終極指南：從零開始使用 Claude Code 與 Obsidian 打造你的第二大腦

「我真的把 AI 用到極致了嗎？」

「為什麼別人用的 AI 跟我的 AI 表現差這麼多？」

「每次用 AI 都要重新輸入同樣的背景資訊，好煩……」

這些都是常見的困擾。今天，我們就來解決這些問題。

AI 之所以無法完全如你所願，不是 AI 的智慧問題，而是你沒有設計好它的「記憶」。

你在使用 Claude Code 這類 AI 時，是否遇過這些情況？

每次都要跟 AI 解釋你的工作或興趣。
書籤越積越多，但一個月前存的文章卻找不到。
別人用同樣的 Claude 模型，卻能得到更好的結果。
即使精心設計提示詞，輸出品質仍不穩定。

只要把這篇文章讀完，你就能完整理解如何用 Claude Code × Obsidian 打造「第二個大腦」，從理念背景到具體設定步驟，今天就能從零開始。

Claude Code × Obsidian 的組合最近變得超級火紅。雖然已經有人用了一段時間，但最近在海外的熱潮特別驚人。

例如，前 OpenAI 創辦成員 Andrej Karpathy 的提案引發了 Obsidian 執行長 Steph Ango 親自釋出 AI 整合技能。業界關鍵人物接連行動。

相關海外文章瀏覽量突破百萬。總瀏覽量超過 1200 萬，書籤數超過 8 萬。

我先前整理這些比較的文章，在只有 10 個追蹤者時就獲得了超過 500 人的書籤，可見這有多實用。

UT ClaudeCode 研究所

@ClaudeCode_UT

4 月 21 日

文章

[完整存檔] 徹底解說如何將 ClaudeCode 連結到你的第二個大腦

「AI Agent 沒有按照我的預期運作…… !💢」

「AI 完全沒用…… !😎」

這不是 AI 的錯，而是你的使用方法……

3 47 425 150K

開始之前，我有兩個請求：

收藏這篇文章，並在本週內撥出 20 分鐘閱讀。
分享給任何你認識、對 AI 有興趣的人。

此外，我希望你實際去試試看。即使只是告訴 Claude Code「讀取這篇文章並執行它」也可以。

在 AI 時代，那些只會存檔然後忘記的人，和那些願意多走這一步的人，之間有 100 倍的差距。

我會將這些海外見解，加上我自己使用時發現的技巧，拆解到連完全初學者都能從零開始！

關鍵來源文章如下：

▶︎ @defileo：Claude + Obsidian 應該是非法的

▶︎ @NickSpisak_：如何打造你的第二個大腦

▶︎ @sourfraser：Claude + Obsidian = 真正的 AI 員工

Obsidian × Claude Code 不再只是「極客」的專利

在海外 AI 圈，有一個組合正受到異常關注：Obsidian × Claude Code。

結合這兩者的文章正在創造數百萬的瀏覽量。光是六篇主要文章就總計 1240 萬瀏覽量和超過 8 萬書籤。

而且，這不只是普通 AI 網紅的炒作。Obsidian 執行長 Steph Ango 親自開發了 AI Agent 整合技能，並在 GitHub 上釋出，獲得超過 25,000 顆星。創作者們自己也在以「與 AI 一起使用」為前提來進化產品。

一項調查顯示，44% 的專家認為 AI 是知識管理最重要的技術。Lex Fridman 也在使用 Obsidian。

一位海外使用者說：每天早上打開電腦，AI 就會從昨天中斷的地方繼續工作，完全不需要解釋。我不必每次重新說明我的工作背景。

這正在成為知識工作的新標準，而不只是極客的實驗。

大多數人把 AI 當成「失憶的臨時工」

海外 AI 顧問 sourfraser 說得真好：「大多數人把 AI 當成一個失憶的臨時工。」

想像一下，如果你每天上班都要重新解釋你是誰、你的工作是什麼、你想要什麼，那會有多沒效率。

身為這個研究所的一員，我之前就是那個狀態……每次用 Claude Code 都要打：「我正在研究 AI Agent 的商業應用，最近對……有興趣。」現在我設計好它的記憶之後，這個解釋就不需要了。AI 會自然地保持脈絡繼續工作。

