AI第二大脑：让Claude真正读你的笔记，而不是猜

你的AI不认识你

你的AI不认识你。每一次对话都从零开始：模型知道互联网上公开发表过的一切，却不知道你的客户是谁，不知道你最近的三次营销活动，也不知道你今天早上刚做的那个决定。这个缺口就是全部问题的根源，而我用一个真正读得懂的AI第二大脑把它补上了。

你贴进去四十页上下文，它点点头，然后以十足的确信，编造出你唯一忘了贴的那一页。我每天都在营销工作里跑AI，可以精确告诉你这从哪来，完整账目我写在这里。短版本是：模型没坏，是我们把记忆交给它的方式坏了。

真正让我破防的那一刻很无聊。我问一个模型上周刚跟它聊过的项目，它流畅地回答，句子完整，其中一半是错的。它对上周毫无记忆，却礼貌得不肯承认。它猜了，还猜得理直气壮。这比沉默更糟。

所以我停止修提示词，开始修结构。我搭了一个Obsidian vault，把规则放进里面，而不只是把笔记放进去。结果是一个去检索真实答案、而不是凭空猜答案的Agent。这篇文章就是这个结构本身，附带我每天都在跑的那个vault的真实数字。

要点先看

• 你的AI每次都从零开始认识你。 再多的提示词调优都治不了这个。解药是让Agent读得懂的记忆，而不是更多的指令。
• AI第二大脑是一个路由问题，不是一个工具问题。 真正干活的是一个规则文件和一个近况索引，不是一个插件。
• CLAUDE.md是改变一切的那个文件。 它住在vault里面，所以Agent自己去读规则，而不是由你每次重复。
• 检索打败猜测，而且你能量出差别。 一个带四种结果的查询日志，能精确告诉你vault什么时候答上了，什么时候漏了。
• 归档不是用来读的。 26个任务文件里的623个未勾选待办住在一个地方，而死文件住在一个Agent永远不打开的地方。
• Obsidian AI插件大多是噪音。 我几乎一个都不用，并且会告诉你我留下了哪几个。

为什么每一篇AI第二大脑指南都抓不住重点

搜AI第二大脑，你会搜到一种特定的页面：工具盘点、插件清单，还有一个含糊的承诺，说机器会替你整理思路。我在自己搭之前把它们全读了，没有一篇描述的是一个能跑的系统。

排名靠前的结果很能说明问题：一篇LinkedIn故事、一个厂商主页、一条问「为什么还有人费劲搞第二大脑」的Reddit帖子。没有人展示一个真实的vault，没有人展示文件夹布局，也没有人展示一份查询日志，以及它到底答没答上来。搜索者想问的那个问题，前十名的页面没有一篇回答。

每一篇指南错在同一个地方：它把AI当成大脑。它假设难的部分是思考，而机器会替你搞定思考。难的部分恰恰相反。思考现在已经便宜了，难的是检索，那个无聊的活：在对的时刻找到对的事实，而不是新造一个。

一个AI第二大脑应该去检索，而不是去猜。当Agent回答一个关于你业务的问题时，读的是你真实的笔记，那叫检索。当它靠平均掉自己读过的每一篇博客来回答，那叫猜。大多数人搭了一个猜谜机器，还管它叫大脑。指南只是帮他们搭得更快。

我举一个具体的例子。你问Agent：我们六月给那个瑞士客户的报价是多少。一个猜谜机器会翻出它训练数据里所有关于报价的通用段落，拼出一个听起来合理、但跟你实际报过的价毫无关系的数字。一个检索机器会先看它有没有这个项目的近况文件，找到报价决定那一页，把数字原样读给你。两者的差别不在模型，而在它有没有一张告诉它去哪找的清单。

这也是为什么那些指南听起来都对，用起来却全废。它们解决的是「怎么记更多」，而你要解决的是「怎么在提问的那一刻把对的那条找出来」。记更多是简单的，找到对的那条是难的。所以别再问哪个插件记笔记最好，先问你的Agent能不能在你要答案的那一刻，把答案原样还给你。

排名靠前的结果里，没有一篇展示带反馈的系统。没有人记录自己的查询，标出哪些失败了。没有人展示一个把Agent路由到正确文件夹的文件。最接近实践者答案的，是一条问基础问题的Reddit帖子。这说明市场还在等一个真正在跑这东西的人，给出一个直接的回答。

