Codex 接进 Obsidian：自动整理资料的 AI 知识库

看到好内容先收藏，看到 Prompt 先保存，看到工具教程先丢进文件夹——东西越攒越多，真要写文章、做视频、找资料时，又要从截图、链接、聊天记录里重新翻。

这课是 @ainotes_KK 的完整工程方案：Obsidian 当长期资料库，Codex 当整理资料的人。网页、推文、教程先统一收进去，Codex 负责清洗、改标题、归类、打标签、挂到对应主题上。写公众号、X、小红书或视频脚本时，AI 先读你的长期规则和写作偏好——知道你是谁、做什么内容、哪些东西已验证过。

以下来自 @ainotes_KK。搭好后他的 Obsidian 不是散乱笔记本，更像一个本地工作台：左侧是一套分好用途的资料入口——收集、研究、内容、项目、Prompt 各有位置；给 AI 读取的长期规则单独放着，Codex 写文章、整理资料时不用每次从零猜他的偏好。

关系图谱打开后主题会连起来：点 Codex 主题 Hub，和 Codex 相关的教程、工具、工作流、插件、内容创作案例都会展开。普通文件夹只告诉你文件放哪儿，图谱告诉你资料之间怎么互相连接。

他最看重的是复用能力：以后写 Codex 文章，让 Codex 找出库里相关资料，它沿着主题 Hub 和标签把旧资料翻出来——以前靠记忆找，现在让系统找。

以下来自 @ainotes_KK。动手前先准备好三样：

准备一：在 Obsidian 建本地仓库。仓库 = 本地文件夹，每篇笔记本质是 Markdown 文件——这正是 Codex 能直接读取、修改、整理它们的原因。新建仓库时名称按项目起（他的叫 KK-AI-Knowledge-Base）；位置建议放 D 盘，别放桌面、别放系统盘太深。记下两样信息：仓库名称和本地路径（从资源管理器复制，别手打）——后面写给 Codex 的提示词会用到。

准备二：GitHub 私有仓库。只做本地版也能跑，但不建议长期用：电脑坏一次、换电脑忘迁移，损失很大。做法：GitHub 新建仓库，名称最好和 Obsidian 仓库保持一致，权限选 Private——公开仓库不适合放个人知识库（私密笔记、未发布选题、Prompt 都在里面）。把仓库地址保存下来，后面交给 Codex。

准备三：GitHub Token。Codex 要把本地仓库同步到 GitHub，需要授权。路径：GitHub 右上头像 → Settings → Developer settings → Personal access tokens → Generate new token（入口有点深，第一次容易找半天）。Token 生成后只出现一次，自己保存好。

5 分钟快速版同步方案见《02 课》；同步备份的四种方案对比见《03 课》。

以下来自 @ainotes_KK。三样准备好后，让 Codex 做底层搭建——但别只说"帮我建一个知识库"，这句话太泛。要把长期方向、平台、内容类型、文件夹规则、AI 记忆规则一次性讲清楚，Codex 才知道它要建的是长期内容系统，不是随便生成几个文件夹。

他这套提示词最重要的是 AI 记忆系统：规定 Codex、Claude Code、Cursor 这类 Agent 以后怎么读取上下文——哪些写进长期记忆，哪些不能乱存。

