Obsidian 作者这两条推很有意思。 Markdown 文件已经事实上成为了当前 AI 文件交互的一个 Schelling point。 大家都默契地选择将自己的文本文件系统变为 Markdown 格式后再进行其他工作。 Markdown 赢得了 AI 时代文本格式的战争。基本上，现在 AI 时代的文本格式和内容展示被局限在了 HTML 和 Markdown 两个部分： 我们最近经常看到圈子里的朋友在发送文本的时候用 Markdown。 在进行演示的时候用的是 HTML（包括最近层出不穷的 PPT Skills 也都是以网页的形式去推广的）。 既然 Markdown 已经成为了事实上的基准，那我们就应该进行下一步了。 Markdown 本身的展示目前非常死板，市场想要更多、更独特的方式来和现有的 Markdown 文件去交互。 当 6 年前 Obsidian 把本地文件夹、双向链接和知识图谱跟 Markdown 结合起来的时候，很多人不太理解这个产品，觉得很难用。 但现在它不仅是个人知识管理的常态，也是 AI 内容管理非常重要的一种方式。 例如我的 CodePilot 里面没有复杂的 memory 机制，所有的 memory 其实都是靠 MD 文件完成的。所以目前需要跳出文本编辑器的思路： 最近很多人在做 Markdown 编辑器，但其实应该跳出这个思路。 将 Markdown 作为一个数据去使用，构建更加跳脱常规的人机交互体验。 比如我的 CodePilot 里的 widget，它可以支持让 AI 用你本地的 memory 和 Markdown 文件作为数据来源。 当你的本地文件发生变化时，你的 widget 组件也会随之发生变化。

我在 Obsidian 里装了一个插件，叫 Weread。 它可以把微信读书里的书籍、划线和笔记，同步到 Obsidian 本地。 这样一来，我读过的书就不只是停留在微信读书里。 它会进入我的个人知识库。 后面我可以用 AI 帮我总结、分类、提炼观点、生成选题，甚至把它变成朋友圈、小红书、公众号、X 长文的内容素材。 这期视频，我就带你把微信读书同步到 Obsidian，搭一个属于自己的读书笔记工作流。

一个给写作者用的 Obsidian Vault 模板，搭好了长篇写作、日记和日常练习的框架，开箱即用。 里面装了长篇写作系统和日记追踪器，文件夹分好了 Coldbox、Icebox、Personal、Projects、Research、Scratch 各个区域。

这三个东西凑齐之后，Obsidian已经不是一个笔记软件了。 1. Obsidian Web Clipper 浏览器看到好东西一键剪进库，原生 .md 格式。 2. Obsidian CLI 让Claude Code直接接管整个仓库：读、写、搜、改、建双链等等。 3. Obsidian Skills 最狠的一个，让Agent知道什么时候应该写 .md 笔记，建 .base 表格，或者生成一张 .canvas 画板。 你不再只是记笔记，你是在整理你的第二大脑。

