我用 OpenClaw + Obsidian,搭了一个每天自动更新的 AI 知识库
我每天都在用十几个 AI 工具写代码、做设计、查行业、读论文,但有天我突然卡住:这些领域我其实都不专,凭什么判断 agent 给我的东西靠不靠谱?
那一刻我想明白一件事:AI 时代最危险的,不是学得慢,而是还想着把自己练成”单点专家”。
你越往一个领域死钻,护城河反而越浅——那点深度,agent 比你钻得更狠、更快、更便宜。真正值钱的,是另一种能力。
为了攒出这种能力,我用 OpenClaw + Obsidian 搭了套每天自动跑的系统:每天早上打开 Obsidian,昨晚到今早的 AI 动态、深度文章、中文精选,已经整理成 Markdown 躺在我的本地库里。但工具只是壳。真正重要的是壳里的那个判断：为什么 AI 时代，我不再想着把自己练成“单点专家”。
AI 时代,个体的成长方向变了。过去的成长范式是”往深里钻,成为某个领域的专家”——因为专业壁垒值钱。但 AI 时代,深度执行可以交给各领域的专业 agent,人不需要在每个领域都钻到最深。
那人的价值在哪?在”广度判断力”。你需要的不是在每个领域都成为那个钻到最深的人,而是在每个领域都有足够的专业判断力——知道什么是对的、什么是坑、该问什么问题、该信哪个 agent 的输出。判断力是调度 agent 的前提。你不懂这个领域的基本盘,就没法判断 agent 给你的结果靠不靠谱,也就没法驾驭它。
所以这个知识库的真正目的,是”快速建立各领域的判断力”。不是为了让你变成专家,而是为了让你快速摸到每个领域的专业底座,从而能指挥那个领域的 agent。知识库是”判断力的弹药库”,agent 是”执行的放大器”。两者合起来,个体能力才被放大。
道理讲完了。问题是——这种”跨领域判断力”,到底怎么快速建立?接下来就是我那套系统每天在干的事。
它最大的改变,是把”我得主动刷信息”整个反过来了。
我不再追着信息跑,而是每天拿到一份整理好的结果:今天 AI 圈发生了什么、哪几条值得深挖、哪些是噪音可以略过。
剩下的事才需要我:扫一眼,决定哪些值得深挖、哪些并进我的知识库。
从”我每天追信息”,变成”信息每天来找我,还帮我消化好”。
这套系统其实就两个角色:一个负责跑腿,一个负责记住。
两个角色:OpenClaw 是手,Obsidian 是脑
OpenClaw 是手。 你可以把它理解成一个能定时干活的自动化助理——不是聊天机器人,是会按计划执行任务的 agent 框架。
OpenClaw 本身负责的是”定时触发”和”驱动任务执行”,真正的抓取、筛选、写入 Obsidian,是靠本地脚本和 Skill 来完成的。
说得更直白点:这不是一个”装上 OpenClaw 就自动生成知识库”的懒人方案,而是一套”OpenClaw 调度 + 脚本执行 + Obsidian 承接”的本地自动化流程。 OpenClaw 是那个每天准时来上班、按流程把活干完的调度者,具体每一步怎么抓、怎么筛、怎么写,是你提前给它配好的脚本和工作流。
Obsidian 是脑。 所有内容最后都落成 Markdown,本地保存、可搜索、可链接、可长期沉淀。重点不是”存下来”,是”连起来”——新内容会被归到对应主题,慢慢长成一张可回看、可继续加工的网。
OpenClaw 负责”勤快”,Obsidian 负责”记性”,人只负责”判断”。
这套系统我只定了一条铁律:抓的东西,得能帮我建立判断力。
|
|
|
|
|
|
|
发现当天 AI 圈重要变化，比如模型发布、产品更新、行业动态
|
|
|
|
|
|
|
|
|
这张表里藏着一个我后来才想明白的分工:这三类源不是一个层级。
AIHOT 抓的是”动态”,它本身半衰期短,真正价值是当雷达,告诉我哪里值得深挖;真正沉淀判断力的,是后面两类——AIGC Weekly 往深里钻,BestBlogs 往广里铺。
用动态做触发,用深度和广度做沉淀。 它们最后都被整理成 Markdown 写进我的本地库,变成可搜索、可回看、可继续加工的内容。
决定你判断力上限的,不是你刷了多少,是你让系统替你盯住了哪几个源。
我的真实链路不是”OpenClaw 一键全包”,而是三层配合:OpenClaw 负责定时触发,本地脚本和 Skill 负责抓取、筛选、去重,Obsidian 负责承接最终的 Markdown 文件。
-
AIHOT skill sync to Obsidian:同步 AIHOT 精选、AI 日报和全部 AI 动态。
-
AI sources daily sync to Obsidian:同步 AIGC Weekly 这类深度源。
-
BestBlogs explore sync to Obsidian:同步 BestBlogs 中文内容广场、每日早报、精选周刊和主题解读。
