Karpathy 的 LLM Wiki 终于有人实现了：8,200+ 星，Obsidian 秒变 AI 大脑

📝

项目：claude-obsidian / AgriciDaniel Stars：8,221 ⭐ | Forks：942 兼容：Claude Code + Obsidian 基于：Karpathy 的 LLM Wiki pattern 一句话介绍把 Obsidian 变成一个会自己长大、自己维护的 AI 知识库。往里面扔任何资料——论文、文章、网页、本地文件，Claude 自动读取、提取实

原文链接：https://mp.weixin.qq.com/s/hkH8b8b5pxZi-jywlnYSAw

项目：claude-obsidian / AgriciDaniel
Stars：8,221 ⭐ | Forks：942
兼容：Claude Code + Obsidian
基于：Karpathy 的 LLM Wiki pattern

一句话介绍

把 Obsidian 变成一个会自己长大、自己维护的 AI 知识库。 往里面扔任何资料——论文、文章、网页、本地文件，Claude 自动读取、提取实体和概念、交叉引用、分类归档。下次提个问题，Claude 从你读过的所有内容里综合回答，引用的是具体的知识图谱页面，不是训练数据。15 个 Skills 覆盖从资料摄入到自主研究到知识审查的完整工作流。支持 LYT / PARA / Zettelkasten 四种方法论模式。

开篇：一个研究者的周二下午

你关注了一个领域三个月。收藏了 47 篇 PDF，浏览器书签攒了两百多个，笔记散落在 Notion、Apple Notes、Obsidian 各个角落。

周二下午，有人问了一句：”你觉得这个领域最近最值得关注的方向是哪个？”

你翻了十分钟笔记，发现你在三篇不同的文章里记过相关的信息。但你记得你还看过一篇去年夏天的大部头，讲了很深刻的判断——那篇放在哪了？

大多数人的结局是：打开 Google 重新搜一遍，然后回复一个不那么自信的答案。

如果用 claude-obsidian 的话：那个大部头被 Claude 消化过，里面提取的实体和概念已经在你的知识图谱里了。你问 Claude “这个领域关注什么”，它直接从知识库里综合生成答案——引用的是你自己的 wiki 页面，不是训练数据。你不用再搜，因为知识库替你记住了。

为什么值得关注

1. Karpathy 的 LLM Wiki 模式，这次有人完整实现了

2024 年，Andrej Karpathy 公开了一个 Obsidian 仓库的片段，展示了他怎么用 Obsidian + LLM 做知识管理。他管这个模式叫”LLM Wiki”。

核心思路：

• 你把原始资料扔进 Obsidian
• LLM 读资料，提取实体和概念
• 生成页面，交叉引用
• 你的知识图谱越长越大，越用越值钱

Karpathy 发出来的只是片段——几页截图、一段描述、一句”Cool idea”。没人做成完整的工具。

claude-obsidian 把那个模式做成了一个完整工具：

• 自动摄入（1 个命令，3 种方式）
• 自动提取（实体、概念、关系）
• 自动分类（按你选的方法论模式组织）
• 自动维护（死去的节点、悬空链接、过时声明）
• 混合检索（BM25 + 上下文前缀 + 余弦重排）

2. 自动摄入资料，Claude 帮你做”第一次阅读”

这个工具最省时间的部分是摄入（Ingest）。

你扔一个文件（PDF、网页、说不清格式的文档）进去。Claude 做四件事：

• 提取实体——资料里提到了哪些人、哪些概念、哪些组织
• 提取概念——资料在讲什么主题，核心观点是什么
• 建立交叉引用——这些实体和概念在你的知识图谱里已经存在吗？如果有，怎么关联？
• 生成页面——按你的方法论模式（LYT / PARA / Zettelkasten / Generic）把东西归档

整个过程你不用打开资料。你扔，Claude 读，Claude 写。

3. 15 个 Skills，覆盖知识管理的全生命周期

项目自带 15 个 Skills。不是硬塞进来凑数的——每个 Skill 对应知识管理的一个阶段：

摄入阶段

• /wiki-ingest —— 读资料，提取，生成页面
• /save —— 把当前对话归档为 wiki 页面
• /wiki —— 第一次进入时的脚手架，引导你配置