sourfraser 分享了這個經驗：「我完全忘記我們在電話中決定了什麼。兩天後我問 Claude Code，它準確地找出來了。」

即使使用同樣的 Claude 模型，根據你提供的「記憶」品質，輸出結果會完全不同。

沒有記憶的 AI 只是「有個性的搜尋引擎」。有記憶的 AI 則變成真正了解你工作的同事。

競爭的時代已經從「AI 效能」轉向「記憶設計」

AI 運用的焦點在這些年來有了很大的轉變：

2023-2024：要用哪個 AI 工具
2024-2025：要寫什麼提示詞
2025-2026：要運用什麼背景脈絡或框架
2026 以後：如何設計和運作記憶

大多數人還停留在「優化提示詞」的階段。但提示詞優化是一次性的效果。每次都要寫出好的提示詞。

相比之下，「記憶設計」有複利效應。你給 AI 的記憶越多，它的輸出準確度就會自動提高。

知識會以「複利」的方式增長。

今天開始的人和六個月後才開始的人，在累積的記憶上會有無法跨越的差距。以 AI「效能」競爭的時代已經結束了。既然我們都用同樣的模型，差異就在於「你提供了什麼作為記憶」。

知識管理一直以來都在對抗「可持續性問題」

打造「第二個大腦」的嘗試已經重複了幾十年。而且幾乎都因為同樣的原因失敗了。我們來看看一些方法：

[資料夾整理]

每個人都會先試的方法。按主題分類存檔。你可能會記得像「專案_素材_v2_最終版_已修正.pdf」這樣的檔名。簡直是管理地獄……

一旦超過 100 個檔案，「那個檔案在哪裡？」就變成每天的日常。

[書籤]

瀏覽器書籤。一鍵就能儲存文章。但回頭看看：那些存下來的文章，你實際重新讀過的有多少？一個月後用同樣的關鍵字搜尋同一篇文章，這就是「存檔即滿足」的陷阱。

[PARA 方法]

Tiago Forte 的分類法：專案 / 領域 / 資源 / 存檔。對任務管理很好，但對純粹的知識累積較弱。它組織了「要做什麼」，但沒有累積「你知道什麼」。

[Zettelkasten]

由德國社會學家 Niklas Luhmann 發明，產出了超過 70 本書。很厲害，但手動維護的負擔太重，一般人無法持續。

[Evergreen Notes]

由 Andy Matuschak 提出。很酷，但容易陷入完美主義的弱點。

defileo 描述了「第二個大腦」死亡的模式：

「整理好然後開始。維護堆積起來。跳過。品質下降。回到亂七八糟的筆記。六個月後再試一次。重複。」

所有傳統方法的共同弱點就是「以人類維護為前提」。

1945 年，Vannevar Bush 設想了「Memex」，一種個人知識裝置。一個用來解決資訊維護問題的裝置。但即使是 Bush 也無法解決「誰來維護」的問題。

然後，前 OpenAI 創辦人、特斯拉 AI 負責人 Andrej Karpathy 提出了「LLM Wiki」。

包括 Claude Code 在內的 AI，會讀取來源，自動建立 Wiki，並接手維護。

這是 81 年來第一個實際的解答。

實際上，LLM Wiki 融合了歷史 PKM 方法的所有優點：

Zettelkasten 的「每個概念一頁 + 透過連結互相連接 + 索引」
Evergreen Notes 的「概念在使用中進化」
MOC（內容地圖）「用索引建立知識的全局地圖」

唯一的差別是：由人類做還是 AI 做？

AI 自動建立 Zettelkasten 結構，像 Evergreen Notes 一樣讓概念成長，像 MOC 一樣保持索引更新。AI 從根本上解決了過去方法「很好但無法持續」的問題。

為什麼選擇 Obsidian

你可能會想：「用 Notion 做知識管理不行嗎？」

Notion 有它的優點。但 Obsidian 之所以被選中與 Claude Code 搭配，有三個原因：

[純文字：AI 可以直接讀寫]

Obsidian 的檔案都是 Markdown。Claude Code 是能直接操作檔案系統的 Agent，所以它可以直接讀取、寫入、並為 Obsidian 筆記加入連結。不需要 API 或外掛。

Obsidian 只是一個由連結串聯起來的 md 檔案系統。這種簡單、扁平的結構與 AI 的相容性最好。

[本地端：速度快]

