夜雨聆风
那天晚上我盯着 Obsidian 里空荡荡的文件夹发呆。
不是不知道要写什么。是想得太多——几十个浏览器的标签页开着，公众号存了上百篇“以后再看”的文章，微信转发里躺着一堆深度好文。信息像潮水一样涌进来，但退潮的时候什么都没留下。
我需要一个系统。不是另一个收藏夹，不是另一个文件夹，不是一个“读完标记已读”的自欺欺人工具。
一个真正能帮我消化信息的系统。
三天后，我有了这套系统。
01 找骨架
最早的想法很简单：给知识搭个房子。不是毛坯房那种——是精装修，有分区、有动线、知道什么东西该放哪个房间。
读 Obsidian 社区的时候，看到了一个叫 Kapathy 三层架构 的思路。三层：
Raw 层：原始资料。公众号文章、PDF、访谈记录——未经加工的，全丢这里。
Wiki 层：知识提炼。从 raw 里长出来的概念笔记、方法笔记、对比分析。
Schema 层：规则和运营。SOP、技能定义、操作日志、模板。
这个结构为什么对？因为它逼你做一件事——加工。
你存了一篇公众号文章到 raw，它只是第一步。你还得提炼出核心概念放到 wiki，再把使用的 SOP 写到 schema。每一次从 raw → wiki → schema 的移动，都是一次真正的理解和内化。
Kapathy 框架不是整理文件的，是逼迫你思考的。
所以我做的第一件事不是装插件、不是配 AI——是新建了三个空文件夹：raw/、wiki/、schema/。结构定了，才有后面的故事。
02 找大脑
有了空的房子，接下来是请个管家。
Claude Code——Anthropic 出的 AI 编程助手——是我最早盯上的工具。不是因为它能写代码，而是因为它能操作文件。它能读我的笔记、创建新文件、改目录结构。这不是一个聊天框，是一个能直接在我的知识库里干活的 AI。
问题只有一个：Claude Code 默认连的是国外的服务器。
这时候 DeepSeek 出现了。说实话，一开始我对国产模型没什么期待。但 DeepSeek 的 API 有两个无法拒绝的优势：便宜到几乎免费（充 10 块钱能用好几个月），而且它的 API 接口跟 OpenAI 完全兼容。
但 Claude Code 不支持手动改 API 地址——它在设计上只认 Anthropic 的官方服务器。
这个坑卡了我一阵子。后来发现一个叫 CC Switch 的开源小工具，做的事情很简单：在 Claude Code 和 API 提供商之间加了一层代理。
本质上是给 Claude Code 装了个转接头。
装上之后，选 DeepSeek，粘贴 API Key，模型名填 deepseek-chat。点启用。打开 Claude Code。输入“你好”。它回我了。
那一刻的感觉——就像一个管家走进了空房子，说了句“我到了，开始干活吧。”
03 搭桥
Claude Code 跑起来了，但问题来了：它活在 PowerShell 里，一个黑框框。每次要跟它说话，得先切窗口、cd 目录、输入 claude。一来一回，思路断得干干净净。
这不是管家的正确用法。正确用法应该是：我在 Obsidian 里写东西，需要的时候，它就在旁边。
Claudian 就是干这个的。一个 Obsidian 插件，在左侧栏加了一个机器人图标，点开弹出聊天面板，直接在 Obsidian 里跟 Claude Code 对话，再也不用切窗口。
这个插件当时没上官方市场，需要从 GitHub 手动下载三个文件，扔进插件文件夹。
操作不复杂，但这一步让我意识到一个微妙的事情：
这套系统的体验上限，不取决于最强的那个工具，而取决于工具之间的连接强度。
04 信息来了
工具链通了，但更根本的问题没解决：信息怎么进来的？
我的信息流里最大的一块是微信公众号。每天刷到好文章不下十篇，以前的做法是“收藏”——安慰自己“以后看”。那个“以后”从来没来过。
AutoClaw 改变了这件事。一个微信小程序，绑定你的 Obsidian vault 后，转发给它的公众号文章会自动保存到 raw/ 目录下。不需要打开电脑，转发就行。
第一次测试，我在手机上转了一篇文章给 AutoClaw，打开 Obsidian，raw/ 目录下多了一个文件。那一刻我想的是：这才是一个知识管理系统该有的样子——信息在最源头就被捕获，而不是等人去整理。
