OpenClaw × Obsidian 知识库搭建与运行机制实战

1. 背景

这套体系要解决的不是“再搭一个笔记软件”，而是一个非常具体的日常痛点：

• 白天在各个 App 里到处记录：聊天、灵感、链接、截图；
• 晚上想回顾「今天做了什么」「有哪些结论」，发现东西散落一地；
• 想搞一个统一的知识库，但手工整理太费时间，很难坚持。

目标是把“碎片 → 结构化 → 可检索 → 可长期维护”做成一个可持续的工程系统：

• 你在 Telegram 里随手问问题、讨论想法；
• 白天的碎片，晚上自动“长”成结构化笔记；
• 所有内容进入一个本地优先的长期知识库（Obsidian Vault），而不是飘在云端当一次性对话。

2. 目标 / 问题定义

2.1 要达成的能力

1. 统一存储：所有可复用内容落到 Obsidian Vault。
2. 统一检索：OpenClaw 通过 QMD 在 Vault 中语义检索，回答必须带笔记引用。
3. 统一产出：main/code/writer/light 落盘路径与类型清晰：文章、项目、运维记录各归其位。
4. 统一元数据：每篇 Markdown 必带 frontmatter（title/category/tags 等）以支持知识图谱。
5. 自动化治理：用 cron 做“轻检查/重整理”，让系统自己变干净。

2.2 约束条件（必须明确）

• 本地优先：Obsidian Vault 是“终极长期记忆”。
• 避免噪音 recall：QMD 只索引 Vault 内的关键目录，不全量扫所有文章。
• 可回滚：关键配置修改必须保留备份。
• 自动化默认非破坏性：巡检/整理 cron 默认只报告，不自动移动/删除。

3. 实施过程（按阶段）

说明：以下是“已实际落地的配置与文件”，不是概念性方案。

阶段 A：确定 Vault 作为知识库中心

Vault 根路径确定为：

• /Users/xulanzhong/Desktop/my-ai-workspace/Alan-Workspace

并在 Vault 中建立工程化目录结构（见第 5 节）。

阶段 B：将 OpenClaw 的 agent workspace 指向 Vault

在 ~/.openclaw/openclaw.json 中，将 agent 的 workspace 调整为：

这一步的效果是：OpenClaw 不再“看到 Vault”，而是“住在 Vault”。

阶段 C：QMD 索引 Vault（让 OpenClaw 能检索你的笔记）

在 openclaw.json 的 memory.qmd.paths 中加入 Vault 的关键目录（选择性索引）：

• Alan-Workspace/01-Articles/OpenClaw
• Alan-Workspace/01-Articles/Knowledge
• Alan-Workspace/01-Articles/Learning
• Alan-Workspace/04-Memory/topics

随后执行索引更新：

openclaw memory index --force

阶段 D：统一落盘规范（frontmatter + 生成器）

为了避免“每次靠 prompt 临时拼 frontmatter 导致不一致”，引入了三件套：

1. frontmatter 规范

• Alan-Workspace/rules/frontmatter-spec.md

1. 模板

• Alan-Workspace/templates/retro.md
• Alan-Workspace/templates/plan.md
• Alan-Workspace/templates/article.md
• Alan-Workspace/templates/learning.md
• Alan-Workspace/templates/daily-market.md

1. 统一落盘生成器

• Alan-Workspace/scripts/new-note.py

生成器负责：

• 创建带 frontmatter 的笔记骨架；
• 按 kind 决定落盘目录；
• 自动 tags v1（路径映射 + 关键词弱匹配 + KnowledgeBase 保底）。

为了把“创建 + 追加正文”做成一个入口，还封装了 dropin：

• Alan-Workspace/scripts/openclaw-dropin.sh

并补充了“生成后打开 Obsidian”的能力：

• openclaw-dropin.sh --open（调用 obsidian-cli open ...）

阶段 E：运行机制（cron 治理 + 噪音守卫）

系统稳定运行依赖两个原则：

• 轻任务 daily：只检查/只报告
• 重任务 weekly：做增量整理

当前 cron（示例）：

• daily-qmd-noise-guard：扫描 QMD 索引目录是否混入 _index/bak-md（report-only）
• daily-memory-check：每日 memory 轻检查
• weekly-memory-hygiene：每周增量整理（范围收敛）
• daily-market-brief：每日极简市场日报（不联网抓新闻，先模板化占位）

其中 QMD 噪音守卫脚本：

• Alan-Workspace/scripts/qmd-noise-guard.sh

它的设计要点是：不依赖 QMD 配置里不存在的 exclude 字段，而是用“目录隔离 + 守卫巡检”达到同样效果。

4. 关键规则 / 设计约束

4.1 单一事实源

• Obsidian Vault 是长期记忆的唯一入口。
• OpenClaw 的产出按类型落盘：文档进 01-Articles，项目进 03-Projects。