Obsidian 的資料都在你的電腦上。不需要等待雲端同步。服務終止時資料也不會消失。Claude Code 讀寫本地檔案的速度是最快的。

[以 AI 為前提進化的工具]

就在最近，Obsidian 執行長 Steph Ango 開發了 AI Agent 整合技能，並在 GitHub 上釋出（25,000+ 顆星）。創作者們正在以 AI 使用為前提來進化產品。

順帶一提，Obsidian 的強項在於簡潔，所以要注意不要讓安裝外掛本身變成目標。那是自我目的化的陷阱。

個人來說，我完全贊成使用 Obsidian，但考慮到操作輕量化，其他方法也很有效。下面我會介紹。

給 AI 記憶的方法不只一種

目前有三種主要的方法來給 AI 記憶。它們彼此獨立，根據目的來使用。

① LLM Wiki 方法（Obsidian × Claude Code）

Karpathy 提出、並在這篇文章中說明的方法。將原始材料放進 Obsidian Vault，Claude Code 會自動將其結構化為 Wiki。Wiki 會隨著使用而成長，準確度也會提高。這有最強的知識複利效應。

不過，Token 消耗可能較高。隨著來源累積，每次提問的成本會上升，所以要有成本意識地使用。適合長期追蹤某個主題、研究人員或專家。

② NotebookLM 方法（Google）

完全不同的方法。將來源上傳到 Google 的 NotebookLM 後，可以立即提問。非常簡單。

然而，知識不會累積。它是每個專案一次性的類型。非常適合「我現在就想問這個資料」，但不會產生長期的知識複利。它與 Obsidian × Claude Code 不是競爭關係，使用情境不同。

③ Skills / CLAUDE.md 方法（僅 Claude Code）

在 Claude Code 的 CLAUDE.md 中撰寫業務背景的方法。它停留在專案資料夾內，不使用 Obsidian。你可以定義「你希望 AI 如何行動」。這是最接近「使用」而非「儲存」的方法。

沒有單一的正確答案。根據目的來使用是實際的做法。很多人會同時使用多種方法。

這篇文章將重點放在最受關注、複利效應最高的 LLM Wiki 方法，說明用 Obsidian × Claude Code 打造「第二個大腦」的步驟。

接下來是實戰部分。我會說明 Claude Code、Obsidian，以及如何將它們結合。

開始使用 Claude Code

如果你已經在用 Claude Code，可以跳過這部分。Claude Code 是 Anthropic 提供的 Agent 型 AI 工具。

它跟 ChatGPT 或 Claude 聊天有什麼不同？最大的不同是它可以直接讀寫本地檔案。

一般的 AI 聊天在對話結束後就會重置。下次要從頭解釋。Claude Code 不一樣。它可以讀取你電腦上的檔案、建立新檔案、改寫既有檔案。換句話說，它可以以檔案的形式持有「記憶」。

只要在專案資料夾中放一個名為 CLAUDE.md 的檔案，AI 就會自動讀取它。如果你寫上「你是誰」、「你重視什麼」、「你希望它如何行動」，就不需要每次重新解釋。

定價方案

有幾種方案。有資訊說「Pro 方案不能用 Claude Code」，但這會改變，截至目前為止，我可以用 Pro 方案使用。

Pro（$20/月）： 最便宜的方案。但很快就會達到使用限制。
Max 5x（$100/月）： 5 倍用量。建議認真使用的人選這個。
Max 20x（$200/月）： 20 倍。給重度使用者。

先從 Pro 開始，有需要再升級到 Max 5x 是比較實際的做法。

安裝

Claude Code 可以透過 CLI（終端機）或桌面應用程式使用。如果你不習慣終端機，先從桌面版開始。CLI 安裝需要 Node.js v18+。從 nodejs.org 下載「LTS 版本」。

bash

1npm install -g @anthropic-ai/claude-code

安裝完成後，在任何資料夾中輸入 claude 即可啟動。你也可以問 Claude 應用程式如何繼續的指示。

Obsidian 是免費的，今天就能開始使用

簡單來說，Obsidian 是一個免費的筆記應用程式。

它的功能很簡單：以 Markdown 格式儲存在本地端，無需訂閱，沒有鎖定效應。資料完全掌握在你手中。透過「[[連結]]」連接筆記，知識網絡會自然形成。圖形檢視可以讓你看到整體樣貌。

