原始标题: How I Use Obsidian + Claude Code to Run My Life

发布日期: 2026-02-23 | 来源频道: @GregIsenberg

📝 深度摘要

对话背景与核心主题

本期播客由Greg Isenberg主持，邀请了知名博主Vin（Internet Vin）深度分享他如何将Obsidian与Claude Code结合，构建了一套堪称"个人操作系统"的思考与生产力工作流。Vin用这套系统管理自己的生活、工作和创作，并在播客中实时演示了多个强大的自定义命令，揭示了AI时代"第二大脑"的真正潜力。

核心主题围绕一个关键命题展开：如果你认真对待LLM并想从中获取最大价值，但你没有一个集中化的笔记系统作为"氧气"，那么你就没有正确使用LLM。 Vin认为，markdown文件就是AI的"完美记忆"，而Obsidian+Claude Code的组合让这种记忆变得可检索、可推理、可执行。

核心干货概览 (Key Takeaways)

  1. Claude Code是第一个真正可"操作"的AI代理：它不是聊天机器人，而是一个可以通过自然语言指令控制你整个电脑的代理——创建文件、读取数据、执行任务，真正实现了"言出法随"。

  2. Obsidian的核心价值不在笔记本身，而在双向链接构成的关系图谱：每个markdown文件不是孤立存在，而是通过链接与其他文件形成网络，这种关系结构让AI能够理解你思维的整体架构。

  3. 上下文是AI代理的"氧气"：Vin反复强调——“整个游戏就是向AI喂入优质上下文”（The whole game is feeding the beast good context）。没有上下文，AI什么都做不了；上下文越丰富、越结构化，AI能为你做的事情就越复杂。

  4. Obsidian CLI打通了最后一公里：这个官方CLI工具让Claude Code不仅能读取Vault中的文件，还能读取文件之间的关系数据——也就是说，AI知道你写过的每个笔记之间如何相互连接。

  5. vin创建的十大核心命令：

    • /context：加载关于你生活、工作、当前状态的完整上下文
    • /today：晨间复盘，拉取日历、任务、iMessage生成当日计划
    • /close day：每日结束时提取行动项、发现Vault中的新连接
    • /ghost：以你的声音和思维方式回答问题
    • /challenge：用Vault历史中你自己的思考来"压力测试"你当前的观点
    • /emerge：发现Vault中隐含但从未明确表述的想法
    • /drift：对比你声称的关注点与30-60天实际行为，发现你在逃避什么
    • /deep：30天深度Vault扫描，跨领域模式识别
    • /trace：追踪一个想法在Vault中如何随时间演变
    • /connect：让AI连接两个看似无关的领域（如"电影制作"和"世界观构建"）

  6. “内联委托”（Inline Delegation）新范式：Vin在笔记中直接写下要做的事，AI自动识别并执行——这可能是人机协作的下一个UX范式。

  7. Vault即"完美记忆"：人类记忆不可靠且会扭曲，但markdown文件是"完美记忆"——当你回顾时，它呈现的是当时的真实想法，而非记忆重构后的版本。

  8. 隐私是一把双刃剑：将你的"第二大脑"交给AI代理是"令人恐惧的"，但Vin选择主动拥抱——因为"我想理解这些技术正在揭示关于我们与电脑关系如何改变"。

深度逻辑与实操拆解 (Implementation Deep Dive)

一、为什么需要Obsidian+Claude Code？

痛点还原：大多数人使用LLM时，每次对话都需要从头解释项目背景、自己的偏好、工作流程——这相当于每次都重新"喂一遍上下文"，效率极低。Vin直言：“我不希望每次都解释一遍。”

传统方案的缺陷：网页版Claude或ChatGPT虽然有"记忆"功能，但你无法控制它记住了什么、不知道什么——这是一个黑箱。

Vin的解决方案：用Obsidian构建一个完全由你控制的"外部记忆系统"，所有信息以markdown格式存储，Claude Code通过Obsidian CLI读取这些文件及其关系图谱。你只需写一条命令（如/context），AI就能在几秒内"通读"你全部的思考、偏好、项目背景。

二、Obsidian的双向链接为何是"游戏改变者"？

Vin展示了他的Vault可视化图谱——每个圆圈是一个文件，线条代表链接关系。他以"Greg Eisenberg"这个笔记为例：点击该文件，可以看到Vin在过去一年中所有关于Greg的笔记、时间线、关联项目。