厂商当然不会给你看这些。卖插件的人，卖的是「装上就会变聪明」这个梦。卖App的人，卖的是「把一切交给它」这个梦。没人卖「一个规则文件加一个日志」，因为那赚不到钱，也太无聊，不值得做一场发布会。可恰恰是那个卖不掉、没发布会、一下午就能搭完的东西，才是真正管用的。

还有人指望一个更大的上下文窗口来救场。窗口再大，你还是得把对的文件塞进去，而塞进去这件事，就是检索。窗口不是记忆，它只是更大的桌面。桌面再大，桌上一万张纸，也还是找不到你要的那一张。记忆不是容量决定的，是地址决定的。

指南还盯错了层。它们卖给你一个更聪明的记笔记App。记笔记从来不是问题，问题是在提问的那一刻，没有人去读笔记。一个装满精彩笔记、但Agent找不到路的文件夹，是一抽屉纸，不是记忆。

如果你想看这之上的策略层，我在这里写过AI营销实战手册。这篇文章是它底下的基础设施，那个所有人跳过、因为它无聊的部分。无聊的地方，就是优势藏身之处。

大多数人搭第二大脑，第一本能是把所有东西都倒进去：Evernote导出的几千条、收藏夹里的几百个链接、随手记的便签。倒进去那一刻，你已经输了。没有路由，倒进去的不是记忆，是噪音。顺序反了。先定结构，再往里放东西，而不是先堆东西，再想办法找。

Vault不是笔记本，它是一层记忆

大多数人用Obsidian的方式，跟用笔记本一样。他们写下笔记，归档到某个地方，然后搜索。这对有时间、并且大致记得东西在哪的人类有效。对一个只有上下文窗口、毫无记忆的Agent来说，这行不通。

我把vault当成一层记忆，每样东西都有固定地址。每个文件夹带一个编号，编号就是顺序。布局如下：

• 00 Inbox：落点区，捕获进来的东西在分拣之前先堆在这里。
• 10 Daily：每天一个文件，带时间戳的活动记录。
• 20 Tasks：干活的地方，每一个打开的循环都是一条待办。
• 30 Wiki：耐用的知识，精修过的内容。
• 40 Notes：既不是任务也不是wiki的独立想法。
• 50 Sources：原始文件，PDF和图片，落地之后不可再改。
• 60 Output：临时结果，草稿和报告。
• 90 Archive：旧文件睡觉的地方，也是Agent永远不去的地方。

编号不是装饰，是路由。Agent知道任务问题从20 Tasks开始，知识问题从30 Wiki开始，任何问题都不从90 Archive开始。就这一个决定，写进一个文件里，在猜测发生之前就消灭了大量猜测。

再具体一点。我问：六月那个定价决定是什么。Agent的检索表告诉它，这是一个决策问题，属于30 Wiki。它不碰20 Tasks，不碰10 Daily，直接打开wiki里那张决策页，把结论和日期读给我。如果我让它搜整个vault，它会在五十个文件里翻找，然后要么漏掉、要么编造。编号把「在哪找」这个决定提前做掉了，所以它永远不用猜。

每个文件夹靠它身上挂着的规则挣来自己的位置。00 Inbox收容还没有家的捕获。10 Daily是「发生了什么」的真相来源，盖上小时戳。20 Tasks让打开的循环以待办的形式存在，一行一个。30 Wiki是精修层，是Agent唯一会当作事实引用的东西。40 Notes装着既非任务也非wiki的独立想法。50 Sources是不可修改的原始材料，PDF和截图，落地之后永不编辑。60 Output是临时的，那些草稿和报告要么死掉，要么升格进wiki。90 Archive是那个Agent被明确告知要跳过的文件夹。

笔记本是用来把东西写下来的，记忆层是用来按需把它们找回来的，由一位从没见过这些内容的读者来找。那位读者就是你的Agent。如果文件夹没有规则，读者就靠猜，而猜就是幻觉钻进来的方式。

人类可以把整个vault松散地装在脑子里，凭记忆晃到正确的那条笔记。Agent晃不了，它需要一个地址。编号文件夹就是地址。当我问我们六月做的那个定价决定时，Agent不会去搜整个vault，它直奔30 Wiki，找到决定页，引用出来。这就是一层记忆和一抽屉纸的区别。

搜索和地址是两回事。搜索问的是：这个关键词在哪出现。地址问的是：这类东西住在哪。搜索在一万条笔记里返回两百条，然后你一条条翻。地址直接把你放到那一条跟前。我给Agent的是地址，不是搜索框。这就是为什么它比一个装了搜索功能的笔记App快，也准。

