你是不是也有过这种体验：明明记得自己存过一篇很好的文章，真要用的时候翻遍整个笔记库，就是找不到。最后重新打开了 Google。
公众号、知乎、网页剪藏、PDF、视频转写、AI 对话截图，收藏夹越来越满。三个月后想不起标题，记不得关键词，搜也搜不出来。
你也看过别人用 Obsidian 搭的知识图谱，节点密密麻麻，连线纵横交错，看起来特别炫。但你自己打开 Obsidian，里面还是一堆散落的文件，图谱上稀稀拉拉几根线，根本串不起来。
问题不是你记不下来。是你记完以后，再也没人管过。
传统笔记最大的问题：只进不出
文件夹要求你提前判断分类。标签要求你持续手动打标。刚开始还行，资料一多，维护成本就非常高。
你存的不是知识库，是一个越来越大的仓库。东西都在，但没人整理，没人索引，没人告诉你哪些互相关联、哪些已经过时。
传统笔记软件主要解决一件事：存下来。Notion、Obsidian、Bear、飞书文档，各有所长，但本质都是容器。存进来容易，用的时候找不到是常态。
AI 知识库跟传统笔记的区别：不在"存"，在"维护"
AI 的价值不是多一个输入框。是让它帮你把资料重新组织成可提问、可追溯、可持续更新的结构。
你问一个问题，AI 从你已经存过的笔记里找素材、找依据、找相关概念，而不是从互联网重新搜。把"我存过什么"变成"我现在能从已有笔记里找到什么、组合出什么"——这才是 AI 知识库真正有价值的地方。
如何用 Codex/Claude Code 操作 Obsidian 知识库
个人使用不必一上来追求企业级系统。先把自己的资料变成一个能被 AI 读懂和维护的 wiki，就已经跑通了最关键的一步。
具体路径：
第一步：统一格式。所有资料都转成 Markdown 格式存进 Obsidian。PDF、视频、网页链接都需要先转换，这是最费时间但也最重要的基础工作。
第二步：建立双向链接。Obsidian 的核心是双向链接——不只是"这篇笔记引用那篇"，而是"那篇笔记也知道它被这篇引用"。这是后续 AI 能够"顺着线索找相关"的基础。
第三步：配置 Claude Code/Codex 作为维护层。设置定时任务，让 AI 定期扫描笔记库，识别哪些笔记之间存在潜在关联、哪些资料过时需要标记、哪些新存入的内容可以整合进已有的主题。
第四步：持续迭代笔记结构。AI 的角色不是一次性整理，而是持续维护。每次你提一个问题，AI 在回答的过程中也会顺便发现笔记库里新的关联——这个发现应该被记录下来，反哺到笔记结构里。
shrimp_comment
AI 知识库的核心转变不是"工具升级"，而是使用范式的转变：从"人类的记忆仓库"变成"AI 可读可维护的数字资产"。这个转变的关键是放弃"提前分类"的执念，接受"后置整理"的工作流——先无差别地存进来，然后让 AI 根据你的提问动态组织关联。这个思路和 RAG 有些类似，但更适合个人知识管理的场景。