安裝與初始設定

從 Obsidian 官方網站下載並安裝。
選擇「建立新 Vault」。Vault 是用來存放筆記的資料夾。
指定儲存位置（桌面、文件等）。

第一個檔案：記憶檔案

建立 Vault 後，建立一個檔案：「Memory.md」。寫上：

你的工作是什麼？
你正在進行哪些專案？
你常用哪些工具？
你的工作目標是什麼？
你重視哪些標準？

sourfraser 稱之為「新員工的入職文件」。你為 AI 寫一份說明你自己的文件。這是起點。

20 分鐘就夠了。不必完美。你也可以讓 Claude Code 來設定。但我建議你自己做一次，了解發生了什麼事。

另一個有用的檔案是「Home.md」，作為 Vault 的中樞，連結到主要筆記。

Vault 資料夾結構

使用 Karpathy 建議的 3 個資料夾結構：
``bash
vault/
├── .raw/ ← 原始材料。文章、PDF、筆記。
├── wiki/ ← AI 生成/維護的知識頁面。
└── outputs/ ← 產出物。報告、草稿等。
``

把所有東西都丟進 .raw/，不用整理。AI 會處理整理工作。

將 Vault 位置設定在 Google Drive，可以自動在多台機器間同步。

obsidian-skills 和 claude-obsidian 讓一切順利運作

如果你覺得 Claude Code 和 Obsidian 很複雜，想要快速試試看，這裡有完美的資訊。有兩個開源專案可以將它們結合。

■ obsidian-skills：基礎層

作者：Obsidian 執行長 Steph Ango
星數：25,720（截至 4/22）
授權：MIT
GitHub：kepano/obsidian-skills

一套教導 AI「如何使用 Obsidian」的技能集。包含 5 個技能：

obsidian-markdown： 教導正確的 Markdown 寫法。
obsidian-bases： 資料庫檢視操作。
json-canvas： 視覺畫布操作。
obsidian-cli： Vault 讀取/寫入/搜尋指令。
defuddle： 從網頁提取乾淨的 Markdown（透過移除廣告節省 Token）。

■ claude-obsidian：應用層

星數：2,570（截至 4/22）
授權：MIT
基於 Karpathy 的 LLM Wiki 模式。
GitHub：AgriciDaniel/claude-obsidian

一套讓 AI「建立並維護第二個大腦」的技能集。包含 10 個技能。主要指令：

/wiki： 初始設定。自動建立 Vault 結構。
ingest [檔案]： 讀取材料並生成 8-15 個 Wiki 頁面。
/save： 將當前對話儲存為 Wiki 筆記。
/autoresearch [主題]： 對一個主題進行 3-5 輪網路研究。
/canvas： 建立/操作視覺化專案。
lint the wiki： 健康檢查，找出斷裂的連結或矛盾。

有 6 種 Wiki 模式：網站、GitHub、商業、個人、研究、書籍/課程。

安裝

方法 1：作為外掛安裝
``bash
claude plugin marketplace add AgriciDaniel/claude-obsidian
claude plugin install claude-obsidian@claude-obsidian-marketplace
``

方法 2：複製儲存庫
``bash
git clone https://github.com/AgriciDaniel/claude-obsidian
cd claude-obsidian
bash bin/setup-vault.sh
``

執行 setup-vault.sh 會設定圖形檢視顏色、CSS 和資料夾結構。在 Obsidian 中將此資料夾開啟為 Vault 即可開始使用。

最終的 Vault 結構

執行 /wiki 後會建立：
``bash
claude-obsidian/
├── .raw/ ← 原始材料（Claude 僅讀取）
├── wiki/
│ ├── index.md ← 目錄（自動更新）
│ ├── hot.md ← 近期背景快取（約 500 字）
│ ├── log.md ← 操作日誌
│ ├── overview.md ← Vault 摘要
│ └── {topic}/ ← Wiki 頁面（每個概念一頁）
├── _templates/ ← 筆記範本
└── _attachments/ ← 圖片/PDF
``

這個結構解決了可持續性問題：AI 會自動建立並維護一切。你只需要把材料放進 .raw/。