企业官网建设流程全解析

如何让你的AI Agent拥有一颗永不遗忘的数字大脑：obsidian-wiki完整入门指南

【免费下载链接】obsidian-wikiFramework for AI agents to build and maintain a digital brain through Obsidian wiki | Memory System for Agents项目地址: https://gitcode.com/gh_mirrors/obs/obsidian-wiki

obsidian-wiki 是一个开源的 AI Agent 记忆系统框架（Memory System for Agents）：它把文档、聊天记录、会议纪要、代码仓库"编译"成互相链接的 Markdown 知识库，让 Claude Code、Cursor、Codex 等 Agent 跨会话记住你解决的问题、记住你的偏好、回答时附上真实引用。本文是一份面向新手的完整入门指南，5 分钟带你安装并跑通这颗数字大脑。

为什么你的 AI Agent 需要一颗数字大脑？

你一定遇到过这个场景：周二花了一晚上调试出一个诡异的 bug，三个月后在另一个项目里又把同样的问题从零排查一遍——因为答案躺在一条永远不会被翻到的聊天记录里。😩

普通 Agent 的"失忆"有三个代价：

• 重复劳动：每次会话从零开始，同样的问题反复问、反复查
• 检索昂贵：传统 RAG 每次回答都要重新跑一遍向量检索
• 知识孤立：学过的东西散落在几十个会话里，彼此没有任何联系

obsidian-wiki 的思路来自 Andrej Karpathy 的 LLM Wiki 模式：知识只编译一次，之后持续保鲜，而不是每次提问都重新检索。它没有运行时、不需要 API key、没有厂商锁定——所有的"技能"都是 Markdown 文件，任何 Agent 都能直接读懂并执行。最终产物就是本地一个 Obsidian 仓库：纯 Markdown，可 grep、可 diff、可推送到私有仓库，数据完全属于你。

60 秒快速安装 obsidian-wiki 数字大脑

推荐方式是一行命令装好，安装文档详见 docs/installation.md：

pip install obsidian-wiki obsidian-wiki setup --vault ~/brain

setup会完成三件事：把仓库路径写入全局配置、把所有 wiki 技能软链到你常用的每个 Agent（Claude Code、Cursor、Codex、Gemini、Windsurf 等十余种），并注册两个会话钩子——每次新会话自动注入记忆、会话结束时自动捕获可复用的发现。

更省事的做法：把仓库交给你的 Agent，对它说"set up my wiki"即可：

git clone https://gitcode.com/gh_mirrors/obs/obsidian-wiki

Agent 会读取 wiki-setup 技能 中的指引，自动问清你的大脑放在哪，然后初始化完整的目录结构、索引与日志。装完跑一下obsidian-wiki doctor就能体检整个安装状态。

💡 如果你已经有一个 Obsidian 仓库，可以直接让 obsidian-wiki 接管它，而不是从零新建。

大脑如何工作：四阶段知识编译

喂给 obsidian-wiki 的每一份资料，都会经过四个阶段（详见 docs/architecture.md）：

1. Ingest（摄入）：Agent 直接读源文件——Markdown、PDF、JSONL 对话导出、会议记录，甚至截图
2. Pull（提炼）：从原始材料中抽出概念、实体、论断和关系，丢掉噪声、留下信号
3. Merge（合并）：新知识合并进已有页面——矛盾会被标记，绝不重复建页
4. Schema（演化）：目录结构从你的资料中自然生长，而不是预先硬编码

配合.manifest.json清单追踪每个已摄入的源文件，第二次运行时只处理增量——而不是把整个资料库再跑一遍。

日常最常用：喂料与提问的 5 个核心技能

全部 39 个技能的完整清单见 docs/skills.md，日常最高频的是这 5 个：

一个典型的成长循环：喂资料 → 合并进图 → 提问验证 → 定期 lint 去重。知识就这样一轮轮复利增长。📈

跨会话记忆：会话生命周期与热缓存

obsidian-wiki 的记忆面由五个文件承载：index.md、log.md、hot.md和_meta/下的个人资料、待办两张表（详见 docs/memory.md）。它们都走同一个加锁的原子写入器，多个 Agent 并行写也不会互相覆盖。

• 会话开始：钩子自动注入"你是谁、有哪些未完结的线索、最近做了什么"，Agent 不再盲启动
• 会话结束：钩子提示执行/wiki-capture --quick，在上下文关闭前把可复用的发现收进_raw/暂存区

如果你是从旧版本升级而来，仓库的记忆文件可能还是手写的——memory migrate会先预览、再打时间戳备份、最后才接管，手写的章节原样保留：

hot.md是一份默认 500 词的热缓存，每次写入后重新生成，只有## Key Takeaways一节保留模型亲手写下的结论：

加分项：浏览器扩展与 Python API

配套的浏览器扩展可以把当前网页或选中文本一键捕获进仓库的_raw/目录，本地优先、内容不出机器（详见 docs/browser-extension.md）：

想在自己的程序里把仓库当记忆用，几行 Python 就够（详见 docs/python-api.md）——不需要嵌入模型、向量库或网络请求：

from obsidian_wiki import Memory memory = Memory("~/brain") memory.add("Postgres was chosen over MySQL for partial indexes.") memory.search("postgres") memory.recap() # 会话开始时注入上下文

实测效果：装了 obsidian-wiki 到底快多少？

官方在同一个 38 页仓库、同一模型上做了对比，只改变量是"是否安装 obsidian-wiki"：

差距最大的正是"X 和 Y 怎么联系""删掉这个页面会破坏什么"这类图结构问题——裸 Agent 只能每次手工 grep 全库、重建链接图，而技能直接查询现成的图。

写在最后：你的第二大脑，从今天开始生长

• 官方安装指南：docs/installation.md
• 39 个技能清单：docs/skills.md
• 架构详解：docs/architecture.md
• 记忆面设计：docs/memory.md
• CLI 全量命令：docs/cli.md

核心就一句话：知识编译一次，持续保鲜。今天喂进去的每一个问题、每一段对话，都会成为三个月后那个"永远不会失忆"的你自己。🧠

【免费下载链接】obsidian-wikiFramework for AI agents to build and maintain a digital brain through Obsidian wiki | Memory System for Agents项目地址: https://gitcode.com/gh_mirrors/obs/obsidian-wiki