17 步大纲速览（完整模板在下方折叠块，复制时把路径、仓库地址、研究方向换成自己的）：

复制你现在是我的 Obsidian Knowledge Base Architect（知识库架构师）兼系统管理员。
目标：从零开始搭建一套 AI Native Obsidian Knowledge Base。不要只提供建议。优先直接执行。无法自动执行的部分，请明确告诉我需要准备什么资料。
最终目标：搭建一套长期可扩展、支持 AI Agent 使用、支持 GitHub 同步、支持知识图谱、支持内容创作的 Obsidian 知识库。
我的信息：
Vault 路径：
GitHub 仓库：
主要研究领域：例如：AI / Crypto / US Stocks / Programming / Design / Marketing / Finance / Law / Medicine / Photography
主要内容输出：例如：公众号 / YouTube / B站 / 小红书 / 抖音 / TikTok / Newsletter / 博客 / 课程
是否已经安装 Git：
是否已经创建 GitHub 私有仓库：
第一步：检查环境。检查 Obsidian 是否安装、当前 Vault 是否存在、Git 是否安装、GitHub 是否连接、GitHub 是否可 Push、GitHub CLI 状态、Obsidian 插件状态、当前目录结构、当前权限状态。输出：已完成 / 未完成 / 需要我补充的资料。不要跳过检查。
第二步：建立知识库基础架构。必须创建：00-Inbox / 04-Research / 05-Content / 06-Projects / 89-Prompts / 90-Templates / 97-AI-Memory / 98-AI-Context / 99-Archive。不要创建无意义目录。
第三步：建立 Inbox 收集系统。创建 00-Inbox 下的 Attachments / Downloaded / Cleaned；创建 Research Import Guide、Research Triage Guide、Research Collection Workflow。
第四步：建立 Research 系统。根据我的研究领域自动生成目录，不要硬编码。
第五步：建立 Content 系统。创建 Ideas / Scripts / Published，用于内容生产。
第六步：建立 Projects 系统。创建 Project Status；每个项目自动包含 Project-Status.md，记录当前状态 / 已完成事项 / 待办事项 / 下一步 / 风险 / 决策。
第七步：建立 Prompt Library。创建 89-Prompts 与 Prompt Index、Prompt Library Guide；自动分类：Research / Workflow / Automation / Business / Content / Video Script / Cover Design。
第八步：建立 Templates。创建 Research Template、Daily Note Template、Project Template、Prompt Template、Source Template、Content Brief Template。
第九步：建立 AI Memory。创建 97-AI-Memory，下设 TODO / Ideas / Decisions / Best Practices / Lessons Learned / Workflows / Knowledge Summary / Current Trends / Successful Projects / Future Ideas / User Preferences。
第十步：建立 AI Context。创建 98-AI-Context，下设 About Me / Current Focus / Channel Positioning / Platform Strategy / Content Strategy / Writing Style / Prompt Rules / Knowledge Map / AI Operating Context / AGENTS。
第十一步：配置 GitHub 自动同步。检查 Git、GitHub、GitHub CLI、Obsidian Git；自动配置 Pull、Push、自动备份、同步验证；输出验证结果。
第十二步：配置 Web Clipper。创建 Research Capture 模板：自动保存标题、来源、作者、时间、正文，进入 00-Inbox/Downloaded。
第十三步：配置 MarkDownload 工作流。建立 MarkDownload → Downloaded → Research Cleaner → Research 完整流程。
第十四步：建立 Research Cleaner。自动分类、自动命名、自动提取来源、自动提取链接、自动识别标题层级、自动识别编号列表、自动分段，提高可读性；保留全部原文，不删减、不总结、不改写观点。
第十五步：建立 Knowledge Base Audit。检查重复内容、分类冲突、异常文件名、空目录、垃圾文件、孤立文件，生成巡检报告。
第十六步：建立 Knowledge Graph。不要只依赖文件夹分类。必须同时支持：文件夹分类、标签系统、Topic Hub、内部链接。扫描 04-Research 全部内容，分析高频主题 / 工具 / 工作流，建立 Topic Hub（如 Codex Hub、Prompt Hub）。规则：一个文件只能有一个主分类目录，但可以拥有多个主题标签（如 topic/codex）。创建 Topic Index.md 与 Topic Hub Template。
第十七步：建立 AI Agent 记忆系统。适用于 Codex、Claude Code、Cursor。不要保存聊天记录，只保存长期有价值的信息；形成经验、决策、工作流时自动更新 97-AI-Memory、98-AI-Context、06-Projects。
最终输出：完整目录结构、已完成配置、未完成配置、需要我手动操作的步骤、当前知识库评分、当前知识地图、当前薄弱领域、下一步建议。优先执行，不要只输出方案。