查询阶段

• /wiki-query —— 从知识库里问问题，Claude 按「热度缓存 → 索引 → 钻取页面」三步走
• /wiki-retrieve —— 混合检索，三管齐下找最相关的页面

维护阶段

• /wiki-lint —— 死去的节点、悬空链接、过时声明、缺少交叉引用，8 类问题一次扫清
• /wiki-fold —— 日志归档折叠（DragonScale 扩展，可选）

扩展阶段

• /autoresearch —— 自主研究循环，自己定问题、自己搜、自己综合、自己归档
• /wiki-mode —— 方法论模式路由器，按 LYT / PARA / Zettelkasten / Generic 组织
• /wiki-cli —— Obsidian CLI 传输层，多写安全

高阶能力

• /canvas —— 视觉层，图片、PDF、wiki 页面钉在画布上
• /defuddle —— 网页提取包装器，清洗不安全的输入
• /think —— 10 条原则的思考框架，适合”这个问题我想不清楚”的时候
• /obsidian-bases —— Bases dashboard schema 参考
• /obsidian-markdown —— Obsidian Flavored Markdown 语法参考
• /wiki-fold —— 日志折叠归档

4. 知识库不是存放笔记的地方，是”第二大脑”的载体

大多数 Obsidian AI 插件做的是”在你的笔记上做聊天界面”。你把它当一个更聪明的搜索框。

claude-obsidian 做的不一样：

• 笔记不是死的，是活的。 新资料进来，旧笔记会自动被交叉引用、重新关联
• 知识不是按文件夹堆的，是按图谱长的。 你的 wiki 的连接密度随每次摄入增加
• 记忆不是靠你手动维护的，是靠热度缓存。 每次会话结束，Claude 刷新一份热度上下文（~500 字）——下次进入时，它记得上次你们聊到过哪里

用项目自己的话：

“Knowledge compounds like interest.”

5. 四种方法论模式，不用重新发明轮子

过去用 Obsidian 最纠结的是”我的笔记应该怎么组织”。

claude-obsidian 直接把四种主流方法论做成了第一级别的配置（v1.8+）：

模式

哲学

适合的人
Generic
没有主张，纯按来源、实体、概念归档

不想被任何体系约束的人
LYT（Linking Your Thinking）
笔记之间链接，文件夹不重要

喜欢网状结构、讨厌分类目录的人
PARA（Tiago Forte）
按行动性组织——项目、领域、资源、归档

讲究 GTD 和项目管理的人
Zettelkasten（Luhmann）
原子化笔记、时间戳唯一 ID、密集双向链接

做深度学术研究、写长篇论文的人

四种模式可以随时切换。切换后不会自动迁移已有文件——新进来的资料按新模式归档，旧笔记保持不变。

6. 多写安全，团队协作不掉链子

项目从 v1.7 开始有完整的 per-file advisory locking：

• 多个摄入 agent 并行工作时，同一文件不会被两个 agent 同时写
• 锁文件 60 秒自动释放，不会因为异常导致死锁
• PostToolUse hook 在提交前检查锁列表，写入中的文件不提交

这看起来是个小细节，但对于多人共用同一个知识库的团队来说，是唯一能保证数据安全的做法。

核心工作流

第一次进入（5 分钟）

1
2
3

`git clone https://github.com/AgriciDaniel/claude-obsidian
cd claude-obsidian
bash bin/setup-vault.sh`

打开 Obsidian → 把这个文件夹当 vault → 打开 Claude Code：

`/wiki`

Claude 问你唯一一个问题：”这个知识库是做什么用的？”（你做科研？做商业调研？是个人笔记？写一本书？）

它按你的回答自动生成完整结构——索引页、热度缓存、日志、Dashboard、模板、颜色配置。

日常使用

你每看到一篇相关的文章：

1. 扔进 .raw/ 文件夹
1. 告诉 Claude：”digest this file”
1. Claude 读完，提取，建页面

你想回忆之前的发现：

1. 问：”我记得之前看过一篇关于 X 的论文，是什么情况？”
1. Claude 先从热度缓存查
1. 没有就翻索引
1. 还不够就钻到具体 wiki 页
1. 综合回答你，引用具体页面

