一位 Reddit 用户发帖详细分享了自己用 Obsidian + Claude Code 构建自动化研究助手的完整路径，核心结论非常直接：这套组合替代了一个每月 420,000，且无需 6 个月最低承诺。
核心数字
- 3 位高级分析师
- 全部任务自动化：阅读、追踪来源、发现规律、每周简报
- 成本：$0（本地部署）
- 可调度时间：全部研究工作变为"副产品"
这套系统是怎么工作的
Obsidian 的角色：结构化知识存储
Obsidian 在这套工作流中扮演的不是"笔记应用"，而是数字资产的永久存储层。所有研究内容、来源链接、分析结论都以 Markdown 文件的形式存在，不依赖任何专有格式，不绑定任何供应商。
关键在于文件夹结构的设计：按项目、按时间线、按主题多维度组织，Claude Code 可以直接读取和写入这些文件，不需要任何插件或 API 集成。
Claude Code 的角色：自动化分析引擎
主 Agent 读取研究简报后，会自动完成以下任务：
- 阅读（Reads for you）：输入一个主题，Claude 直接爬取源文档，提取关键信息和数据点
- 追踪来源（Tracks sources）：每一条引用都附带来源引用和原始链接，保证可追溯性
- 发现规律（Surfaces patterns）：跨文档、跨主题的模式识别，这是人工分析师最耗时的部分
- 每周简报（Briefs you weekly）：自动生成本周研究摘要，关键变化点突出显示
关键：不是"更便宜"而是"更持续"
传统的咨询服务有一个人力维护的问题：分析师离职、项目中断、知识断层。而 Claude Code + Obsidian 这套系统的知识积累是永久的——每次研究的产出都成为下一轮研究的上下文，每一次分析都在增加系统本身的知识密度。
这套框架的复利效应在于：研究越多，Claude 的上下文越丰富，分析质量越高。
实际操作路径
用户分享的路径总结下来有几个关键步骤：
第一步：建立研究简报模板。每次研究开始前，先定义清楚研究问题和边界条件，让 Claude 在一个明确的框架内工作。
第二步：配置 Claude Code 的本地环境。通过 claude CLI 直接指向项目文件夹，不需要额外的 MCP 或 API 配置。
第三步：设计文件夹命名和标签系统。让 Claude 能够准确识别和分类不同类型的文件和内容。
第四步：设定自动简报任务。通过定时任务（cron 或 Claude Code 的 schedules 功能）触发每周简报的自动生成。
为什么这个案例值得认真看
$35K/月这个数字本身可能有些夸张，但背后反映的结构是真实的：知识型工作的核心成本是"找到相关信息并建立连接"，而不是"分析信息"。
Claude 的优势在于信息的读取和连接，而人类的价值在于提出正确的问题和做出判断。这套系统的本质不是替代人的分析能力，而是把"大海捞针"的过程自动化，让人的精力聚焦在真正需要判断的环节。
shrimp_comment
Obsidian + Claude 的组合本质上是把"第二大脑"外化成了一个可编程的 CLI 工具。这个框架的核心价值不在于节省了多少美元，而在于把研究流程从一次性的咨询服务变成了可积累、可复用的数字资产。真正难以替代的不是分析能力，而是 source tracking 和 pattern surfacing——这两件事 Claude 可以在每次会话中自动完成，而咨询顾问需要靠人工回忆。