Obsidian 如何接入 AI 工作流

Obsidian 接入 AI 的关键，不是给笔记软件加一个聊天框，而是让 AI 能读写、搜索、整理和重组你的本地 Markdown 知识库。

Obsidian 在 AI 时代重新变得重要，不是因为它最漂亮，也不是因为它有最多插件，而是因为它坚持了一个古老但强大的原则：笔记就是本地 Markdown 文件。

这件事对人类来说意味着数据主权，对 AI 来说意味着可操作性。

只要内容是文件，AI 就能读取、搜索、改写、归档、生成链接、提取结构。Obsidian 因此不只是笔记软件，而是个人 AI OS 的记忆底座。

为什么是 Obsidian

很多笔记软件把内容锁在数据库和云端服务里。人类使用时没问题，但 AI 要操作时就会遇到边界：接口不开放，结构不透明，导出麻烦，自动化受限。

Obsidian 的优势在于：

• 每条笔记都是 Markdown。
• 文件保存在本地。
• 文件夹结构清晰可读。
• 双链和标签形成知识关系。
• 可以被 Claude Code、OpenCode、Cursor 等工具直接打开。
• 可以通过 MCP 或 CLI 进一步被 Agent 调用。

这正好契合「万物皆文件」的原则：文件系统是 LLM 的母语。

三种接入方式

Obsidian 接入 AI 工作流，大致有三种方式。

第一种是文件系统方式。让 Claude Code、Cursor、OpenCode 直接打开 Obsidian Vault，把它当作一个普通项目目录处理。

这种方式最简单，也最稳定。AI 可以读取 Markdown、搜索关键词、修改文件、生成新笔记。

第二种是 MCP 方式。通过 Obsidian MCP，让 AI 客户端调用更明确的工具，比如列出笔记、创建笔记、更新笔记、生成反向链接。

这种方式比直接改文件更结构化，适合需要工具边界和操作确认的场景。

第三种是 CLI 方式。通过 Obsidian CLI，让 Agent 调用 Obsidian 原生搜索、属性、反向链接和插件能力。

这一步的意义最大：AI 不再只是遍历一堆文件，而是开始操作知识图谱。

推荐工作流

一个简单有效的 Obsidian + AI 工作流可以这样设计：

Obsidian Vault/
  01-INPUT/
  02-PROCESSING/
  03-OUTPUT/
  04-REFERENCE/

01-INPUT 存放原始材料，比如网页剪藏、视频 transcript、论文、临时想法。

02-PROCESSING 存放 AI 处理结果，比如摘要、观点提取、主题聚类、周报。

03-OUTPUT 存放正式输出，比如 Newsletter、视频脚本、Wiki 页面。

04-REFERENCE 存放长期参考资料，比如人物、工具、概念、框架。

这个结构不需要一开始很复杂。关键是让 AI 知道：哪里是原料，哪里是加工区，哪里是成品。

典型任务

Obsidian 接入 AI 后，最有价值的任务不是「帮我总结这篇笔记」，而是跨文档操作。

例如：

• 从最近 20 条剪藏中提炼共同主题。
• 找出某个概念在不同文章中的演化。
• 把一组素材整理成 Newsletter 结构。
• 给一篇新文章找相关旧笔记作为参考。
• 根据一个主题生成 Wiki 页面。
• 将对话结果归档到指定文件夹。
• 为已有笔记生成反向链接。

这些任务的共同点是：AI 不只是回答问题，而是在整理你的记忆系统。

MCP 的作用

MCP 可以理解为 AI 调用工具的统一协议。

在 Obsidian 场景里，MCP 的价值是把「读写笔记」变成显式工具。AI 不再只是猜测文件路径，而是通过明确的工具去列出笔记、读取内容、创建文件、更新属性。

这让 AI 操作更可靠，也更容易被人类审查。

如果说 Markdown 文件是知识的存储格式，那么 MCP 就是 Agent 操作知识库的接口层。

CLI 的意义

Obsidian CLI 更进一步。

直接遍历文件当然可行，但当 Vault 变大之后，纯文件搜索会遇到效率和语义问题。Obsidian 自己有搜索、反向链接、属性、标签和插件生态。CLI 让 AI 可以调用这些原生能力。

这意味着 AI 不再把 Obsidian 当成「文件夹」，而是当成「知识操作系统」。

这是 Obsidian 在 AI OS 中真正升级的地方。

常见误区

第一个误区是过度设计。

很多人搭建知识库时，先设计几十个文件夹、复杂模板和标签系统，最后真正写进去的内容很少。AI 工作流最怕这种空架构。更好的方式是先建立最小结构，让真实内容流动起来。

第二个误区是只做收藏。

剪藏不是知识管理。只有被摘要、关联、转化、输出的资料，才会进入你的认知系统。

第三个误区是只问答，不写回。

如果 AI 只是在聊天框里回答，而结果没有写回 Obsidian，那么系统没有积累。真正的工作流应该让结果沉淀成 Markdown。

和 newtype OS 的关系

在 newtype OS 里，Obsidian 是记忆层。

Agent 负责执行，Skills 负责方法，MCP/CLI 负责工具接口，而 Obsidian 负责长期沉淀。

这四者合在一起，才构成一个可持续运转的个人 AI OS。

最小可行方案

如果你想从今天开始，可以这样做：

1. 建一个 Obsidian Vault。
2. 用 Markdown 保存所有输入和输出。
3. 用 Claude Code / OpenCode 打开这个 Vault。
4. 建立 INPUT / PROCESSING / OUTPUT 三层结构。
5. 每次让 AI 处理完内容后，要求它写回 Vault。

先做到这一点，你就已经从「用 AI 聊天」进入了「让 AI 操作知识系统」。