它们最后都写进 Obsidian 的 AI xinyuan 目录,大致长这样:
AI xinyuan/
├─ AIHOT/
│ ├─ daily/
│ ├─ selected/
│ └─ index.md
├─ AIGC Weekly/
│ ├─ weekly/
│ └─ index.md
├─ BestBlogs/
│ ├─ daily/
│ ├─ weekly/
│ └─ topics/
├─ _status/
└─ _audit/
每条任务都会维护三样东西:索引(方便检索)、状态(status,标记每条处理到哪一步)、审计(audit,用来检查最近几天有没有漏抓、哪些来源有新增、哪些地方需要我回头看)。为了防止漏抓,我没有只抓当天,而是让它每天回刷今天、昨天、前天。
还有一步,我没有交给它全自动:每天同步完以后,我会看索引和审计结果,把真正值得沉淀的内容再并入长期知识页。系统负责把内容抓回来、整理好、留下状态记录;但哪些内容值得长期保留、哪些结论需要更新,最后还是由我判断。
为什么这一步不交给它?因为”判断什么值得长期保留、旧结论是不是该更新”,本身就是判断力——而判断力,按这篇开头说的,就该留在人手里。
机器负责”全和勤”,人负责”减和判断”——这才是自动化该有的分工。
先说个我自己的反例。以前看到一个新模型发布,我第一反应就是收藏链接,过两天再看,早忘了它解决什么问题、和旧模型差在哪、值不值得接进我的工作流。问题从来不是信息太少,而是信息没进入我的判断系统。
跑了这套系统一段时间后,我发现真正变的不是效率,是三件更底层的事。
-
从”我每天刷信息”,变成”信息每天来找我,还帮我消化好”。 我不再被信息流牵着走,而是每天拿到一份整理过的结果。
-
从”看完就忘”,变成”每一次学习都沉淀进知识网络”。 今天读的东西会和过去的连起来,下次判断时,我是站在上次的肩膀上,而不是从零开始。
-
从”临时抱佛脚查资料”,变成”每个领域都有一块持续生长的判断力底座”。 要做判断时,我有底,而不是现搜现学。
这三个转变加起来,就是在兑现开头那句话:快速建立各领域的判断力,好去驾驭各领域的 agent。
答案越来越便宜,判断力越来越贵。这套系统,囤的就是判断力。
越是长期系统,越要有边界。这套东西我没敢全交给 agent 放飞,守着三条线。
-
原始资料保留原貌。 抓回来的原始内容是证据层,不润色、不改写。agent 可以提炼,但不能替我改历史。
-
重要判断要能回到来源。 知识页里写的结论,得能链回原始出处。否则时间一久,库里会冒出一堆看似正确、其实来路不明的判断。
-
什么值得沉淀,人来定。 系统负责把内容抓回来、整理好、留下状态和审计记录;但哪些内容并入长期知识页、哪些旧结论需要更新,由我看过再决定。最后一锤,人来敲。
agent 可以帮你建立判断力,但不能替你做判断。
AI知识库/
├─ 00_每日同步/# 系统(或你手动)把抓回来的内容放这里
├─ 10_长期知识页/# 你确认值得沉淀的,再手动并到这里
├─ 50_待沉淀/# 拿不准要不要留的,先放这,定期再清
└─ 99_审计记录/# 每天同步了什么、有没有漏抓
找一个你最常看的 AI 周报,把其中 3 条内容手动整理成 Markdown,每条写清楚四样:来源、摘要、我的判断、后续可问的问题。 这一步是关键——”我的判断”和”可问的问题”这两栏,练的就是判断力本身。先确认这个闭环对你真的有用。
等你确认这个流程值得长期做,再把”抓取、提炼、归档、更新索引”交给脚本和 Skill,最后由 OpenClaw 定时触发。
这三步只是让你先有个能转的雏形。我现在这套带回刷、带状态、带审计的样子,是跑了一段时间慢慢加出来的,别一开始就追求它。
这套系统,表面看是个知识库,本质是一套”个体判断力的养成系统”。
AI 时代,个体的天花板不再是”你有多专”,而是”你能驾驭多少领域的 agent”。而驾驭的前提,是你在每个领域都有足够的判断力——这正是这套系统每天在帮你攒的东西。
往大了说,这件事不止发生在个人身上。信息差在贬值,谁掌握”把零散信息连成判断”的能力,谁就掌握主动权。但那是另一个更大的话题了,以后单独聊。
未来厉害的人,不是什么都会做的人,是什么都能判断、什么都能调度的人。
如果你也发现自己收藏了一堆 AI 信息,却很少真正拿来做判断,可以先从第八节那个最小三步开始——这篇先收藏,周末不用搭复杂系统,只要先跑通一次”抓取 → 提炼 → 沉淀”的闭环。
觉得这套”判断力养成”的思路有用,点个赞和在看,让更多还在跟信息流硬刚的人看到。
评论区聊聊:你现在接收的 AI 信息,大多停在哪一步——收藏夹里?还是真的进了你的知识系统?
下一篇我想写「从个人知识库,到 agent 决策系统」——信息差贬值之后,判断力到底怎么变成真正的生产力。
夜雨聆风
