AI热点：第二大脑的搭建，让你的笔记回答你的问题
公众号名称：极客BIM设计工坊
作者名称：朗朗晴空
发布时间：2026-06-22 22:24
每次打开AI聊天框都是重新自我介绍。读过的资料不会自动消化，写过的笔记躺在文件夹里发霉，过去几个月的思考轨迹随着会话关闭彻底消失。这不是你的问题，是工具架构的问题。Karpathy 在四月份提出的 LLM Wiki 模式给出了一个方向，而这个方向已经被落地成了一晚上就能搭好的实操方案。
上周，一位叫 Yarchi 的研究者在 X 上发布了一篇长达 70 段的实操指南，讲怎么把 Claude 和 Obsidian 拼成一个会自我生长的第二大脑。文章在 48 小时内获得了超过 450 万次阅读、1 万次收藏和 358 次转发。数据本身说明问题：这恰好是当下大量 AI 用户最迫切的需求。
起源：Karpathy 的 LLM Wiki 模式
Andrej Karpathy 在 4 月提出的 LLM Wiki 模式，是这篇指南的思想源头。它的核心洞察很简单：大语言模型不会抱怨维护知识库太累。人类写的维基百科会掉链接、会碎片化、会随着维护者离开而腐烂，但 LLM 可以在一轮对话里同时更新 15 个关联文件，不会漏掉任何一个交叉引用。
这个洞察改变了知识系统的成本结构。过去，知识管理的瓶颈不是存储，不是检索，而是维护。人类创建的系统注定会在某个节点上维护成本超过重建成本。LLM 第一次让持续的组织化维护接近免费。
Yarchi 的贡献不是提出新理论，而是把 Karpathy 的模式翻译成了任何人都能照着做的操作步骤。不依赖特定平台，不要求会编程，所说的只是一个 Obsidian 库加上一个能读写文件的 AI 客户端。
判断：这和 RAG 不是一回事
如果只看表面，这容易被认为是又一个 RAG（检索增强生成）方案。但 Yarchi 描述的系统在架构上完全不同。
● RAG 每次查询重建理解 — 切片、检索、生成、丢掉，下一个查询重来
● LLM Wiki 模式持续构建理解 — 新资料被消化后修正已有页面、建立新链接、标出矛盾点
● RAG 有数据的记忆，但没有理解的记忆 — 它记住了文件在哪，从未真正理解文件在说什么
● 第二大脑保存的是消化后的理解 — 同一概念在不同来源出现时，系统已经比对过，直接给出综合判断
文中有一个判断很准确：RAG 检索上下文，LLM Wiki 积累知识。这两件事不是同一种能力。
架构：两块积木
整套系统由两个独立工具拼成，各自解决一个核心问题。
▸ **Obsidian 是存储层：**免费笔记应用，所有内容存为本地纯文本文件。笔记之间通过双向链接形成知识图谱，存储在本机而不是云端，文件永远归你所有。更换 AI 工具不影响已有积累。
▸ **Claude Code 是大脑层：**能读写文件、能安装 MCP 插件、能持续对话。它读取整个库、把新信息放入正确位置、链接已有内容、回答跨文件的提问。同一套文件架构，换成其他模型同样工作。
关键设计 全部是纯文本文件。不锁定任何 AI 平台。明年换一个更强的模型，指向同一套文件，大脑直接升级。你拥有的是大脑本身，不某个厂商的付费抽屉。
操作：十个步骤拆成三阶段
Yarchi 写了十个步骤。按节奏分成三个阶段，每个阶段结束后可以直接使用，不要求一次走完。
阶段一：基础设施（步骤 1-3，约 30 分钟）
1. 安装 Claude Desktop，进入 Code 标签页，这是能读写本机文件的模式。需要 Pro 订阅（20 美元/月）。
2. 下载 Obsidian，创建一个本地库。库文件夹就是你的大脑本体。新建一篇笔记，试用 `[[链接]]` 语法。
3. 在 Obsidian 中开启社区插件，搜索并安装 Local REST API。复制生成的 API Key 备用。
阶段二：连接与初始化（步骤 4-5，约 20 分钟）
4. 在 Claude Code 终端运行 MCP 连接命令，将 Obsidian 插件密钥填入。完成后让 Claude 列出库中文件来测试连接。
