本文约 3200 字，预计阅读 6 分钟，信息来源：公开推文、Obsidian/Codex 公开资料及 AI 工作流观察。
全文快速预览 + 观点解析
很多人还在研究怎么把提示词写得更漂亮，但 AI 工作流已经开始进入下一个阶段了。真正的分水岭，不再是谁更会问 AI，而是谁能让 AI 进入自己的资料库、项目目录和知识系统。过去，我们把笔记写给自己看；现在，笔记要开始写给 AI 看。过去，AI 是一个聊天框；现在，AI 正在变成能读取、检索、整理、改写和执行任务的本地协作者。Obsidian + Codex 这类组合的价值，不是又多了一个效率工具，而是提醒我们：个人知识管理正在从“收藏时代”，进入“AI 调用时代”。
一、很多人对 AI 的理解，还停在“问答机”
现在大多数人使用 AI 的方式，本质上还是聊天。打开 ChatGPT，输入一个问题，等它回答。不满意，再追问一句。回答还行，就复制出来。回答不行，就骂一句“AI 还是不靠谱”。这当然也是一种使用方式，但它其实是 AI 最浅层的用法。因为在这个流程里，AI 每次面对的都是一个孤立问题。它不知道你过去写过什么，不知道你有哪些长期判断，不知道你上个月收集过哪些资料，也不知道你昨天已经推翻过某个观点。它只是在当前对话里，根据你临时给出的信息进行生成。这就导致一个很常见的问题：AI 的语言能力很强，但它并不真正理解“你”。它能写一篇看起来完整的文章，但未必符合你的长期风格；它能给你一套方案，但未必知道你过去踩过哪些坑；它能总结一个热点，但未必知道这个热点和你之前的选题、观点、受众之间有什么关系。所以，很多人越用 AI，越觉得它像一个“高级实习生”：会写，会总结，会包装，但总是差一点判断力，差一点上下文，差一点连续性。问题不一定出在模型上，而是出在你的工作方式上。你给 AI 的不是一个系统，只是一段临时输入。你让它凭空生成，却没有把自己的长期积累交给它调用。最后的结果当然会像流水线文章，像标准答案，像某种没有个人痕迹的内容拼装。这就是为什么我觉得，今天讨论 Obsidian + Codex 这类工具组合，重点不是工具本身，而是背后的工作方式变化。AI 不能只被当成聊天框。它应该进入你的工作现场。
二、个人知识库的价值，正在被重新定义
过去几年，很多人都折腾过知识管理。有人用 Notion，有人用 Obsidian，有人用飞书文档，有人用语雀，有人干脆把资料扔进微信收藏和浏览器书签。大家都希望建立一个属于自己的知识库，但大多数人的结果并不理想。最常见的情况是：收藏越来越多，使用越来越少。看到好文章，收藏。看到好观点，截图。看到好金句，复制。看到好案例，丢进文件夹。但真正写东西、做方案、准备汇报的时候，还是重新搜索，重新整理，重新问 AI。那些曾经收藏过的东西，最后变成了一个巨大的“心理安慰仓库”。这不是个人问题，而是传统知识管理本身就有一个缺陷：它太依赖人的主动检索和主动调用。你得记得自己存过什么。你得知道它在哪个文件夹。你得愿意花时间翻出来。你还得重新组织它和当前任务的关系。所以很多知识库看起来很漂亮，实际上没有生产力。它们更像数字时代的书架，摆在那里很好看，但真正使用频率并不高。AI 出现之后，这件事开始变了。因为一个结构清晰的知识库，不再只是给人看的资料仓库，它可以变成 AI 的上下文入口。只要 AI 能读取、搜索、理解和改写这些资料，它就能帮你把过去沉淀的内容重新调用出来。这时候，知识库的价值就不只是“我存了很多东西”，而是“AI 能不能用这些东西帮我完成新的任务”。这就是从收藏时代到调用时代的变化。过去，知识库的目标是存得多。现在，知识库的目标是调得动。过去，笔记是记忆的补丁。现在，笔记开始变成 AI 的燃料。Obsidian 本质上是一个本地 Markdown 笔记系统。它最大的好处不是界面好看，而是资料存在本地，结构开放，文件就是普通文本。这意味着它天然适合被其他工具读取、搜索和处理。Codex 这类工具的价值，则在于它不只是一个聊天窗口，而是可以进入你的本地目录，读取文件、理解结构、生成内容，甚至在授权范围内修改和创建文件。当两者结合起来，变化就出现了。你不再需要每次把资料复制给 AI。你不再需要手动告诉 AI：“我以前写过一篇类似文章”。你也不再需要从一堆旧笔记里翻来翻去。