关键洞察：传统文件夹无法呈现这种关系网络。Obsidian的双向链接让AI能够做两件过去不可能的事：

  • 发现隐含模式：AI可以告诉你"你过去一年在多个不同项目中反复提到同一个模式"
  • 建立跨界连接：AI可以将"电影制作"和"世界观构建"这两个看似无关的领域连接起来，生成全新洞见

Vin在演示/trace命令时，AI用13个月的时间跨度追踪了他对Obsidian认知的演变——从最初"双向链接没用"到"应该为每个模式/理论创建笔记"的重大转变。

三、Vin的核心命令系统深度拆解

/context —— 全情境加载

  • 功能：一次性加载关于你生活、工作、当前状态的完整上下文
  • 读取范围：context文件 + daily notes + backlinks构建的完整图景
  • 实操：只需在Claude Code中输入/context demo，AI立即读取 Vin的readme、正在做的项目（New媒体公司）、个人工作流、播客内容
  • 效果：无需每次解释项目背景，AI即刻上手

/today —— 晨间复盘引擎

  • 功能：拉取当天日历、任务、iMessage，整合过去7天daily notes，生成当日优先级计划
  • 关键区别：不仅仅是拉取日历数据——它还会读取你在笔记中写下的"你在思考什么、为什么"
  • Vin的洞察：如果我在笔记中持续写某个技术话题，但日历上没有相关安排，AI可以建议你调整日历

/challenge —— 认知偏误检测器

  • 功能：用Vault中你自己的历史思考来"压力测试"你当前相信的观点
  • 机制：AI搜索Vault中的矛盾证据、反面例子、观点演变
  • Vin的观点：确保自己的观点没有变得"过度偏见或局限"

/emerge —— 潜在想法挖掘机

  • 功能：从Vault中提取你暗示过但从未明确表述的想法
  • 从分散前提推导结论：AI将你在不同笔记中零散提到的点串联起来
  • Vin的应用：他将这个命令用于发现自己在不同领域的"未命名模式"

/drift —— 意图行为校准器

  • 功能：对比你声称想做的 vs. 30-60天实际做的，发现你在逃避什么
  • Vin的使用场景：如果他在笔记中说"要做X"，但实际时间都花在Y上，AI会标记这个偏移

/deep —— 30天深度扫描

  • 功能：横跨整个Vault的跨领域模式检测
  • 演示结果：AI生成了Vin应该建立什么工具、应该联系谁、应该写什么文章的完整报告——全部基于他对Vault的"阅读理解"
  • 关键输出：
    • “构建/graduate命令，从每日笔记中提取创意”
    • “创建团队Vault，让团队成员也能向AI提问”
    • “建立时间块应用，强制每天专注一个领域”

/trace —— 思维演变追踪器

  • 功能：追踪一个想法在Vault中如何随时间演变
  • Vin的演示：追踪"我和Obsidian的关系如何演变"
    • 2024年12月：根本没考虑Obsidian
    • 2025年1-5月：发现与怀疑期
    • 2025年1月：关键顿悟——应该为每个"模式/理论/项目/视角"创建独立笔记
    • 2026年1月：爆炸性建设期——开始研究如何让AI自动执行任务
  • Vin的感叹：“我一个人不可能读完所有这些文件并理解它们如何互联”

/connect —— 跨域连接器

  • 功能：让AI连接两个不同领域，发现意想不到的关联
  • Vin的演示：连接"电影制作"和"世界观构建"
  • 结果示例：
    • “采访入口与电影中构建的虚拟世界之间的联系”
    • “我的博客应该像一个古埃及陵墓——你挖掘并审视我留下的思想”
    • “永续纪录片=持续的世界构建”

四、Vin的工作流哲学

1. 只让AI读，不让AI写

Vin有一个严格规则：AI只能从旁辅助，不能在Vault中直接写文件。他担心：

  • 如果AI开始自己写文件，“它找到的 patterns 是它写的还是我写的？”
  • 他希望Vault只反映"我真正的想法"，而非"AI替我生成的想法"
  • 执行流程：AI在Side panel生成建议 → Vin审核 → 手动写入Vault

