你的 Obsidian 知识库，终于有了会思考的「AI 助理大脑」

你是否曾把 PDF、网页、会议记录一股脑丢进 Obsidian，却很快淹没在未整理的碎片里？是否厌倦了每次提问都要重新上传资料、反复校验答案来源？claude-obsidian 不是一个“AI 插件”，而是一套运行在本地、以 Claude Code 为引擎、深度融入 Obsidian 工作流的「自组织知识操作系统」——它不替代你记笔记，而是让每一份新输入自动扎根、交叉验证、动态连接，并持续反哺后续所有查询与写作。

核心功能

• 「源文件永存」式摄入：上传任意本地文件（PDF/Markdown/网页 HTML/代码片段）后，系统先生成内容哈希唯一标识的只读副本存入 inbox/sources/，再基于此生成带精确引用锚点的笔记——即使原文被误删或修改，你的知识图谱依然有据可查。
• 声明即证据的知识建模：每个关键结论（如“LLaMA-3 在 MMLU 上达 82.6%”）都会被拆解为独立「Claim」条目，自动关联原始出处段落、标注支持/矛盾证据、标记置信度与人工复核状态，杜绝“AI 胡编乱造”却无从追溯的问题。
• 跨文档自动链接网络：不止是简单插入双链，它能识别不同笔记中对同一概念（如“RAG 架构”）的多角度描述，生成结构化索引页、术语关系图，并在 Obsidian Canvas 中可视化呈现语义聚类，让隐性知识显性化。
• 基于已有知识的精准问答：向 Claude Code 提问时，系统自动检索 Vault 内已存证的 Claim 和 Source，仅将相关上下文注入提示词，回答必带引用跳转；拒绝“幻觉式自由发挥”，真正实现「所答即所知」。
• 知识健康度主动维护：内置 lint 命令可扫描过期链接、未引用的 Claim、孤立文档；rollup 功能定期合并同类研究笔记；research 工作流支持对某主题发起多轮追问并归档完整推理链——知识库越用越健壮，而非越积越乱。
• 零数据出域的隐私保障：所有文件处理、索引构建、查询响应均在本地完成；Claude Code 仅接收经严格裁剪的上下文片段，原始文件绝不上云；网络请求需手动显式开启（如联网搜索补充），默认完全离线。
• 与 Obsidian 深度共生：输出纯 Markdown 文件（含标准 YAML Frontmatter）、JSON 元数据、Canvas 图谱文件，无需专用插件即可在任意 Obsidian 实例中打开、编辑、同步；备份/版本控制/Git 协作流程完全不变。
• 操作全程可审计可回滚：每次写入前生成 SHA256 校验的 JSON 计划（含具体文件路径、修改行号、预期变更），用户确认后才执行；所有变更以原子事务提交，失败自动回退，杜绝“半截笔记”污染知识库。

技术亮点

• 「Karpathy LLM Wiki」范式的工程落地：项目直接继承 Andrej Karpathy 提出的 LLM Wiki 方法论——将大模型视为“维基编辑员”，人类负责设定规则、审核结果、维护结构；系统通过 Python 脚本驱动 Claude Code 执行标准化技能（如 extract_claims, link_concepts），而非依赖黑盒 API 调用。
• Agent Skills 协议原生支持：基于开源 Agent Skills 规范设计，每个功能模块（如源解析、图谱生成）均为可插拔技能，支持未来无缝接入其他兼容 Agent 主机，避免厂商锁定。
• 双层知识表示架构：底层是用户完全掌控的「文件层」（普通 Markdown/JSON），上层是「语义层」（Claim Ledger, Source Ledger），二者通过哈希指纹强绑定；即使关闭 AI，Markdown 本身仍是结构清晰、可读可编辑的优质笔记。
• 防竞态的 Vault 事务引擎：采用单协调器（Orchestrator）模式——多个 Claude Worker 并行生成草案，但仅由主进程统一校验、合并、写入；彻底规避多线程/多进程同时修改同一笔记导致的内容冲突或元数据损坏。
• 诚实能力声明机制：工具可用性（如 PDF 解析器是否安装）、技能成熟度（Beta/Stable）、缺失依赖的降级策略（如无 Graphviz 则禁用自动绘图）均在运行时显式检测并报错，拒绝“假装能用”的误导。

适合哪些人用

它专为严肃知识工作者打造：科研人员需长期追踪领域进展并建立个人理论框架；产品经理要沉淀竞品分析、用户反馈、技术方案等多源信息；开发者想系统化整理学习笔记、API 文档、错误排查经验。

真实场景示例：

• 学术研究者：将 20 篇 arXiv 论文 PDF 拖入 inbox，10 分钟后生成带引用的「Transformer 注意力机制演进」综述页，自动标出各论文对“稀疏注意力”方案的支持/质疑证据，后续提问“哪篇提出了 Block-Sparse？”直接定位原文段落。
• 技术决策者：导入公司内部架构文档、会议纪要、Slack 讨论记录，系统自动构建「微服务治理规范」知识图谱，当新成员提问“服务熔断配置在哪？”时，返回带上下文的精准答案及关联的故障复盘案例。

快速上手

只需三步，10 分钟启动你的 AI 知识中枢：

1. 克隆项目（非你的知识库！）：
   git clone https://github.com/AgriciDaniel/claude-obsidian.git && cd claude-obsidian
2. 初始化专属知识库（推荐放在 ~/Documents/MyKnowledgeVault）：
   export GENERATED_AT="$(date -u +%Y-%m-%dT%H:%M:%SZ)" && python3 scripts/claude-obsidian.py init "$HOME/Documents/MyKnowledgeVault" --generated-at "$GENERATED_AT" --operation-id "init-first"
   查看输出的 JSON 计划，复制其中 approved_plan_sha256 值，再执行带 --approved-plan-sha256 和 --apply 的命令完成创建。
3. 启动工作流：用 Obsidian 打开该目录 → 安装官方 Claude Code 插件 → 在 Vault 根目录运行 python3 scripts/claude-obsidian.py ingest inbox/my-paper.pdf 即可开始自动处理。

同类对比 / 注意事项

不同于 Notion AI 或 Mem 的封闭生态，也区别于 Obsidian 社区插件（如 Text Generator）的单点增强：claude-obsidian 是首个将「知识建模」、「证据管理」、「图谱演化」、「本地事务安全」四者整合的开源系统。它不追求“一键成文”，而是确保每一处智能产出都可验证、可追溯、可修正。

重要提醒：需自行配置 Claude Code（免费版可用）；首次运行建议用全新 Vault 测试；Windows 用户请参考 WSL 安装指南；它不替代 Git 备份，但让每次 git commit 都更有意义——因为你知道，这次提交的不仅是文字，更是经过 AI 辅助验证的知识增量。

项目信息

Python · 11482 Star · MIT 开源协议 · GitHub 项目地址

如果你相信知识管理的本质不是囤积信息，而是构建可生长、可验证、可传承的思维基础设施——那么 claude-obsidian 就是你等待多年的那个「第二大脑」操作系统。