5. 让 Claude 逐题采访你，建立个人档案。结果写入库根目录的 CLAUDE.md，以后每次对话自动加载上下文。
阶段三：项目化运作（步骤 6-10，约 1 小时）
6. 创建一个标准项目结构：Inputs（原始素材）/ Process（工作中）/ Outputs（产出物）/ Feedback（复盘与指标）。每个项目独立文件夹。主库定方向，单项目开工。
7. 把 Obsidian 切换到单项目文件夹模式，打开该项目作为独立库，Claude 只读取这一份 CLAUDE.md，上下文不稀释。
8. 将重复操作写成 Skill 文件：给 Claude 一个示例，它自动生成可复用的工作流。下次说「运行[名称]技能」，直接按你的方式执行。
9. 通过 MCP 接入日历、邮箱等动态数据源。原则是只给只读权限，用权限控制不是用提示词约束。
10. 在 Claude Desktop 的 Schedule 面板设自动任务：每天清晨整理库、汇总变更。睡醒时大脑已经自己整好了。
关键安全规则
Yarchi 在文中有一条底线：用权限控制，不提示词。告诉 AI「不要删除这个文件」是建议，不是安全设置。如果它技术上能删除文件或发送邮件，假设有一天它真的会做。控制访问在权限级别：只读密钥、独立沙箱、范围受限的 API token，用文字保障不了安全。
快速起步：现成仓库
Yarchi 在文末推荐了三个开源仓库，各自侧重不同：
▸ **claude-obsidian（AgriciDaniel）：**基于 Karpathy Wiki 模式的自我组织库。为不同角色（创业者、工程师、创作者、研究者）提供了预设的库结构和 Skill。
▸ **obsidian-second-brain（eugeniughelbur）：**包含 43 个预设命令，跨平台兼容 Claude、Codex、Gemini，解决了平台锁定问题。
▸ **second-brain-starter（coleam00）：**从采访开始，自动生成主动助手方案，用纯文本文件、Python 脚本和 Obsidian 库构建。
三者都是纯文本文件加脚本，克隆后调整为自己版本即可。
搭建之后，什么变了
Yarchi 在文章结尾的对比很干脆。搭建之前：Claude 关掉标签页就忘了你，每次对话冷启动，你一个人扛着所有上下文，丢掉大部分。搭建之后：Claude 有你全部生活和工作的持久记忆，有一库文件承载所有信息，有图谱自己生长。同样的订阅费，完全不同的能力。
这个方案最有价值的地方可能倒不是技术本身。它重新定位了 AI 在知识管理中的角色。AI 从「检索工具」—— 告诉你去哪里找信息，变成了「认知伙伴」—— 和你一起构建理解。
当维护成本趋近于零，新的知识架构才开始变得可行。一年前写下的笔记会被自动修正，离职的人留下的文档不再是静态档案，研究笔记和实验日志被自动整合。你的知识系统从每个季度重置一次变成了每日复利增长。
适合
研究者、工程师、知识工作者、长期学习者，每周使用 AI 至少一次，手头资料持续增加，并且愿意用一杯咖啡的时间换来第二天不用重新解释自己的人。
可以先等等
只需要单次查询的人、零维护意愿者、对 Obsidian 学习曲线没有耐心的人、以及已经有一套成熟的 Notion/飞书知识库且不想迁移的人。
**判断：**这篇文章在 X 上被收藏了一万次。收藏不等于动手。Yarchi 自己在文末也说：大多数人读完所有十个步骤什么都不会搭建。真正开始动手的人一个月后会打开自己的知识图谱，发现它记住了自己已经忘记的东西。这个落差才是第二大脑真正的价值。
来源：Yarchi, “How to Build an AI Second Brain With Claude and Obsidian” | GitHub — claude-obsidian/AgriciDaniel, obsidian-second-brain/eugeniughelbur, second-brain-starter/coleam00
内容效果不满意？点此反馈