让AI第二大脑运转的三个文件

把插件扒光，一个AI第二大脑就只剩下三个文件，其余全是家具。

第一个是CLAUDE.md，规则文件。它坐在vault的根目录，在你开口之前就告诉Agent该怎么行事。第二个是hot.md，近况索引。它回答那个每个Agent都栽跟头的问题：我把这活儿停在哪了。第三个是_query log.md，测量文件。它记录每一个严肃的问题，以及vault到底答没答上来。

三个文件。一个告诉Agent规则，一个告诉Agent什么是最近的，一个告诉你整个东西到底管不管用。注意到缺了什么吗：一个笔记数据库。你已经有了。笔记不是系统，指令、索引和日志才是系统。

hot.md是我直到需要它、才知道自己需要它的那个文件。问题不是我把这存在哪了，而是我停在哪了。近况索引回答的是第二个问题，而第二个问题才是每次工作会话里都会冒出来的那个。

大多数人把它搭反了。他们往一个文件夹里倒进一千条笔记，然后纳闷Agent为什么在里面淹死。三个文件才是把文件夹变成第二大脑的东西。笔记是库存，不是引擎。

这三个文件我每天都读，Agent也每天都读。规则文件是常量，几乎不变。近况索引是变量，天天都在变。查询日志是账本，记录每一次检索值不值。合在一起，它们就是那套把vault从一个装笔记的文件夹、变成一个会回答问题的系统的东西。少了任何一个，这套系统都会退回成一台猜谜机器。

一旦这套系统跑起来，你先注意到的是自己不再重复说话了。以前每开一个会话，我都要交代一遍背景：我是谁、我在做什么项目、这个客户是谁。现在不用。Agent自己读规则，自己读近况，三秒钟接上话。省下来的不是打字的时间，是每次重新把脑子上线的精力。

Hot系统跑在两层上

大多数人以为近况索引就是一个文件。我跑的这个有两层，而第二层才是真正干活的地方。

顶层是根目录的hot.md，全局雷达。它有三个部分。活跃项目雷达把每个活跃项目写成一行，带一个链到它自己hot文件的链接。最近7天是所有项目里最近一切的混合时间线。陈旧把任何超过三十天的东西压成一行。

第二层是每个区域里的_hot.md。每个话题都有自己的近况文件。我雇主那个工作的近况文件住在工作文件夹下，副业的近况文件住在它们各自的文件夹下。每一个都回答「这个话题我把活停在哪了」。

一个单一的全局索引在某个规模会淹死。我vault里的hot.md大约380KB。没有人能一口气读完。Agent能，但前提是你给它一个关于你问的那个话题的更短文件。每个话题的_hot.md就是那个更短的文件。

当我打开一个关于某客户的对话，Agent先读那个客户的_hot.md。它拿到当前状态、我最近碰过的几件事、以及谁在等什么。这比全局文件的信噪比好得多。这就是vault越长越大、整个系统依然够快的原因。

一个_hot.md文件长这样。顶部一行状态，说明这个客户现在到哪一步了。下面几行「最近碰过」，倒序排列，每行带日期和链接。再往下是「没结的承诺」，谁在等什么、从哪天开始等。最后是「活跃的相关人」。就这么点东西，但Agent一打开它，就知道该从哪接上话，而不是从头问我一遍。这是我整个系统里投资回报率最高的一个文件。

轮换规则让两层都诚实。任何超过一周的东西掉出活跃列表。超过三十天的，挪进陈旧。再往后，它就从hot里彻底消失，只活在按时间顺序追加、从不修剪的日志里。

CLAUDE.md：你的Agent真正会读的路由层

这就是干大部分活的那个文件，而它根本就不是一条笔记。CLAUDE.md是一个住在vault里的指令文件。当Claude Code打开这个vault，它先读那个文件。它就是路由层。

这个文件装着我否则每一场对话都得重复一遍的规则：用第一人称写；不用破折号，因为它们读起来像机器生成的文本；每件事都盖时间戳；永远不读归档；wiki优先于原始材料。这些不是我每次会话重申一遍的偏好，Agent自己在每次碰任何一条笔记之前，先读它们。

最重要的那部分是一张检索表。它是一份查询类型和先看哪里的清单。任务问题从20 Tasks开始，近况问题从hot.md开始，产品问题从wiki开始，归档永远不在清单上。那张表就是一个「会找的Agent」和一个「会猜的Agent」之间的区别。

