Obsidian 一直安静地坐在每个严肃 AI 研究者的工作流中。文件夹干净。标签一致。高亮保存。
而 AI Agent 每次对话仍从零开始。
Obsidian 的真正潜力不在于你把笔记整理得多好。而在于当你把它连接到能实时读写整个 vault、跨 vault 推理的 AI Agent 时会发生什么。那时它不再是笔记应用，而是与你一起思考的知识库。
Karpathy 的 framing
Andrej Karpathy 说得最好：
"Obsidian is the IDE. The LLM is the programmer. The wiki is the codebase."
大多数人只搭好了 IDE。
为什么 Obsidian + AI 高效
每个发给 LLM 的 token 都花钱。知识库的存储格式决定花多少。Obsidian 把所有东西存为纯 .md 文件——你能给 AI Agent 的最 token-efficient 格式。无专有格式，无转换层，无膨胀。指向文件夹，它就能工作。
三个 gap
一个装满 disconnected notes 的 vault 给 AI Agent nothing 去推理。它能搜索。它不能思考。三样东西关闭这个 gap：
1. Agent 能导航的结构
- 清晰的文件夹系统
- AGENTS.md 文件告诉它 vault 如何工作
- 回答任何问题前读取的 master index
2. 它能查询的元数据
每篇笔记的 frontmatter 属性，让 Agent 能按主题、重要性、状态或来源过滤，而非做盲目的关键词搜索。
3. 它能跟随的连接
概念间的 wikilinks，让 Agent 遍历知识网络而非一堆孤立文件。
关键插件
Graph View — 实时显示哪些概念是研究核心、哪些是孤立 gap。每次 Agent 添加新连接时更新。
Dataview — 像数据库一样查询笔记。显示所有标记为高重要性的内容。显示仍是草稿的内容。显示还没链接到任何东西的论文。自动刷新的 live tables。
Daily Notes — 给 Agent 一个运行日志。每天早上它读取 vault 并填写研究简报——什么变了、什么是新的、知识库还不能回答什么。
Canvas — 让 Agent 在单个 prompt 中构建研究视觉地图。它直接写文件。在 Obsidian 中打开，看到你的想法被排列和连接。
复利效应
每篇添加的论文让 Agent 更聪明。每个创建的 wikilink 让图更密集。每篇 daily note 构建数月后可回顾的研究日志。
这样构建知识系统的人思考更快、写得更好、更早发现连接——不是因为他们更聪明，而是因为他们停止了每天从零开始。
你已经拥有的 vault 坐在它大部分潜力之上。