Marcos avatarMarcos Notes
返回文章列表
AI 工具箱9 min read

AI 自生长知识库

10 分钟搭建：Obsidian + Claude Code 从 0 到 1 完整实战指南

用 AI 把知识利用率拉到 Next Level------定时抓取热点、自动蒸馏复盘、体系化迭代生长，还能直接输出文档、PPT、视频。

一、核心理念：为什么你的知识库需要"自生长"？

大多数人的知识库本质上只是一个收藏夹------收藏了上千条内容，却从未被二次利用。真正的"自生长知识库"（Self-Growing Knowledge Base）核心理念是：不要把知识库当成静态仓库，而是把它变成一个由 AI 持续维护、自动迭代的活系统。

这个概念源自 Claude Code 社区中广泛讨论的自生长理论：知识库应当像生物体一样，具备输入→消化→沉淀→输出→回流的完整代谢循环。

自生长知识库能解决什么问题？

痛点自生长知识库的解决方案
信息分散在浏览器书签、备忘录、飞书文档等各处统一入口，所有信息源汇聚至 Obsidian
收藏后不再回顾，信息沉睡AI 定期蒸馏复盘，自动提取高价值内容
每次写方案/报告从零开始沉淀方法论模板，随时调用复用
重复性工作（周报、选题、配图）耗费精力自定义 Skill，一键执行标准化流程
输出成果无法反哺知识体系产出内容自动回流知识库，形成闭环

鍥剧墖璇存槑

二、系统架构：四层文件夹 + AI 驱动的数据闭环

自生长知识库的核心架构分为四个阶段，对应四个文件夹，数据在其中循环流转：

┌─────────────┐    AI 定期消化    ┌─────────────┐
│  文件夹 A    │ ──────────────→  │  文件夹 B    │
│  原始资料     │                  │  蒸馏后内容   │
│  (Inbox)     │                  │  (Processed) │
└─────────────┘                  └──────┬──────┘
        ↑                               │
        │         AI 定期复盘回流        │ 按场景沉淀
        │                               ↓
┌──────┴──────┐                  ┌─────────────┐
│  文件夹 D    │ ←────────────── │  文件夹 C    │
│  输出成果     │   直接调用输出    │  Skill 方法库 │
│  (Output)    │                  │  (Skills)    │
└─────────────┘                  └─────────────┘
文件夹用途典型内容
A - Inbox（原始资料）未处理的原始信息统一入口网页剪藏、论文截图、视频字幕、会议纪要、RSS 抓取
B - Processed（蒸馏后内容）AI 消化后提取的结构化知识概念卡片、要点摘要、主题聚类
C - Skills（方法库）可复用的方法论与模板写作 Skill、选题判断 Skill、文风 Skill、周报模板
D - Output（输出成果）最终产出的内容产品公众号文章、PPT、视频、分析报告

关键机制：文件夹 D 中的输出成果会在 AI 定期复盘时重新回流至知识库，成为新的养料，驱动系统持续迭代。

鍥剧墖璇存槑

三、环境搭建：Obsidian + Claude Code 联动配置

3.1 为什么选择 Obsidian + Claude Code？

工具定位核心优势
Obsidian本地 Markdown 笔记工具数据完全本地化、插件生态极其丰富、支持双向链接与知识图谱
Claude CodeAI 编程助手（CLI）可直接读取本地 Markdown 文件、支持自定义 Skill 与定时任务、具备文件操作能力

组合逻辑：Obsidian 作为知识库的存储与可视化层，Claude Code 作为 AI 驱动引擎。Claude Code 可以直接读写 Obsidian 仓库中的 Markdown 文件，实现"用自然语言操作知识库"。

3.2 安装与联通步骤

第一步：安装 Obsidian 并创建 Vault

下载安装 Obsidian → 创建新的 Vault（仓库）→ 记住该文件夹的绝对路径。

第二步：安装 Claude Code

通过 npm 全局安装 Claude Code CLI，确保终端可直接调用 claude 命令。

第三步：在 Obsidian 中启用 Claude Code 插件

  1. 打开 Obsidian → 设置 → 第三方插件
  2. 关闭安全模式（关闭受限模式），即可浏览插件市场
  3. 搜索 Claude 相关插件并启用
  4. 在插件设置中填入 Claude Code CLI 的路径（不知道路径可直接在终端输入 which claude 获取）

