Obsidian 加 Claude Code：打造全自動化 AI 第二大腦
以往我一直使用 Milanote 作為主要的筆記工具，欣賞其視覺化的佈局，但最近我決定將整個知識體系遷移到 Obsidian。這次搬遷並非因為 Obsidian 的功能更花巧，而是因為一個關鍵的底層優勢：Obsidian 的數據是以本地 Markdown 檔案儲存。這意味著 Claude AI 可以直接讀取並寫入這些檔案，實現真正的「人機協同」知識管理。
為什麼本地 Markdown 是 AI 時代的黃金標準？
在嘗試過無數雲端筆記工具後，我發現封閉的生態系統是 AI 工作流的最大障礙。當筆記存在雲端數據庫時，我需要透過 API 或是繁瑣的匯出程序才能讓 AI 處理資訊。然而，Obsidian 的架構非常簡單，它就是一個文件夾，裡面裝滿了純文字檔案。當我將 Claude Code 接入這個文件夾，AI 就擁有了我所有知識的「存取權」。我發現這種「物理級」的連接，讓 AI 整理資料、撰寫草稿、甚至是重構知識網絡的速度提升了數倍。
建構高效率的文件夾架構
為了讓 Claude 能更準確地理解我的意圖，我重新設計了 Obsidian 的目錄結構。我不再使用雜亂無章的分類，而是採用了功能導向的邏輯：
- 00_Inbox：存放所有未經處理的原始資訊，這是自動化管道的入口。
- 01_Projects：目前正在進行的具體項目。
- 02_Areas：需要長期維護的領域，如健康、財務或技術學習。
- 03_Resources：作為參考的知識庫。
- 04_Archive：已完成或低頻率使用的內容。
這種結構不僅讓我自己清晰，更重要的是讓 Claude 在掃描目錄時，能快速定位檔案的性質，避免在無關的數據中浪費 Token。
核心黑科技：利用 CLAUDE.md 控制 Token 與導航
在使用 Claude Code 處理大型知識庫時，最常遇到的問題是 Token 消耗過快或 AI 迷失在海量文件中。我開發了一套「兩層導航控制」系統，核心就在於文件夾根目錄下的 CLAUDE.md 檔案。在這個檔案中，我明確定義了以下幾點：
- 項目目標：告訴 Claude 這個 Obsidian 倉庫的主要用途。
- 操作規範：例如「嚴禁修改已標記為『定稿』的檔案」或「所有新生成的內容必須符合特定的 Frontmatter 格式」。
- 目錄索引：手動維護一份重要檔案的連結清單，讓 AI 優先讀取這些核心節點。
我發現這就像為 AI 提供了一張地圖和一本說明書，它不再需要盲目地遍歷所有文件，而是能精準地在指定的範圍內運作，極大地優化了回覆的精確度。
打造全自動化的資訊輸入管道
我追求的是一個「會自動長大」的第二大腦。我利用了 n8n 和 Raycast 等工具，搭建了幾條自動化流水線。例如，當我在瀏覽器看到有價值的資訊時，只需按一個快捷鍵，摘要就會自動傳送到 Obsidian 的 00_Inbox 中。接著，我會啟動 Claude Code，下達指令：「請檢查 Inbox 中的新檔案，根據其內容將其移動到適當的類別目錄，並提取出三個關鍵標籤。」這種自動化分類的體驗，讓我徹底從繁瑣的整理工作中解脫出來，能更專注於思考與創作。
將 Claude Code 直接接進 Obsidian 的實戰體驗
最令我感到驚艷的，莫過於直接在終端機啟動 Claude Code 並指向我的 Obsidian 倉庫。我可以對它說：「根據我過去一個月關於『生成式 AI』的筆記，寫一篇 1500 字的技術評論，並引用我標註過的案例。」Claude 不僅能快速掃描數百個 Markdown 檔案，還能準確地辨識出筆記之間的關聯性。它生成的內容不再是空洞的 AI 腔調，而是充滿了我個人過往思考痕跡的深度文章。這種感覺就像是聘請了一位擁有過目不忘能力、且完全理解我思考邏輯的私人秘書。
結語：從記錄工具到思考引擎的蛻變
在使用這套系統一段時間後，我深刻體會到，未來的筆記工具不應該只是儲存資訊的容器，而應該是增強人類智力的引擎。透過 Obsidian 的開放性與 Claude Code 的理解力，我成功將破碎的資訊拼湊成了系統化的知識。這不再僅僅是記筆記，而是在本地端構建一個可以隨時互動、不斷進化的數字化靈魂。如果你也感覺目前的知識管理效率低下，我強烈建議嘗試這種以 AI 為核心的本地端工作流，這絕對會刷新你對「生產力」的定義。