检索表就是一张很直白的清单。任务问题看20 Tasks，近况问题看hot.md，知识问题看30 Wiki，产品问题看wiki的产品页，决策问题看wiki加原始材料，归档永远不在表上。这张表我一页就能读完，Agent也是一页就能读完，然后它就知道该往哪看。

没有这张表的时候，Agent会怎么做？它会打开它认为「可能相关」的文件，读十几个，然后把最像答案的那个拼给你。这跟猜没有区别。有了这张表，它只读三个文件，其中两个直接就是答案。这就是检索和猜测之间那条线，而那条线是一张表画出来的。

文件里有一条规则说，当我问今天该做什么时，Agent先读当天的daily笔记，然后扫任务文件里未勾选的待办，再按项目分组。它做这些，不用我敲一个字。

另一条规则说，永远不要编造截止日期。如果我说一个任务下周到期，它得到一个日期。如果我没给，那个字段就空着。光这一条规则，就帮我躲过了十几次被凭空编出来的承诺。

第三条规则处理歧义。当我没带上下文提一个项目名，Agent会问一个简短的多选题，而不是瞎猜。它花我三秒钟，省下我改错文件的麻烦。这种事一天发生好几次，积少成多，是省时间的大头。这些规则单看都小，加起来就是省下大把时间的引擎。规则文件里每一条，都是为了干掉一个我过去每天都要手动重复的步骤。写进去一次，受益每一次。

这是为一个人做的上下文工程。它不是新模型，不是更大的窗口。它是一个告诉机器该往哪看的小文件，好让机器停止到处乱看、然后幻觉掉剩下的部分。这个文件只有几页长，效果是每一场对话都从你真实的记忆开始，而不是从零开始。Anthropic后来重写了这类文件的规则，我把自己的砍掉了79%，并写下了我现在遵循的CLAUDE.md 最佳实践。

一个真实的工作会话长什么样

规则只有在你看着它们跑起来时才有意义。这是我的vault里一场会话，从头到尾。

Agent做的第一件事，是盖上日期和时间。它打开今天的daily笔记，或者新建一个。每一个真实的动作都得到一行时间戳，在做的时候就写。daily笔记变成时间追踪器，而不是日记。我可以回头看，看到我在14:30定了那个定价，15:10发出了客户邮件。

然后我用大白话问一个真问题：这周客户网站上我还欠着什么。Agent读daily笔记，找到没完成的任务，把其中三条连同截止日期回给我。没有行业综述，没有凭空捏造的行动项。只有我自己的笔记，被找到，被还回来。

当我做完一件事，我说一声。Agent找到匹配的待办，勾掉，盖上时间，然后更新那个话题的近况文件。它不会要我重述整件事。vault里的diff就是记录，聊天保持简短。

更完整的一天是这样的。早上九点，我问今天要做什么。Agent读daily笔记，扫出任务文件里没勾的待办，按项目分组回我。我挑了三条，开始干。十点我做完第一条，说「第一条做完了」，Agent找到那条待办，勾掉，盖上10:05的时间戳，顺手更新这个项目的近况文件。中午我接了个客户电话，下午把决定记进wiki。每一步都不需要我解释规则，因为规则在文件里，Agent自己会读。这才是真正的自动化：不是机器替你思考，而是结构替你省掉重复。

这就是那个要紧的循环：问、检索、行动、盖章、更新。每一步都写进结构，所以下一场会话比这一场更热。这就是复利的样子，而它不是模型的功能，是文件的功能。

这套循环跑三个月，你就回不去了。不是因为它神奇，而是因为每次会话开头那几分钟，以前用来重新解释自己是谁的，现在直接用来干活。那是硬省下来的时间，每天都来一遍，一年下来是一整块。

Claude Obsidian：Claude Code怎么读我的Vault

claude obsidian的搭法简单到几乎尴尬，而这正是重点。我把Claude Code指向vault文件夹，它自己从根目录读CLAUDE.md。然后我用大白话问问题，就像问一个读过我笔记的聪明同事。

没有API胶水，没有自定义插件，没有数据库。Claude Code是读者，Obsidian是图书馆。我在别处写过这种工作方式，像带一个初级开发者那样引导AI来构建。vault版是同一块肌肉：机器干活，结构掌舵。

我选Obsidian而不是别的App，只有一个原因：它把文件存在你能看见、能控制的地方，纯markdown。Agent读的是文件，不是某个数据库的私有格式。换成任何会把笔记锁进自己格式里的App，你的Agent就得先穿过一层API，再穿过一层导出，然后才读得到。每多一层，检索就慢一点，猜错的概率就高一点。所以别问哪个App最聪明，问哪个App让文件最老实。