更理想的状态是：你给 AI 一个任务，它自己先去你的知识库里搜索相关资料，找到历史文章、旧观点、案例、数据、标题库、复盘记录，然后再基于这些内容生成新的输出。这才是 AI 工作流真正开始变得有价值的地方。比如你要写一篇公众号文章，主题是“AI 写作的真正门槛”。过去你的做法可能是打开聊天框，输入：“帮我写一篇关于 AI 写作的公众号文章。”AI 会给你一篇看起来还不错，但很可能非常普通的文章。因为它不知道你的公众号定位，不知道你的表达风格，也不知道你之前批判过哪些伪需求，更不知道你的读者关心什么。但如果你的 Obsidian 里已经有这些内容：已发布文章归档；AI 领域热点素材；你的核心观点库；标题库；金句库；读者反馈；失败文章复盘；不同平台的内容规则；配图提示词模板；你不想再重复使用的表达方式。那么 Codex 进入这个知识库之后，生成文章就不再是从零开始，而是从你的长期积累里重新组织。这两种写作完全不是一个级别。前者叫“让 AI 帮我写”。后者叫“让 AI 调用我的内容资产”。
四、真正的门槛不是工具，而是你的资料有没有结构
很多人看到这里，第一反应可能是：那我也装个 Obsidian，再接个 Codex，是不是就能起飞？没这么简单。工具只是入口，真正决定效果的是你的知识库质量。如果你的 Obsidian 里面全是乱七八糟的文件名，今天叫“未命名 1”，明天叫“新建文档 3”，后天又复制一堆网页全文进去，没有标签，没有目录，没有状态，没有摘要，没有归档，那么 AI 进去之后并不会变聪明。它只会在你的混乱里继续混乱。这和公司数字化很像。很多企业以为上了系统就能提升效率，结果发现流程本身没理顺，系统只是把原来的混乱电子化了。个人知识库也是一样。你没有结构，AI 就没有抓手；你没有规则，AI 就只能猜；你没有边界，AI 就可能改错东西。所以，真正要建设的不是一个“好看的笔记软件”，而是一套 AI 能理解的知识生产系统。至少要有几个基础结构。第一，要有明确的目录。比如素材、草稿、已发布、观点库、标题库、案例库、数据源、复盘记录，不能所有东西都堆在一起。第二，要有统一的命名规则。比如文章草稿用日期加主题，热点素材用时间加事件，发布稿用平台加标题。文件名越稳定，AI 越容易判断内容状态。第三，要有模板。选题模板、文章模板、复盘模板、配图提示词模板、标题测试模板，都应该固定下来。模板不是为了形式统一，而是为了让 AI 知道每类文档应该长什么样。第四，要有状态管理。一个选题是待观察、可写、已写、已发布，还是失败复盘，必须能看出来。否则 AI 很可能把废弃观点当成当前判断，把旧稿当成新稿。第五，要有禁止区。不是所有文件都应该允许 AI 修改。历史发布稿、重要资料、合同文档、原始素材，最好只能读，不能直接改。AI 越能执行，越要有权限边界。这些东西听起来不酷，但它们才是真正的基础设施。没有这些，Obsidian + Codex 只是一个玩具。有了这些，它才可能变成生产线。
五、以后会写内容的人，可能不是最会写的人
这句话听起来有点刺耳，但越来越接近事实。AI 时代，单纯的文字表达能力会被迅速拉平。一个普通人，只要给出足够清楚的要求，就能让 AI 写出一篇结构完整、语言通顺的文章。虽然未必好，但至少不差。这会带来一个结果：会写一点文字，不再稀缺。真正稀缺的是三件事。第一，判断力。你知道什么值得写，什么只是热闹；你知道一个热点背后真正的行业逻辑，而不是跟着情绪跑。第二，资料资产。你有没有长期积累过案例、数据、观点、复盘和读者反馈。没有这些，AI 只能给你通用答案。第三，工作流。你能不能让 AI 稳定地参与选题、资料整理、初稿生成、标题测试、配图提示、发布复盘，而不是每次临时打一段提示词。这三件事合在一起，才是 AI 时代内容生产的护城河。以前写作更像手艺。现在写作越来越像系统工程。一个人当然还可以靠灵感写出好文章，但如果你要长期稳定输出，尤其是做公众号、头条、小红书这类平台内容，只靠灵感一定会枯竭。你需要的不是一次性的爆文技巧，而是一套可持续的内容生产系统。这套系统里，AI 不应该站在最后一步帮你润色。它应该从第一步就进入流程。它要帮你判断选题，整理资料，调用旧观点，检查重复表达，生成多个标题方向，提出反方意见，最后再把发布后的数据写回复盘库。这才是 AI 对内容创作者真正的改变。
六、别再迷信提示词，真正重要的是上下文