第四步：关联项目文件夹（关键步骤）

在 Claude Code 中打开项目工作区，链接你在 Obsidian 中创建的 Vault 文件夹。此后，无论在 Claude Code 中处理文件还是在 Obsidian 中查看，本地仓库始终同步。

四、阶段一：信息收集------让 AI 自动抓取与整理

4.1 自动化行业资讯抓取

无论你是做内容、写报告还是做研究，前期的灵感与素材收集都极其耗时。自生长知识库的第一步，就是用 AI 实现信息收集的自动化。

三步搭建行业情报系统（无需写代码）：

步骤操作说明
① 发送 Git 项目地址将资讯聚合项目的 Git 仓库地址发给 Claude Code该项目可从 X（Twitter）、GitHub、RSS 等主流平台抓取内容，自动去重并打分
② 申请 API 密钥直接问 AI 需要哪些密钥以及注册方式常见密钥包括 DeepSeek API Key、GitHub API Key、各信息源平台的 API Key
③ 设定身份与需求告诉 Claude Code 你的身份和抓取需求例如："我是 AI 领域的博主，请每天帮我收集 AI 行业热点，将日报推送到指定文件夹"

RSSHub + LLM 自动化工作流（我推荐的GitHub项目地址）

  • 项目定位：虽不是单一项目，但这是目前最主流的实现路径。

  • 核心逻辑：

    • 抓取层：使用 RSSHub 将 Twitter、GitHub 等几乎所有平台转换为标准 RSS 格式。

    • 处理层：编写一个中间件（推荐使用 Python 的 Feedparser 库），获取 RSS 内容。

    • 智能层：将内容通过 API 发送给 LLM（Claude/Gemini），要求其进行"打分"、"摘要"和"去重（基于语义向量相似度）"。

  • 推荐指数：⭐⭐⭐⭐⭐（定制化程度最高） 配置完成后，AI 会每天自动生成结构化日报，标注哪些内容值得跟进、哪些选题可以直接开做，每条均附参考链接。

4.2 手动收藏的快速导入

除了自动抓取，日常浏览中遇到的有价值内容也需要快速入库：

内容来源推荐插件操作方式
小红书文章小红书导入插件粘贴链接 → 一键导入为 Markdown
网页段落Web Clipper 插件选中内容 → 剪切收藏至 Obsidian
视频内容视频字幕提取插件提取字幕 → 导入 Obsidian 并做笔记
飞书文档飞书 API 客户端Claude Code 安装客户端 → 传入文件夹链接 → 自动导入
Notion / Apple NotesImporter 插件支持多平台多格式直接导入

五、阶段二：知识蒸馏与迭代------让知识库自我进化

5.1 搭建知识迭代系统

将自生长理论的核心思路直接交给 Claude Code：

"结合我的知识库，定制一个知识迭代系统。"

Claude Code 会根据你的 Vault 结构，自动规划出多层清晰的知识架构，涵盖信息输入 → AI 消化 → 信息输出的完整体系。后续运行中，AI 会自动检查：

  • 哪些内容存在重复
  • 哪些信息已经过时
  • 哪些内容值得沉淀为模板或方法论

适用场景：

  • 学生：迭代学习笔记，构建学科知识图谱
  • 职场人：管理项目文档，沉淀客户案例
  • 研究者：追踪前沿动态，维护文献知识网络

5.2 自动化蒸馏任务配置

借助 Claude Code 的定时任务功能，将知识迭代从手动操作升级为自动化执行：

任务类型频率执行内容
知识蒸馏每日判断并整理当日新增内容，生成总结文件
周报生成每周汇总飞书消息、会议纪要、重要文件，自动生成周报
可视化复盘每周/每月生成 HTML 复盘看板（生活数据、项目进展、阅读记录等）
方法论更新每月整理沉淀内容，更新 Skill 库中的模板与方法论

配置方法：让 Claude Code 编写蒸馏任务的提示词 → 在自动化功能中粘贴 → 设定执行时间（如每天下午 5 点）→ AI 到点自动执行，生成总结文件并关联相关文档链接。

