内容比较多，建议收藏后让 AI 帮你读完。读完之后，你会发现知识管理这件事，可以完全免费、完全本地、完全持久。

你有没有这种感觉：

刷到一篇好文章，复制粘贴存进笔记软件，之后就再也没找到过。Notion 里存了几百篇笔记，但这些笔记之间是孤立的。每次问 AI，它都从零开始搜索——没有积累，没有记忆。

更关键的是：你的笔记存在别人服务器上。哪天服务关停，数据就没了。

今天介绍一套系统，可以彻底解决这四个问题：零成本、完全本地、数据永远属于你自己。

具体来说，它有四个特点：

1. 1. 完全自动化：不需要手动整理笔记，AI 自动帮你做
2. 2. 完全本地：数据永远在你自己硬盘上，不上传任何服务器
3. 3. 持久化积累：知识不断积累，不是每次从零开始
4. 4. 只需提问：你只需要提问和探索，其他交给 AI

整条链路是：文档导入 → AI 整理 → Wiki 生成 → 双向链接。

全程不需要你手动操作任何图形界面，文件丢进去，自动成网。

三个工具，各有分工

这套系统由三个组件构成。

Obsidian：知识展示层

Obsidian 是一款本地双向链接笔记工具，完全免费，跨 Windows、Mac、Linux 三平台。

它最核心的特点是双向链接。

在笔记里输入两个方括号，比如 [[Garry-Tan]]，Obsidian 会自动把它变成一个紫色链接。如果这个页面存在，点击就能跳转；如果不存在，点进去就会创建它。

这就是双向链接——不需要你手动维护，Obsidian 自动帮你建立关系。

传统笔记软件的问题是什么？写了几十篇笔记，但这些笔记之间是孤立的。你根本不知道「skillification」这个词在其他所有地方出现过。

Obsidian 的 Graph View 可以把所有笔记和它们之间的链接关系可视化成一张图。一眼就能看到知识结构，看到哪些节点是孤岛，哪些是枢纽。

所有数据都在本地，不会上传到任何服务器。

OpenClaw：自动化执行引擎

OpenClaw 是一个本地 AI 协调中枢，跑在你自己的 Mac Mini 或电脑上的服务。

它不是 AI 模型，而是一个调度引擎——接收指令，协调工具，完成任务，积累记忆。

在这套知识管理工作流里，OpenClaw 承担的功能是自动化执行引擎。

它的核心特点：

• • 内置 SIGIL 触发机制，你说「wiki this」就能自动触发知识导入
• • 支持 skill 体系，工作流可以像代码一样被固化、被复用
• • 多 session 协作，可以同时处理多个任务

你不需要手动创建文件夹、整理笔记、添加双向链接。你只需要告诉 OpenClaw「把这篇文章写入知识库」，它就会自动完成所有工作。

LLM Wiki：知识库文件规范

LLM Wiki 不是一个独立的应用，而是一套知识库文件结构规范。

它定义了如何组织知识：

.brain/wiki/├── index.md          # 知识库总入口├── log.md            # 操作记录├── sources/          # 原始内容存档├── people/          # 人物页面├── companies/        # 公司/组织├── concepts/         # 概念/方法论├── projects/         # 项目/产品└── topics/          # 主题/话题

这套结构的核心思路是：让 AI 增量构建一个持久化的 Wiki。

你导入一篇文档，系统不会只是索引一下就完事。它会真正理解这篇文档，提取里面的关键实体、概念、关系，然后生成或更新对应的 Wiki 页面。

随着导入的文档越来越多，Wiki 会越来越丰富。页面之间会形成引用和关联，矛盾的地方会被标注。

而且——这个目录直接拖进 Obsidian 就是完整可用的 Vault。双链跳转、Graph View，全部正常。

完整工作流演示

把三个工具串起来看。

整个工作流的入口是 OpenClaw。

第一步：下达指令

比如你说「wiki this」，然后发一篇 X 推文的链接。

这句话里有明确的动作「wiki this」，所以 OpenClaw 知道需要执行知识库写入操作。

第二步：OpenClaw 自动整理

OpenClaw 通过 wiki-ingest skill 自动完成以下操作：

• • 抓取文档内容：读取链接正文
• • 提取关键实体：识别人物、公司、概念、项目、话题
• • 生成 Wiki 页面：按 LLM Wiki 规范创建结构化的 Markdown 文件
• • 添加双向链接：用 [[wikilink]] 连接相关概念
• • 更新索引和日志：自动追加到 index.md 和 log.md