一套流程走下来：转发文章 → AutoClaw 存到 raw/ → Claudian 调 Claude Code 总结提炼 → wiki/ 下建笔记 → 链接到相关页面。一篇文章从“已读”变成了“已内化”。以前需要半小时，现在五分钟。
05 打通所有设备
AutoClaw 在手机上存文章，电脑上跑 Obsidian 和 Claude Code。同步怎么解决？
坚果云。选择它不是因为功能多强，而是因为在国内跨设备同步这件事上，它确实是最不折腾的方案。
原理简单：电脑装坚果云客户端，把 vault 放同步目录。手机装 Nutstore Sync 插件。全自动同步。
手机上转发文章给 AutoClaw → 存到坚果云 raw/ → 同步到电脑 → 打开 Obsidian，文章已经在等着了。没有任何手动步骤。
一个第二大脑最基本的要求是：你产生的任何信息片段，不论来自哪个设备、哪个应用，最终都会自动流向同一个地方。
我当时的链路：微信 → AutoClaw → 坚果云 → Obsidian → Claudian → Claude Code → wiki/ 笔记。每一步都在做它擅长的事，每一步之间的连接都是自动的。
06 给管家装技能包
Claude Code 本身的能力是“通用对话 + 文件操作”。要让一个 AI 从“能干”变成“好用”，得给它装Skills。
Skills 就像手机上的 App。装之前能聊天、看文件。装之后能联网搜索、画流程图、横纵分析一个行业、写公众号文章。
我装的第一批：
Tavily Search——联网搜索最新信息。Claude Code 的知识有截止日期，装上就能搜实时数据。
横纵分析法 Skill——深度研究框架。给定研究对象，自动搜集信息、梳理演变、横向对比、交叉分析，产出一份完整的报告。
公众号 Skill——把内容排版成微信公众号能直接粘贴的 HTML。
这个系统不是越用越弱的，是越用越强的。每装一个 Skill，AI 就多一项能力。没用得越久，它越懂你。
07 知识开始生长
所有的工具链搭好之后，真正有意思的事情才开始——知识开始自发生长了。
这不是修辞，是字面意思。
举个例子。我在 raw 里存了一篇公共经济学的课程笔记。本来只是想存档。过了一段时间，Claude Code 在帮我整理金融笔记时，自动把它链接到了金融行业总览那篇 wiki 上。理由是：政府的财政政策和金融体系之间存在强关联。
我愣了一下。不是说好了 AI 只能干我让它干的事吗？
这就是 Kapathy 三层架构在这个生态里的化学反应。它不只是一个分类系统，它是一个让知识自己找到连接点的空间。raw 层是土壤，wiki 层是生长的植物，schema 层是修剪的园丁。
三个月前我的 vault 很干净。三个月后看起来依然干净——但每层之间的关系复杂了很多。每个 wiki 笔记平均 3-5 个双向链接，每篇 raw 文章都能追溯到它被提炼成了哪个 wiki 概念。
它有了生命力。
08 一些没有包装成金句的真话
第一，这套系统有门槛。
不是技术门槛——每一步都是复制粘贴。真正的门槛是耐心。你要先想清楚自己的知识结构，再搭建工具链，然后坚持用下去。大部分人会在第二步放弃。
第二，AI 不是魔法。
Claude Code 的产出质量取决于你给的信息质量。问它“帮我总结”和问“我需要核心论点、方法、跟上周那篇的联系”——结果天差地别。AI 不是自动帮你思考的，它是放大你思考质量的工具。
第三，适合我的不一定适合你。
这套结构是从金融本科生+实习生的需求长出来的。设计师、学生、创业者——知识结构不一样，工具链也应该不一样。Kapathy 的思想是通用的，实现需要自己调整。
09 结尾
昨天我打开 Obsidian，在 Claudian 里输入：“帮我看看上周存的公众号文章里，有没有跟当前活跃项目相关的。”
几秒后，它给了我答案。三篇相关文章，每篇的摘要和关联理由。其中一篇提到了一个我完全没想到的角度。
这就是我当初想建这个系统的原因。不是为了收藏文章，不是为了笔记好看——是为了让信息不再白费。
每一个你读过的好内容，都应该在你的脑袋里留下点什么。这套系统帮我把那些“留下点什么”的过程，变得像呼吸一样自然。
技术只是一个容器。真正重要的，是里面积累的知识本身。你已经准备好了。
如果你也在搭建自己的知识管理系统，有任何问题，直接问 Claude Code。它已经认识你了。