AI 知识库王炸 skill 来了，obsidian 创始人亲自发布 obsidian-skills

这两天，一个和 Obsidian 有关的项目特别值得关注。

Obsidian 创始人 kepano 亲自发布了 obsidian-skills 的项目。

我刚看了一眼 GitHub，这个项目已经冲到 37.3k 星。

过去我们用 Obsidian，主要是人来写，人来整理，人来建立链接。

现在这个项目想解决的问题是：能不能让 AI 也理解 Obsidian 的规则

如果 AI 能读懂双链、属性、Canvas、Bases，以及笔记之间的关系，那它就不只是帮你生成一篇文字。

它有机会真正进入你的知识库工作流。

现在用 AI 写文章已经很常见了。

总结一篇文章，整理会议纪要，生成公众号草稿，把一段灵感扩写成内容，这些都很方便。

但这里有一个问题。

大部分 AI 生成出来的东西，只是一篇普通 Markdown。

有标题，有小标题，有列表，有加粗，看起来也挺整齐。

但它和你的知识库之间，往往没有建立多少关系。

没有双链。

没有属性。

没有标签。

没有和旧笔记产生连接。

这就是很多人搭 AI 知识库时容易卡住的地方。

资料越来越多，笔记越来越多，但 AI 每次用的时候，还是像第一次认识你。

原因很简单：它读到了文件，却没有理解你的系统。

Obsidian 的价值，藏在结构里

Obsidian 当然可以写 Markdown。

但它最有价值的地方，往往不在单篇笔记里。

它更像一个可以不断长出来的知识网络。

比如：

• 用 [[双链]] 把相关笔记连起来
• 用属性记录状态、类型、来源、时间
• 用标签做主题分类
• 用嵌入把图片、文件、其他笔记放进当前内容
• 用 Canvas 做知识地图和结构图
• 用 Bases 把一组笔记变成数据库视图

这些结构，决定了你的知识库最后是资料堆，还是一个可以持续调用的系统。

如果 AI 只会写 Markdown，它能做的事情就很有限。

如果 AI 开始理解这些结构，它就可以参与更多真实任务。

比如帮你把公众号草稿整理成一个 Base。

帮你把短视频选题按状态、平台、主题分类。

帮你把爆款案例拆成 Canvas。

帮你给新笔记补充属性、标签和相关链接。

这一步很关键。

因为 AI 一旦能理解结构，它就开始从内容生成，进入知识管理。

obsidian-skills 做的是什么

obsidian-skills 这个项目，可以理解成一套给 AI Agent 使用的 Obsidian 操作说明。

它把 Obsidian 里面一些关键能力，拆成 AI 能理解的 skills。

目前仓库里主要有几类。

第一类是 obsidian-markdown

它教 AI 创建和编辑 Obsidian 风格的 Markdown。

这里的重点是 Obsidian 风格。

也就是 AI 不只写普通文本，还要知道双链、嵌入、Callout、Properties、标签这些写法怎么用。

第二类是 obsidian-bases

Bases 可以把一堆笔记组织成表格、卡片、列表、地图等视图。

如果你有很多公众号草稿，每篇都是一个 Markdown 文件，Bases 就可以帮你按状态、标签、发布时间、内容类型来管理。

AI 如果懂 Bases，就能帮你搭选题库、草稿库、阅读库、案例库，而不是只生成一篇孤立的笔记。

第三类是 json-canvas

Canvas 很适合做知识地图、选题地图、课程结构图、产品结构图。

以前这些东西要自己拖节点、连线、调位置。

AI 如果能生成 Canvas，就可以直接把一个复杂主题整理成结构图。

比如把一篇爆款文章拆成开头、痛点、观点、案例、转化点。

也可以把一个个人 IP 系统拆成定位、内容、产品、交付、复盘。

第四类是 obsidian-cli

它让 AI 可以通过命令行和 Obsidian vault 交互。

比如搜索笔记、读取笔记、创建笔记、管理属性、处理任务，甚至辅助插件和主题开发。

第五类是 defuddle

它负责把网页内容提取成干净 Markdown，去掉网页里的导航、广告和杂乱信息。

这个能力对知识库用户很实用。

因为我们经常不是缺资料，而是缺一个把网页资料清理、沉淀、关联进知识库的流程。

网页先变成干净笔记，再进入 Obsidian，再被 AI 关联到你的旧笔记里，这条链路一旦顺了，资料才真的能用起来。

让 AI Agent 成为知识协作者

过去的 Obsidian，主要服务于人。

人写笔记，人建链接，人整理文件夹，人维护知识结构。

AI 进入之后，如果还停留在帮我生成一段文字，然后我复制到 Obsidian 里，那其实只是把写作环节提速了。

下一步更有价值的状态，是 AI 能理解你的知识库结构。

它知道哪些是草稿。

哪些是已发布内容。

哪些笔记和当前主题有关。

一篇文章应该放到哪个文件夹。

要补哪些属性和标签。

一批素材可以整理成什么 Base。

一个复杂主题适合生成什么 Canvas。

到这个阶段，AI 才开始像知识库协作者。

这也是我觉得 obsidian-skills 很值得关注的原因。

它关心的不是单次生成，而是 AI 怎么进入一个长期使用的知识系统。

如果你只是把 Obsidian 当普通记事本，这个项目可能暂时离你有点远。

但如果你正在用 Obsidian 搭 AI 知识库，或者想把自己的内容、经验、案例、产品、工作流沉淀下来，这个方向就很重要。

因为它对应一个特别实际的问题：你的知识库能不能被 AI 调用？

这里的调用，不只是搜索到某一篇笔记。

更重要的是，AI 能不能理解你的工作场景。

如果 AI 每次只能读一篇孤立笔记，它很难做到这些。

一旦 AI 理解了 Obsidian 的结构，它就有机会参与整个系统。

AI 知识库下一步，别再只堆资料了

很多人搭 AI 知识库，第一步就是疯狂堆资料。

收藏文章，保存课程，复制金句，整理工具，下载模板。

刚开始很有成就感。

但过一段时间就会发现，知识库越来越大，真正能被调用的东西却不多。

资料多，不代表系统强。

一个真正有用的 AI 知识库，至少要解决三个问题。

第一，内容能沉淀。

你的经历、文章、案例、方法、用户反馈，要变成结构清晰的笔记。

第二，关系能建立。

笔记之间不能都是孤岛，要通过链接、标签、属性、Canvas、Bases 连接起来。

第三，AI 能调用。

你不能每次都重新给 AI 讲背景。

更理想的状态是，AI 能从你的知识库里找到上下文，然后进入选题、写作、排版、复盘、产品设计、交付管理这些具体任务。

从这个角度看，Obsidian 加 Agent 的下一步，重点已经不只是记笔记。

它更像是在搭一个可以被 AI 调用的个人能力系统。

原文链接：https://mp.weixin.qq.com/s/6vhF2Ly01oS1e8DBwz3hmg