4.2 回答必须可追溯

当回答“基于笔记/知识库/项目”的问题时：

• 必须引用具体笔记路径（Obsidian 可点开）
• 建议格式：[[01-Articles/.../文件名|显示名]]

这条规则已写入 OpenClaw 工作区的 AGENTS.md。

4.3 frontmatter 强约束

每篇落盘 Markdown 顶部必须包含：

---
title:标题
aliases:[]
category:分类
created:YYYY-MM-DD
updated:YYYY-MM-DD
tags:[KnowledgeBase,...]
---

4.4 自动化默认非破坏

• 自动化任务默认只报告，不移动、不删除。
• 需要整理/移动时，引导用户手动确认或使用 Obsidian CLI 的 move（可更新链接）。

5. 文件 / 目录 / 配置变更（落地清单）

5.1 Vault 目录（核心）

Alan-Workspace/
├── 00-Inbox/
├── 01-Articles/
│   ├── OpenClaw/
│   ├── Knowledge/
│   ├── Learning/
│   └── _index/               # 自动索引输出（不建议纳入 QMD 索引源）
├── 03-Projects/
├── 04-Memory/
│   ├── topics/
│   └── daily/
├── 05-Daily/
│   └── Market/
├── 99-Attachments/
├── rules/
├── scripts/
└── templates/

5.2 关键文件作用表

5.3 OpenClaw 配置关键段

• agents.list[].workspace 指向 Vault
• memory.qmd.paths 增加 Vault 关键目录
• contextPruning/compaction 负责上下文治理（减少 token 膨胀）
• memory.qmd.sessions.retentionDays=7 降低 sessions recall 噪音

6. 示例 / 模板 / 命令

6.1 创建一篇归档笔记（knowledge）

/Users/xulanzhong/Desktop/my-ai-workspace/Alan-Workspace/scripts/new-note.py \
  --kind knowledge \
  --title "信用利差因子研报" \
  --source"https://example.com" \
  --source-type web

6.2 创建并追加正文（dropin）

echo"正文内容" | \
/Users/xulanzhong/Desktop/my-ai-workspace/Alan-Workspace/scripts/openclaw-dropin.sh \
  --kind learning \
  --title "Python asyncio" \
  --open

6.3 QMD 索引更新

openclaw memory index --force

6.4 噪音守卫（report-only）

/Users/xulanzhong/Desktop/my-ai-workspace/Alan-Workspace/scripts/qmd-noise-guard.sh

7. 当前结果（运行机制总结）

• Vault 作为长期记忆中心：OpenClaw 直接落盘、Obsidian 原生展示。
• QMD 可检索 Vault 的关键目录：OpenClaw 的回答可基于“你自己的笔记”。
• 产出标准化：frontmatter + 模板 + 生成器，避免元数据混乱。
• 自动化治理：daily/weekly cron 负责轻检查与增量整理；噪音守卫防止 recall 污染。
• 可扩展：后续可以逐步加入“网页抓取+摘要”“日报数据源接入”“Obsidian 插件侧边栏交互”。

8. 风险点与注意事项

1. QMD 不要全量索引 01-Articles：先索引 OpenClaw/Knowledge/Learning/topics，避免噪音 recall。
2. 微信 mp 链接抓取不稳定：建议先做“占位归档 + 手动粘贴后二次摘要”兜底。
3. 文件重命名要用 Obsidian CLI move：避免 wikilinks 断链。
4. 自动化默认非破坏性：巡检只报告，移动/删除需要人工确认。

9. 后续可增强方向

• 增强 URL 归档：可抓正文则自动摘要；不可抓则标记 needs_manual_capture。
• 增强日报：接入可控的数据源（新闻/日历/交易记录），避免“无数据模板”。
• 上 obsidian-sync：在 Obsidian 里直接对话与触发归档/生成（复杂度更高，建议晚点上）。
• 建立 Dataview 报表：frontmatter 覆盖率、标签分布、项目热度等。

10. 结论

这套 OpenClaw × Obsidian 的关键不在“多装插件”，而在于工程化的三条主线：

1. 把 Vault 变成唯一长期记忆落点（OpenClaw 住进 Vault）；
2. 把产出标准化（frontmatter + 模板 + 生成器）；
3. 让系统自己变干净（QMD 选择性索引 + 噪音守卫 + cron 轻重拆分）。

最终效果是：AI 不再是一次性聊天窗口，而是一个能持续维护你的 Obsidian 知识库的长期助手。

#OpenClaw#Obsidian#QMD#Automation#Cron#KnowledgeManagement#EngineeringPractice#AIAgent#SecondBrain