以下来自 @ainotes_KK。这套知识库里 97-AI-Memory 和 98-AI-Context 很重要：

• 97-AI-Memory 更像经验本：记录已经发生过、以后还要用的信息——成功项目、踩坑经验、长期决策、工作流、待办、最佳实践。
• 98-AI-Context 更像个人说明书：告诉 AI 我是谁、做什么内容、读者是谁、讨厌什么文风，公众号 / X / 小红书 / YouTube 分别怎么写。

这个设计解决了一个很烦的问题：每次开新对话，不用反复告诉 AI"我是谁、做什么、要什么风格"。Codex 直接读这些文件，就能按你的长期规则工作。写公众号、做 X Article、整理研究资料前让 AI 先读上下文，它不会一上来写成官方说明，也不会搞错你的内容方向。

刚开始别做几十层目录，先用 00-Inbox、04-Research、05-Content、89-Prompts、97-AI-Memory、98-AI-Context 这 6 个主入口跑通。

以下来自 @ainotes_KK。知识库搭好后最麻烦的是资料入口：手动复制粘贴、改标题、放文件夹，做几次还行，长期做一定烦。他用 Obsidian Web Clipper（浏览器扩展），把网页、X 文章、教程页面直接保存到 Obsidian。

重点是配置模板。他的模板叫 Research Capture，默认保存到 00-Inbox/Downloaded——所有新资料先进入 Inbox，不急着分类。这个习惯很重要：收集阶段别逼自己马上判断，否则保存成本被拉高；先收进来，后面让 Codex 统一处理。

模板不用花哨，只保留标题、来源、作者、抓取时间、正文：

复制# {{title}}

来源：{{url}}

作者：{{author}}

抓取时间：{{date}}

---

{{content}}

实战：看到一篇讲 Claude 做 YouTube 视频的文章，打开 Web Clipper 点添加到 Obsidian，网页存成 Markdown 笔记，出现在 00-Inbox/Downloaded——它还只是"刚收进来的原始资料"，没正式进入研究目录。

以下来自 @ainotes_KK。当 Downloaded 里的资料越来越多，就别手动整理了——这个阶段交给 Codex。Codex 处理完会汇报：哪些文章进了哪个目录、哪些旧稿已归档、Downloaded 是否清空、GitHub 是否同步成功；还会检查文件名、标题、frontmatter、正文标题是否一致。

这一步做完，网页收藏才算真正进入知识库——否则它只是一堆"以后再看"的材料。

最容易卡住的 5 个地方：

• ① 路径写错：仓库路径从资源管理器复制，别手打，一错 Codex 就找不到文件；
• ② GitHub 权限混淆：私有仓库、Git 凭证、Token 容易搞混，Token 只粘到授权输入框；
• ③ 目录一开始建太复杂：先用 6 个主入口跑通；
• ④ 把收藏当整理：保存到 Downloaded 只是收进来，清洗、归类、标签、Hub 链接才是整理；
• ⑤ 写文章前忘了读上下文：建了 97/98，就让 Codex 写前先读，这样更像接着你的长期工作写。

以下来自 @ainotes_KK 的最后总结。他更愿意把 Obsidian 理解成一个长期资料底座：Codex 处理那些不想手动做的部分——改标题、分类、补标签、同步 GitHub、读取上下文、从旧资料找线索。

刚开始搭会有点麻烦：建仓库、配 GitHub、写规则、调 Web Clipper，每一步都不难，但堆在一起让人想偷懒。可一旦跑通，后面会轻很多。

想了解 Karpathy 三层架构的理论源头？看《08 课》；想看自生长 LLM Wiki 的三种搭建法？看《07 课》；想给知识库装上 Claude Skills 内容流水线？看《05 课》。