全程不需要你动手。

第三步：Obsidian 展示知识网络

打开知识库目录，把它作为 Vault 拖进 Obsidian。

现在你就拥有了一个由 AI 精心整理过的知识库。

双链网络可以自由浏览，Graph View 可以看到知识点之间的关联强度。

第四步：无限循环

这个过程可以无限循环。

每次导入新内容，知识网络都会自动更新。已有的页面会被补充新的信息，与新内容矛盾的地方会被标注。不同文档里提到的同一个概念会被关联到同一个 Wiki 节点上。

久而久之，知识库会变得越来越准确，越来越厚。

安装步骤

第一步：安装 Obsidian

打开 obsidian.md^[1]，下载 macOS 版本。安装之后打开 App，它会让你选择或创建一个 Vault。

Vault 就是笔记仓库，本质上就是一个文件夹，里面装满了 Markdown 文件。

你可以把已有的笔记文件夹直接导入，也可以新建一个空白的 Vault。

第二步：配置 OpenClaw

OpenClaw 是一个本地 AI 协调服务（类似一个跑在你电脑上的 AI 助手）。

如果你已经在用 OpenClaw，直接跳到第三步。如果还没有，可以访问 openclaw.ai 了解安装方式，配好你的 AI 模型（支持 OpenAI、Claude、MiniMax 等主流 API）即可。

关键是：它需要能访问你的 Obsidian Vault 目录。

第三步：初始化 LLM Wiki 结构

在你的 Obsidian Vault 里创建 .brain/wiki/ 目录，然后在目录里创建以下文件：

index.md（知识库总入口）：

# 知识库最后更新：YYYY-MM-DD## 人物## 公司## 概念## 项目## 话题

log.md（操作日志）：

# 操作日志

OpenClaw 的 wiki-ingest skill 会自动维护这两个文件。

使用规则

用好这套工作流，只需要记住三条规则。

规则一：说「wiki this」，OpenClaw 来整理

当你有新的文档需要管理：X 推文、网页文章、会议记录、学习笔记。

你只需要告诉 OpenClaw「wiki this [链接]」或「写入知识库」。

OpenClaw 会自动完成所有整理工作，全程不需要你动手。

规则二：说「查一下 brain」，OpenClaw 来检索

当你需要基于知识库来回答问题，比如「Garry Tan 的三层架构是什么」。

OpenClaw 会检索你的 Wiki 中的相关文档，整合之后给你一个完整的回答，并且标注来源。

日常的普通对话，OpenClaw 不会主动去读知识库。

这样知识库不会被无关内容污染，每次检索的结果也更精准。

规则三：Obsidian 随时可用

Wiki 目录可以直接拖进 Obsidian 当 Vault 使用。

双链跳转、Graph View、全文搜索，所有 Obsidian 的功能随时可用。

所有内容都是纯 Markdown 文件，可以在任何工具之间迁移。

这套系统和 Hermes+LLM Wiki 有什么区别？

Hermes Agent 是一个本地 CLI 工具，功能强大，但需要配置 API、安装依赖、熟悉命令行。

OpenClaw 是另一种路径——它是一个本地服务，通过对话来操作，不需要你懂技术。

如果你已经习惯用 AI 对话来工作，OpenClaw 这条路更自然。

总结

写入知识库，OpenClaw 自动整理。你说，OpenClaw 做。

查知识库，AI 检索、整合，回答你的问题。

知识库目录，Obsidian 展示，双链自由浏览。

三个工具各有分工：

• • OpenClaw 是自动化执行引擎，负责接收指令，提取结构化知识，按 LLM Wiki 规范创建文件
• • LLM Wiki 是文件结构规范，让 AI 生成的知识可以被累积、被关联、被复用
• • Obsidian 是展示层，负责双向链接和知识网络可视化

用好这套工作流，你不需要手动整理笔记，不需要每次都从零开始搜索。让 AI 替你做繁琐的知识管理工作，你只需要专注于提问和探索。

现在打开 Obsidian，创建一个 .brain/wiki/ 目录——这就是你的第一步。

引用链接

[1] obsidian.md: https://obsidian.md