一位国内交易者，借助Obsidian搭建起专属第二大脑，每天清晨都能收获3个交易思路，仅用半年时间，就凭借这些思路斩获18万美元盈利。 整套系统依托N8N的6条自动化工作流运转，能自动抓取他阅读过的文章、收听的播客以及语音笔记，统一汇总到Obsidian共享知识库。每天早上6点，内置的神经网络分析师会梳理新旧笔记的关联，筛选出当日3个最优交易想法推送至收件箱。 他没有繁杂的分析操作台，没有彭博终端，也不靠交易群交流信息，仅靠一台放在角落的Mac Mini、一部随身携带的iPhone，搭配本地Obsidian知识库，就完成了整套交易决策体系。 对比之下，传统量化基金想要获取同等质量的决策洞见，需要组建8人专业团队，而他的成本仅为Readwise、Whisper API与N8N托管的订阅费用。 6条工作流每日处理近200个信息源，每月API相关支出仅120美元。 Mac Mini本地存储全部知识库，保障神经网络分析师全天候运行。他通过iPhone向Telegram机器人发送路上突发的交易灵感，短短30秒，内容就会同步至知识库收件箱。 在他知识库根目录的VAULT.md文件中，写着这样一段核心指令： “你是独行交易员的AI分析师，每日清晨6点梳理知识库，挖掘新旧笔记关联，输出3个交易想法，供其开盘前一小时验证。 工作流： // 阅读器：从Readwise、推特书签、Kindle抓取文章及高亮内容至笔记库 // 收录器：通过Airr转录播客、Whisper转录语音笔记并归入笔记库 // 接收员：接收Telegram机器人消息，带时间戳存入收件箱 // 关联器：每日夜间遍历知识库，更新4000条笔记的关联图谱 // 简报员：清晨6点生成含3个交易想法与本周核心论点的简报，推送至收件箱 // 移动端：搭载于iPhone，语音解答知识库问题，外出时确认预警通知” 系统仅在新笔记与核心交易观点冲突，或某一交易想法置信度超90%时，才会推送通知提醒他。 具体数据上，阅读器每日抓取80篇左右文章与标注内容，收录器每周转录4-6期播客，接收员每日通过机器人收录15-20条灵感。关联器每晚新增25-30条笔记关联，简报员准时生成决策简报，移动端则随时响应语音查询。 即便他在通勤、用餐时，也能通过iPhone语音查询知识库内容，快速核实股票相关笔记、决策支撑依据与反向观点，在美股开盘前完成下单操作。 上周一的系统简报清晰显示：周末收录78份资料，11份聚焦半导体行业；关联器发现27处新关联，高盛报告与此前英伟达观点高度匹配；当日3个交易想法分别为做多英伟达、财报后做空特斯拉、关注URI，同时预警半导体新笔记与原有观点存在冲突。 整套系统无云服务器、无专业团队、无昂贵终端，仅靠本地设备与轻量化工具，每月成本120美元，却能实现月均3万美元收益，成为极简高效的独行交易典范。

AI时代，本地文本文件管理基于MD才能发挥最大智能 之前推荐过一个Obsidian 但如果你不喜欢自己摆弄插件 就想安装之后就直接起飞 那可以试试这个B站大神做的类似产品 【Knowledge Base】 更符合国人的使用习惯 视频教程

我最近在搭一套 AI 加密自动交易系统。 不是直接上实盘，而是先做 paper trading： 1. Obsidian 做交易知识库 2. AI 蒸馏交易者思路 3. OKX / Binance / 情绪数据做扫描 4. AI 自动生成信号 5. 风控后进模拟盘 6. 每一单盈亏公开记录 我想记录一个过程： AI 到底能不能从“看盘工具”进化成“交易系统”？

又学到个新知识点 笔记软件普遍吃内存是因为几乎所有主流笔记软（Notion、Obsidian、飞书文档、Typora、Bear）都是 Electron 做的，基于Chromium 浏览器引擎运行。 而原生的笔记App（比如 Apple Notes、Craft），它们用 Swift/Objective-C 写，内存占用会小很多。

悄咪咪又随想编程了一个插件 可以一键把 x 上的推文、长文复制成 md 格式 然后丢到 notion、notebooklm、obsidian 里面 笔记党的福音

个人知识库的天花板来了！ GitHub这个 LLM Wiki 项目已经2800+ Star，彻底把普通RAG甩在身后！ 它不是每次都“重新检索”的废物模式， 而是让AI直接帮你增量构建一个真正的结构化Wiki —— 知识编译一次，就持续进化、越用越聪明！ 真正牛的几个点： ① 四信号知识图谱：自动建立高质量关联，不是乱连 ② Louvain社区检测：自动发现知识簇，帮你找到自己都没意识到的盲区 ③ Chrome一键剪藏：看到好网页直接扔进知识库 ④ 完美兼容Obsidian：三栏布局，颜值和体验都在线 做研究、写笔记、搞个人知识管理的朋友，这项目真的值得冲！ GitHub： 想把自己的大脑变成“活的第二大脑”的，这波必须收藏！