Obsidian + Codex：把本地文档变成可被 AI 维护的知识库

这种做法的深层价值在于实现“知识复利”。当AI Agent在处理不同资料时发现相同概念，会自动整合到同一概念页中。随着时间推移，这些概念页会不断丰富，最终成为可复用的知识资产。

适用场景与真正变革

这套方法特别适合以下场景：阅读资料库管理（文章、访谈、研究报告的摘要和概念提取）、公众号素材库建设（选题、案例、金句的沉淀）、专业研究积累（AI、管理、产品、商业等领域的长期研究）、项目资料整理（会议纪要、方案文档、竞品资料）以及个人复盘系统（日记、阶段复盘、决策记录）。 过去，我们用Obsidian来记笔记；现在，我们可以让AI Agent来维护Obsidian。过去，AI主要在聊天框中回答问题；现在，AI可以进入本地文件夹，按规则处理资料、生成摘要、建立概念、更新索引。 真正重要的变化在于：个人知识库正从静态资料库演变为一个开放、本地、可审计、可被AI持续维护的知识系统。这不只是让整理笔记变得更快，而是在搭建一个个人知识底座——原始资料得以保留，Markdown笔记承载知识结构，Obsidian负责浏览和管理，Codex负责批量整理和维护，AGENTS.md定义规则。最终，知识库不再只是“收藏夹”，而是一个可以持续生长、持续复用、持续被AI编排的本地知识系统。

知识库的结构设计与AI协同

Obsidian的核心本质并非一个封闭的数据库，而是一个本地Markdown文件夹管理系统。这意味着你的笔记不是被锁定在某个特定平台中，而是以独立的.md文件形式存在于本地。这些文件不仅可以被Obsidian打开，还能被VS Code、Codex、Claude Code等工具直接读取和修改。 这一定位带来一个根本性的转变：个人知识库不再只是“给人看的笔记”，而可以成为一个AI能够操作、维护、批处理的知识codebase。

Markdown文件夹为何适合AI Agent

一个典型的AI可维护知识库可以采用以下结构设计：raw/目录存放原始资料，wiki/Summaries/用于放置文章摘要，wiki/Concepts/存放概念页，_master_index.md作为总索引，wiki_log.md记录知识库维护日志，而AGENTS.md则定义了AI Agent的操作规程。 其中，AGENTS.md是整个系统的核心。它相当于给AI Agent的“操作手册”，明确规定了原始资料的存放位置、摘要生成规则、概念抽取标准、索引更新方式以及处理日志的记录方式。通过这份规程，AI Agent可以自动完成扫描原始资料、生成结构化摘要、抽取关键概念、更新索引目录、写入处理日志等完整流程。

解决知识管理的核心痛点

对大模型而言，Markdown文件夹与代码仓库极为相似：清晰的目录结构、规范的文本文件、可定义的命名规则、可追溯的索引日志，这些特性使得AI Agent能够高效地执行“读取文件→理解规则→生成内容→修改文件→更新索引→检查结果”这一完整流程。 与封闭式知识库相比，Markdown文件夹具有显著优势：开放性使文件存在于本地，不受平台限制；可迁移性允许在不同工具间自由切换；可审计性让所有修改都有迹可循；可批处理性支持大规模资料的系统化整理；长期积累性则使知识网络能够持续生长和演化。

如有侵权，请联系删除。