升是真实的，但更有趣的效果是结构性的。当你知道模型可以读你的 vault，你写笔记的方式会不同。你会命名得更精确。你会明确地把连接浮现出来，而不是依赖记忆在后来架桥。vault 变得不再是一个倾倒场，而是一个工作文档——是你为一个真正会使用它的智能读者写的东西。

这是正向反馈循环：AI 住进你的工作空间，让你开始认真对待笔记的质量，笔记质量提升，AI 给你的帮助就更准确，这又让你更有动力写好笔记。

系统在塑造你的工作习惯，而不只是服务你的工作习惯。

第九部分：坦诚说清楚两个边界

边界 1：隐私和安全

Claude Code 在本地运行——你的文件默认不会被上传到服务器（尽管 API 调用会把你的提示和你包含的文件内容发送给 Anthropic）。对于大多数人的个人和工作笔记，这没问题。如果你的 vault 包含高度敏感的内容（法律、医疗、财务），要判断把什么内容包含在查询里。如果你的 vault 包含敏感信息，你应该查阅 Anthropic 的数据处理政策，并考虑哪些笔记要包含进 Agent 的上下文。你可以在 API 配置里把某些文件夹排除在 Agent 访问之外——例如，把个人或财务笔记完全放在 _agent/ 可访问路径之外。

实用建议：在工作空间里建一个 personal/ 文件夹，在 CLAUDE.md 里明确写"不要读取 personal/ 里的任何文件"。

边界 2：Token 成本会随工作空间增长

随着笔记越来越多，每次会话加载的上下文成本会上升。解决方法是：

强制限制上下文大小。加载语义记忆的摘要，而不是完整文件。使用上下文加载技能来只拉取与当前任务相关的内容。

用人话说：hot.md 是你的"快速访问层"，index.md 是"导航层"，只在真正需要的时候才加载完整页面。

30 天行动计划：从今天到真正的 AI 工作空间

第一天（1 小时）：建立结构

Bash

# 1. 创建工作空间文件夹
mkdir -p ~/ai-workspace/{repos,notes/{.raw/{meetings,articles,pdfs},wiki/{concepts,entities,decisions},daily,meetings,projects},files}
# 2. 初始化关键文件
touch ~/ai-workspace/notes/wiki/{hot.md,index.md,log.md}
touch ~/ai-workspace/AGENTS.md
touch ~/ai-workspace/CLAUDE.md
# 3. 在 Obsidian 里打开 ~/ai-workspace/notes 作为 vault
# 4. 把第一个代码库克隆进去
cd ~/ai-workspace/repos
git clone [你最常用的项目]

第一周（每天 10 分钟）：只做一件事

text

每次工作会话结束前：
→ 告诉 Claude：update hot cache
→ 把今天最有价值的一条信息 ingest 进 wiki
不要追求完美，先把习惯建起来

第二周：开始用跨文件夹提示

从三个提示开始，选你最感兴趣的一个：

text

# 提示 A：了解你的代码库和目标的关系
读取 notes/projects/ 里的所有项目文档，
和 repos/ 里的代码库交叉对比，
告诉我：当前代码最大的"文档无法说明功能"的空白在哪里？
# 提示 B：消化积累的会议记录
处理 notes/.raw/meetings/ 里所有未处理的会议记录，
提取行动项，更新 wiki 里对应的项目页面
# 提示 C：分析你的工作模式
读取最近两周的 notes/daily/ 日记，
告诉我：我实际的时间分配和我说的优先级之间有多大差距？

第三周：配置 AGENTS.md，把规则固化

text

按上文的模板完善 AGENTS.md
重点写清楚：
→ 每个文件夹的读写权限
→ 什么叫"完成一个任务"（包括写回 wiki 的要求）
→ 什么情况下要更新 hot.md

第四周：验收

测试这 3 个问题，如果能得到准确的、带引用来源的答案：

1. “我上周做了什么有价值的事情？”
2. “project-alpha 目前最大的技术风险是什么？”
3. “我有没有任何承诺但还没做到的事？”

→ 你的 AI 工作空间，真正建好了。✅

一张可以随时查的速查卡

text

=== AI 工作空间 日常操作 ===
【开始工作前】
→ cd ~/ai-workspace && claude
→ "读取 hot.md，告诉我今天的重点"
【会议结束后】
→ 把记录放进 notes/.raw/meetings/
→ ingest [文件名]
【解决了一个好问题】
→ "把这个解法写进 notes/wiki/concepts/"
【需要跨文件夹分析】
→ "读取 notes/strategy/ 和 repos/project-alpha/，
   告诉我目标和代码的差距"
【会话结束前】
→ update hot cache
→ "今天有没有架构决策需要写进 decisions/？"
【每周一次】
→ lint the wiki（清理孤儿页）
→ "对比 hot.md 和 notes/projects/，
   有没有过时的信息需要更新？"
【核心文件】
→ AGENTS.md      ← 工作空间规则（所有 Agent 读）
→ CLAUDE.md      ← Claude 专属配置
→ wiki/hot.md    ← 会话间记忆
→ wiki/index.md  ← 知识图谱导航
→ wiki/log.md    ← 操作日志

写在最后

搭建这套系统需要一两个小时的前期投入。之后，它就自己运转了——几周内，你会有一个从你真实编程会话中积累起来的知识库，而不是你写了就忘了的文档。这就是它值得建立的原因。

回顾一下我们在这篇文章里做的事：

• 把代码库、笔记、会议记录放进同一个文件夹
• 让 Claude Code 在这个文件夹里直接操作，不需要你搬运上下文
• 用 AGENTS.md 定义操作规则，让系统自己知道该做什么
• 用三层记忆让系统不会变成噪音
• 用跨文件夹提示解锁以前做不到的分析

把 vault 通过 CLAUDE.md 回馈进 Claude Code，创造了一个真实的反馈循环：每次会话让下一次更好。

你的工具不应该是孤岛。你的工作也不应该是搬运上下文的工人。

一个文件夹，统治一切。

让 AI 住进来，让知识流动起来。

—— 一只阿木木在 AI 时代，每个普通人都该拥有一个自动生长的知识系统。