Wink Pings

Obsidian CEO 公开了第二大脑:7 个免费仓库,和一个反直觉的笔记思路

Obsidian CEO 在 GitHub 上开源了自己的笔记库和 7 个免费仓库。但比文件更值得关注的,是背后那套把第二大脑当编译器来用的思路。本文拆解这套系统怎么运转,以及它值不值得抄。

Obsidian CEO Steph Ango 把自己的笔记库开源了。GitHub 上 7 个仓库全部免费,有人把链接串起来,评论区一片“这是金子”。他连自己正在用的 vault 模板都给了:下载解压,打开 Obsidian 指向那个文件夹,你就有了一套别人打磨多年的第二大脑。

7 个仓库,按官方和 CEO 个人划分:

这是推文附带的视频,展示 vault 的实际样子。

但如果你想抄的只是文件夹结构,那就错过重点了。

rvaniaaa 的一篇长文提到 Andrej Karpathy(OpenAI 创始成员)在 2026 年 4 月提出的 LLM Wiki。原话大致是:RAG 每次查询都重新推导知识;编译过的 wiki 只推导一次,然后持续更新。这个区分改变了构建方式。

存储和编译是两种不同操作。存储是建图书馆:笔记放进去,需要时搜索。它不会自己连接知识,不会发现两篇笔记互相矛盾。编译则有一套流程:新资料进来,系统读取、提取要点、连接到已有笔记、更新相关页面、标记矛盾,然后把综合后的理解归档。图书馆只会变大,编译系统会变聪明。

架构具体到目录结构。三个文件夹,一个文件,一个循环。

raw/ 是输入缓冲区,任何新东西先扔在这,它不是答案,只是原料。wiki/ 是编译发生的地方,一份资料会触达十到十五个页面,自动产生连接,矛盾被标记。output/ 基于编译后的知识生成。核心是 CLAUDE.md,一份关于你是谁、怎么思考、尝试过什么的活文档,模型每次会话前都会读。整个循环不需要手动整理,系统处理完还会给你一份变更摘要。

文章给了一张时间表:一个月后,上下文不再跨会话消失。三个月后,wiki 会浮现你从未主动做的连接,一月的想法和上周的笔记连在一起。六个月后,你和从零开始的人的差距是结构性的。一年后,打开图视图,几百个节点全连通。

评论区有人提出了更实际的看法。有网友说,编译质量完全取决于源质量。坏资料在图书馆里很容易删掉,但在编译系统里,它可能已经触碰了十五个页面。还有人说,token 成本很现实:为每个随机文档做深度编译,很可能不划算,高频高价值内容值得,一次性文档就算了。另一个人提醒,几百份文档之后,靠模型自动分类和关联容易出错,除非把流程定义得足够严格。

另外,这套流程依赖 Claude Desktop 和付费计划,免费层跑不了。

Obsidian CEO 把这一切开源,价值不在于让你照抄文件夹。它给了你一个零成本起点:用纯文本文件保存第二大脑,然后让 AI 来编译。官方 Clipper 负责收外部信息,Importer 负责搬旧笔记。社区也有开发者做了工具,专门让这类 wiki 里的知识能被 agent 直接调用,比如 AKM。

讽刺的是,大多数人用 Claude 的方式,还是把它当成一个礼貌的搜索引擎。你问,它答,你关掉标签页,明天它什么都不记得。你仍然是那个独自保存上下文的人。编译器思路把这层负担移交给系统。这也许才是它让人兴奋的地方。

发布时间: 2026-11-22 03:59