你想自己探索：

1	`/autoresearch 当前领域最值得关注的研究方向`

跑三轮：广泛探测（5-8 个查询）→ 填补空白（目标搜索）→ 综合检验（最终一轮）。最终输出一份综合页 + N 个来源页 + N 个实体页，全部交叉引用。

和其他 AI 笔记插件的区别

claude-obsidian

Smart Connections

Obsidian Copilot

自动组织笔记

建实体、概念、引用

❌ 仅相似匹配

❌ 仅对话

矛盾检测
[!contradiction]
标注

❌

会话记忆

热度缓存跨会话持久

❌

知识库维护

8 类 lint 检查

❌

自主研究

3 轮自动研究

❌

方法论模式

LYT/PARA/Zettelkasten/Generic

❌

思考框架

10 条原则可调用

❌

多模型支持

Claude, Gemini, Codex, Cursor, Windsurf…

仅 Claude

部分多模型

视觉画布

canvas 布置

❌

多写安全

per-file advisory locks

❌

引用具体页面

引用 wiki 页

引用相似笔记

引用笔记

批量摄入

并行 agents

❌

快速开始

1
2
3

`git clone https://github.com/AgriciDaniel/claude-obsidian
cd claude-obsidian
bash bin/setup-vault.sh`

然后：打开 Obsidian → 打开这个文件夹作为 vault → 打开 Claude Code：/wiki

完整 5 分钟。想跳过 setup 脚本？直接把仓库根目录的 WIKI.md 复制到你的 vault 根目录也行。

适用场景

• 研究人员 —— 论文读了 30 篇，但每篇的核心观点散落在各处？全部扔进来，Claude 一次性整理
• 内容创作者 —— 写稿需要查以前做的笔记？提问时要引用具体来源页面
• 投资人 / 咨询 —— 行业研究、竞品分析，需要长时间积累
• 学生 —— 课程笔记积累了大半个学期，考前想快速发现联系
• Obsidian 深度用户 —— 爱 Obsidian 但恨手动维护，想要”自己长大”的笔记库

不太适合：

• 只需要对话式问答（不要用这个——直接用网页版 Claude 就行）
• 没有 Claude Code（虽然兼容 Codex、Cursor 等，但生产级测试只覆盖 Claude Code）
• 需要实时云端同步多设备（需要自己搭 Obsidian Sync 或 Git）

常见问题

和 Karpathy 原始版本有什么区别？
Karpathy 发的只是片段——几十页截图，没有代码。claude-obsidian 是完整的可运行工具。15 个 Skills、四种方法论、多写安全、混合检索——都是 Karpathy 那个片段里没展开的。

要不要付费？
不用。MIT 协议，所有核心功能完全免费。付费渠道（AI Marketing Hub Pro）只是提前拿到开发中的功能——收费的功能最终也会免费放回公开版。

多设备怎么办？
知识库本质是一个 Markdown 文件夹。配合 Obsidian Sync、Obsidian Git 或任意文件同步工具就行。

数据隐私呢？
默认所有检索都在本地（BM25 + 本地 ollama 向量检索）。上下文前缀 API 层需要一个单独的 --allow-egress 参数才会启用——默认不启用。

总结

claude-obsidian 的核心洞察：大多数 Obsidian AI 插件做的是”在你现有的笔记上做更好的搜索”。它做的是”让笔记自己长大”。

1. 自动摄入 —— 扔资料，Claude 读完、提取、归档。不用手动建页面
2. 知识图谱 —— 按图谱组织，而不是按文件夹堆。连接密度随时间增加
3. 自然成长 —— 每次摄入，已有的笔记被重新交叉引用。你在长大，它在长大
4. 跨项目复用 —— 把任何 Claude Code 项目指向这个知识库，不同项目可以共享同一个知识基底
5. 不锁定 —— 所有文件都是纯 Markdown，随时拿走，随时导出

Karpathy 说的”compounding knowledge is the highest-leverage habit a thinking person can build”——这个工具让”compounding”这件事变成自动的。

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。