这也是为什么我几乎不用数据库式的第二大脑工具。数据库快，但它是黑盒。文件慢一点，但它是透明的。对一个要替你找回记忆的Agent来说，透明比快值钱。Agent能读文件，就永远能被你审计。黑盒只能祈祷。

这里有一份我跑的那个vault的实证。它装着26个任务文件里的623个未勾选待办。顶层的近况文件hot.md大约380KB。人类一口气读不完，Agent能，只要你给它一张说明从哪开始的表。这就是全部的把戏。

当它生效时，感觉像Agent记住了关于你的某件事。它没有记住，它读了一个文件，就像你自己的笔记如果集中在一处、并且打了标签时，你会读它们那样。记忆不在模型里，在结构里。

这套东西还有一个隐藏好处：它跟工具无关。换一个模型，换一个Agent，规则文件还在，索引还在，日志还在。我搭的是记忆层，不是某个App的存档。哪天Claude Code不香了，我换个读者，vault照跑。把记忆锁进任何一家公司的私有格式里，你就把脑子抵押给了它。

Obsidian AI插件：我用了什么，跳过了什么

你搜obsidian ai插件找到这里，那我就快点回答：我几乎全跳过了。

理由很简单。大多数插件想把AI塞进笔记里，好让笔记自己思考。这正是指南犯的那个错。我要AI在笔记外面，读它们，就像一个读者读一座图书馆。当智能住在笔记里，每条笔记都跟其他每条笔记打架。当它住在读者里，笔记就保持沉默，也保持有用。

我用的是一份很短的清单：Claude Code指向vault当读者，Obsidian官方同步负责文件，一个daily notes插件让每天在10 Daily里得到一个文件。差不多就这些。obsidian ai生态的其余部分，是针对一个我已经用一个规则文件解决掉的问题做的盘点。

诚实版本：我不需要一个插件来总结我的笔记。我需要Agent找到正确的笔记并引用它。插件做总结，结构做检索。如果你要我的完整工具清单，当前营销技术栈我记录在这里。其中vault那一块，是最小、最无聊的一块，这不是巧合。

人们最常问我「那XX插件呢」，XX可以是任何名字，答案是同一句：它帮不帮Agent在提问的那一刻找到对的笔记？不帮，就跳过。大多数AI插件做的是一件事，把AI塞进编辑器，让它在每条笔记里自动总结、自动扩写、自动联想。这听起来方便，实际上是在制造更多没人读的笔记。你缺的从来不是更多笔记，你缺的是有人在你提问时读它们。

举个最典型的例子：自动生成相关链接的插件。它给每条笔记塞进五个「可能相关」的链接，大多数是错的。错的链接比没有链接更糟，因为Agent会顺着错链接走，读到一堆无关内容，然后从中挑一个「最像」的来回答。这就又回到猜了。

Vault长大时坏在哪：上下文、新鲜度、重复

一个第二大脑在一百条笔记时运行漂亮，在一千条时悄悄坏掉。我知道它坏掉的三种方式，因为我的vault早就远超一千条了。

第一种是上下文。一个文件一直长到再也塞不进对话。我的hot.md大约380KB，这恰恰是近况索引的全部意义，而它同时也成了问题。太多的近况就是噪音，所以索引需要自己的过期机制。超过一周的东西掉出活跃列表，超过一个月的，压成一行或者挪进归档。

第二种是新鲜度。一条三月份写的笔记，到九月份听起来还是真的，其实不是。同一个任务在六个月里被记在三个地方，Agent却十足确信地引用最老的那一条。解法还是那张路由表：daily笔记是「发生了什么」的真相来源，wiki是「什么是真的」的真相来源，别的什么都不被当作事实引用。

第三种是重复。同一个想法落进一条daily笔记、一页wiki、还有一个任务文件。我不手工合并这些。我标记它们，让结构挑一个规范的家。归档是输家去的地方，Agent被明确告知，检索时永远不读它。一条Agent会读到的陈旧笔记，比没有笔记更糟，因为它读起来像当前事实。

让它保持健康的节奏毫不光鲜。每周，我看一眼近况索引，把陈旧的东西挪出活跃列表。每月，我查查询日志，找那些需要三个文件才答上的问题，把它们合并。这个系统不是设好就忘，它是一座花园，而归档是堆肥。堆肥不是垃圾，它是让新东西长出来的东西，只是你再也不该把它端上桌。