2. Vault即"完美记忆"

Vin引用研究指出：人类记忆会扭曲事实。但markdown文件不会——“它们就是你写下的那个 moment的想法”。

3. 写作是思考本身

Vin强调：“我通过写作产生想法。写作就是我思考的方式。” 他将LLM视为"思考伙伴"（thinking partner）而非单纯的代码生成器。

4. 委托的下一阶段：从"管理AI"到"管理Vault"

Vin的洞察：“我现在不再’管理agent’或’和人类讨论项目’——我只需要管理这个Vault。我持续维护它，让它包含所有必要信息，这样Agent就能从中提取并做决策。”

核心执行资产 (Tactical Assets)

工具栈

  • Obsidian：免费开源的markdown笔记工具，支持双向链接和本地存储
  • Obsidian CLI：官方命令行工具，让外部AI能读取Vault文件和关系数据
  • Claude Code：Anthropic出品的AI代理，可通过自然语言控制电脑
  • VS Code Terminal：Vin将命令面板嵌入Obsidian内部运行

Vin的核心命令代码结构参考

所有命令本质上是一个提示词模板+读取Vault的指令。Vin在演示中展示的每个命令都遵循同一模式：

  1. 定义命令功能描述
  2. 指定AI需要读取哪些Vault文件（context files、daily notes、特定项目笔记等）
  3. 定义输出格式
  4. 设定执行规则（如：不写文件、只在side panel输出）

数据隐私策略

  • Vin的做法：创建"演示版本"命令——用脱敏数据演示功能，避免在公开场合泄露真实Vault内容
  • 风险提示：Vault包含大量个人隐私——Vin承认"即使只展示demo版本，我也不知道屏幕上会出现什么"

专家洞察与风险边界 (Insights & Boundaries)

核心洞察

  1. “Markdown文件是AI的氧气，不是token”：Token只是输入单位的计量，但真正决定AI能力的是你能否将"关于你的一切"结构化地提供给AI。Markdown文件是实现这一点的最佳载体。

  2. 99.9%的人不会投入时间建立这样的系统——这本身就是竞争优势。Vin说：“这需要大量时间和正确设置。但正因如此，Alpha（在生产力、赚钱、职业发展上的优势）就在这里。”

  3. LLM+笔记的组合是"人机关系的根本转变"：Vin在播客中反复表达激动之情——“我们正在见证人类与电脑关系的基础性转变。”

  4. “文件即完美记忆”：如果你用LLM工作但不用集中化笔记工具，你就"没有正确使用LLM"。

风险边界

  1. 隐私风险：将完整"第二大脑"交给AI代理意味着巨大的数据暴露。Vin选择主动拥抱，但提醒每个人要思考"你愿意分享多少信息给这些agent"。

  2. 时间门槛：Vin坦承——“这确实需要大量时间才能正确设置。UI本身很吓人，因为它是一块空白画布。”

  3. AI幻觉风险：虽然Vault提供了真实数据源，但AI仍可能生成不准确的推断。Vin坚持"人机分工"——AI负责发现模式，人类负责最终判断。

  4. Vault维护负担：如果Vault信息不及时更新，“AI对你的理解就会过时”——Vin强调：“代理的质量完全取决于你能提供给它的信息质量。”

金句 (Golden Quotes)

  1. “整个游戏就是向AI喂入优质上下文。” —— Vin

  2. “我不希望每次都解释一遍。我需要一个文件，可以随时传递给AI。” —— Vin

  3. “Markdown文件就是AI的完美记忆。人类记忆会扭曲事实，但文件不会。” —— Vin

  4. “如果你认真对待LLM并想从中获取最大价值，但你没有一个集中化的markdown笔记系统作为’氧气’，那么你就没有正确使用LLM。” —— Greg Isenberg

  5. “我们正在见证人类与电脑关系的基础性转变。” —— Vin

  6. “写作就是我思考的方式。我通过写作产生想法。” —— Vin

  7. “Agent的质量完全取决于你能提供给它的信息质量。” —— Vin

  8. “Vault中的文件是完美的记忆——当你回顾时，它呈现的是你当时的真实想法，而不是你记忆重构后的版本。” —— Vin

  9. “我只是想让这个Vault包含所有必要信息，这样Agent就能从中提取并做决策。如果它的决策不对，我就修改Vault——而不是去和Agent纠缠。” —— Vin

  10. “LLM可以发现你自己永远看不到的模式。” —— Vin

📺 视频原片

视频ID: 6MBq1paspVU