六、阶段三：Skill 库------把重复经验变成可调用插件

6.1 什么是 Skill？

Skill 是这套系统中最高阶的玩法------将你反复使用的工作流、方法论、理论框架，统统转化为可随时调用的标准化指令模块。

本质上，之前所有的提示词和文档都可以封装为 Skill。任何重复 3 次以上的工作方法，都值得沉淀为 Skill。

6.2 实战 Skill 案例

Skill 名称解决的痛点工作原理
选题价值判断 Skill不知道哪些信息值得深挖新信息进入知识库时，自动判断学习价值、可利用亮点、潜在机会与风险，生成完整判断报告并存入知识库
文风 SkillAI 生成内容风格不统一分析历史写作样本，提取表达节奏、口语化程度、比喻习惯、常用结构，生成内容时自动匹配个人风格
去 AI 味 SkillAI 生成文本痕迹过重对 AI 初稿进行二次润色，消除典型 AI 表达模式，使输出更接近真人写作习惯
配图 Skill文章缺乏视觉元素自动判断配图需求 → 生成图片 → 插入文档，保持整体风格统一
PPT 输出 Skill手动制作演示文稿耗时调用 Presentations 插件，一句话将文档转为风格统一的 PPT
视频摘要 Skill需要将文章转为视频调用 Hyperframer 插件，将文章自动转化为带动画效果的视频

6.3 Skill 协同工作流

以公众号写作为例，展示 Skill 的协同调用流程：

新信息进入知识库
    ↓
调用「选题价值判断 Skill」→ 筛选高价值选题
    ↓
调用「文风 Skill」+ 知识库素材 → 生成内容初稿
    ↓
调用「去 AI 味 Skill」→ 润色调整
    ↓
调用「配图 Skill」→ 自动生成并插入配图
    ↓
产出成品 → 回流至 Output 文件夹 → 下次复盘时重新进入知识库

七、阶段四：多维输出------从文字到视频的全面覆盖

自生长知识库的最终价值体现在输出端。基于沉淀的素材与 Skill 库，可以实现多形态、批量化的内容产出。

7.1 输出形式对比

输出形式实现方式适用场景
公众号文章文风 Skill + 去AI味 Skill + 配图 Skill日常内容创作、媒体矩阵运营
小红书图文配图 Skill 自动生成风格统一图片社交平台内容分发
PPT 演示文稿Claude Code 调用 Presentations 插件周报汇报、方案演示、课程资料
视频内容Claude Code 调用 Hyperframer 插件视频摘要、知识分享、教程制作
分析报告知识库素材 + 结构化模板研究报告、竞品分析、市场调研

7.2 闭环机制：输出反哺知识库

所有产出内容都会存放在 Output 文件夹（D） 中。当 AI 执行定期复盘时，这些输出成果会重新回流至知识库，成为新的原始资料进入下一轮消化循环。

这意味着：你每一次产出，都在为知识库注入新的养分。 知识库使用越久，积累越深，AI 的输出质量也会随之提升。

八、工具与插件速查表

类别工具/插件名称用途
核心工具Obsidian本地 Markdown 知识库管理
核心工具Claude CodeAI 驱动引擎，支持 CLI 交互与定时任务
信息抓取Git 资讯聚合项目从 Twitter/GitHub/RSS 抓取并打分
内容导入小红书导入插件一键导入小红书内容为 Markdown
内容导入Web Clipper 插件网页内容剪切收藏
内容导入Importer 插件多平台（Notion/Apple Notes）批量导入
平台联动飞书 API 客户端飞书文档自动同步至知识库
格式转换Pandoc 插件Word 文件转 Markdown 格式
内容输出Presentations 插件文档一键转 PPT
内容输出Hyperframer 插件文章一键转视频（含动画效果）
AI 密钥DeepSeek API / GitHub API资讯抓取与 AI 能力接入

九、总结：先跑起来，再逐步完善

自生长知识库的核心价值在于：当你的资料、方法论都沉淀在 Obsidian 中，AI 就能读到过去的积累，直接基于已有知识产出成果，并将产出放回系统。

不需要一开始就搭建得多么完美。建议路径：

  1. 先建一个最小可用知识库------安装 Obsidian + Claude Code，创建四个文件夹
  2. 配置一个自动化任务------比如每日资讯抓取或每周知识蒸馏
  3. 沉淀第一个 Skill------把你最常重复的工作流程封装起来
  4. 逐步扩展------随着使用深入，不断增加信息源、Skill 和输出形式

只要它能帮你省下一次从零开始的时间，就值得继续投入。