举个新鲜度的例子。三月我记下「客户A还在试用期，别催」。到九月，客户A早就签约了，可这条笔记还躺在某个任务文件里。Agent如果读到它，会以为这还是现状，然后给你一份基于过时信息的建议。过期的真相，比没有真相更危险，因为它穿着真相的衣服。

我怎么测量检索：查询日志

观点很便宜，我要一个数字。所以vault里有一份查询日志，每个严肃的问题都得到一行。

这一行记录问题、它碰过的文件、以及一个结果。结果是四个词之一。ok表示vault高效地答上了。gap表示信息不在那。consolidate表示我不得不读三个文件才得到一个答案，这是合并它们的信号。noise表示我读了一些没用的文件。

一个第二大脑就是这样变聪明、而不是变大的。当同一个问题连续两次返回consolidate，我就合并文件。当一个问题不断返回gap，我就知道vault缺了东西，我去补上。日志把一堆笔记变成一个有反馈的系统。

一行真实的日志长这样：问题、它碰过的文件、还有consolidate这个词。那个词就是信号。它在说，三个文件各自握着同一个答案的一块碎片，该写单独一页了。下次我再问，答案从一个文件来，而不是三个。这就是让vault变聪明、而不是变大的那个循环。

一条真实的日志行长这样：knowledge/ssi | 六月的报价是多少 | files: [定价决定页, 客户页] | useful: 2 | outcome: consolidate。它读起来枯燥，但它是我唯一能靠它知道vault到底答没答上的东西。没有它，我就只能凭感觉说「感觉还行」，而感觉不是测量。有了它，我每周扫一眼，就知道哪些话题缺料、哪些问题老是要读三个文件、哪些文件夹成了没人读的死角。

大多数人从没做过这个，而且藏不住。他们的第二大脑是一座博物馆，我的是一台带仪表的机器。那块仪表又丑又不光鲜，而它是整个东西随着增长还能继续运转的唯一理由。检索质量是一个可测量的结果，而我去测它。

日志跑上几个月之后，你会开始看出自己的使用模式。哪些话题反复被问，哪些文件夹从没被打开过，哪些答案老是要翻三个文件。这些模式就是下一次精简的清单。查询日志不只是一个诊断工具，它是这整座花园的自我改进机制。

AI第二大脑是一个系统，不是一个文件夹

这是我想让你从这整件事里带走的东西。一个AI第二大脑不是买来的，也不是装上去的。它是你搭出来的一个系统，而这个系统主要就是三个无聊的文件，加上一套编号文件夹布局。

厂商会继续卖给你那个大脑，插件会继续承诺替你整理思路。真相安静得多。一个AI第二大脑是一个装着规则的文件夹，一个说明什么是最近的索引，加上一份说明它管不管用的日志。你可以花一个下午搭完整个东西，然后它复利好几年。

这件事最反直觉的地方在于，越简单越耐用。大多数人以为搭第二大脑要买一堆工具、装一堆插件、学一套复杂方法论。恰恰相反，工具越多，噪音越多，Agent越容易淹死。三个文件加一套编号，是我删到不能再删之后剩下的东西。能删的都删了，剩下的每一件都在干活。

我每天都在跑我的那个。Agent找到正确的笔记，引用回来，我不再重写已经做过的决定。那不是魔法，是路由。等这个话题的AI Overview终于出现时，它会是一串工具名字。真正的答案只有一句话，而你现在已经拿到了：搭好结构，让Agent去检索，而不是去猜。

常见问题

Obsidian适合用来搭AI第二大脑吗？

它是我找到的最好工具，而且不是因为任何插件。Obsidian用一套你能控制的文件夹结构存储纯markdown文件，这正是Agent能干净读进去的东西。价值在于你在上面搭的结构，规则文件和近况索引，而不是App本身。

我非得用Claude Code吗，还是任何AI都能配Obsidian用？

任何能读文件的模型都行，但路由层比模型更关键。CLAUDE.md的意义在于Agent自己去读规则，而不是每次都听你重复。无论你用什么工具，问题都是一样的：它会不会读一个告诉它往哪看的文件，还是它靠猜。

搭一个AI第二大脑要多久？

文件夹布局和三个文件花一个下午。价值在之后才来，随着vault长大，路由让它保持可用。贵的不是搭，是记录查询和归档死笔记的纪律，那是唯一能让它在一千个文件之后继续运转的东西。一个下午就能搭起来，让它保持可读才是日常习惯。