过去一年，很多人沉迷提示词。“10 个让 AI 写作更像人的提示词。”“万能爆款提示词。”“让 AI 一键生成公众号文章的咒语。”这些东西不是完全没用，但它们很容易让人误解 AI 的核心。提示词当然重要，但提示词解决的是“这一轮对话怎么说清楚”。它不能解决“你过去的积累在哪里”，也不能解决“你的长期风格是什么”，更不能解决“你的内容系统如何复利”。真正决定 AI 输出质量的，是上下文。一个没有上下文的 AI，只能给你平均答案。一个接入你知识库的 AI，才有可能给你个人答案。这就像一个刚入职的员工和一个跟了你三年的助理。前者能力再强，也需要你反复解释背景；后者也许不一定最聪明，但他知道你的习惯、标准、禁区和历史决策。很多时候，后者更好用。AI 也是一样。你每次都在聊天框里重新解释自己是谁、要写什么、风格是什么、不要什么表达，这本身就是低效的。更好的方式是把这些东西沉淀成系统规则，让 AI 每次执行任务前自动读取。例如，一个公众号作者的知识库里，应该至少有一份“写作原则”：不写空泛鸡汤；不做工具说明书；不堆砌热点；每篇文章必须有一个明确判断；尽量从普通人的真实困境切入；允许批判，但不要情绪化；避免过度分段；文章要能单独成立，不依赖读者知道前情；配图提示词要服务观点，而不是装饰。这份文档比一百条临时提示词更有价值。因为它让 AI 知道：你不是要一篇文章，你是要一篇符合你内容系统的文章。
七、AI 工作流越强，人越不能偷懒
这里还有一个反常识的点。很多人以为 AI 越强，人就越轻松。短期看是这样，长期看未必。因为 AI 能帮你执行之后，人的责任反而更重了。过去你自己写文章，错了也只是慢一点、差一点。现在 AI 可以快速生成、快速改写、快速批量产出。如果你没有判断力，它会更快地制造垃圾内容；如果你没有边界，它会更快地污染你的资料库；如果你没有复盘，它会更快地重复错误。AI 不会自动让你变专业。它只会放大你原来的系统。你的资料库清晰，它就放大清晰。你的判断稳定，它就放大稳定。你的逻辑混乱，它也会放大混乱。你的内容全是搬运，它就帮你更高效地搬运。所以，AI 工作流真正考验的不是“会不会用工具”，而是你有没有一套值得被 AI 放大的东西。这句话很残酷，但很重要。很多人现在的问题不是 AI 不够强，而是自己没有沉淀。没有观点，没有资料，没有复盘，没有标准，只想让 AI 一键变出结果。最后得到的当然是一堆看起来正确、实际上没有灵魂的内容。AI 不是替你拥有判断。AI 是调用你的判断。前提是，你真的有判断。
八、普通人应该怎么开始
不需要一上来就搭复杂系统。越复杂，越容易半途而废。最现实的做法，是先把自己的资料分成四个库。第一个，素材库。看到有价值的热点、文章、案例、截图、数据，先放进去。但不要只收藏，至少补一句自己的判断：这个素材为什么值得留？未来可以用在哪类文章里？第二个，观点库。不要只存别人的观点，要存自己的判断。比如你对 AI 工具、内容创作、运营商、职场、投资、家庭选择的长期看法，都应该沉淀下来。观点库是一个人的内容资产核心。第三个，成稿库。所有发布过的文章都要归档，最好记录标题、平台、发布时间、阅读数据、互动情况和自己的复盘。否则你永远不知道什么内容有效，什么只是自己觉得好。第四个，模板库。包括文章结构模板、标题模板、配图提示词模板、选题评分模板、复盘模板。模板不是限制创作，而是降低重复劳动。这四个库搭起来之后，再让 AI 进入，就有意义了。你可以让它做几件事：帮你从素材库里找最近能写的选题；帮你把观点库里的旧判断和新热点连接起来；帮你检查新文章是否重复了过去的表达；帮你根据成稿库总结什么标题更容易获得传播；帮你把发布后的数据写回复盘模板。这时候，AI 就不再只是帮你“写一篇文章”。它开始帮你经营一套内容系统。
九、真正的变化才刚开始
今天讨论 Obsidian + Codex，可能很多人还觉得这是小众玩法，像是技术爱好者的折腾。但我认为，这个方向会越来越普遍。因为 AI 的下一步，一定不是永远停留在聊天框里。它会进入文档、表格、代码仓库、邮件、日历、项目管理工具、本地文件夹和各种业务系统。它会越来越像一个能操作工具的协作者，而不是一个只会回答问题的机器人。到那个时候，差距会被进一步拉开。没有知识库的人，每次都从零开始。有知识库但没有结构的人，会被自己的资料拖累。有结构、有规则、有复盘的人，才能真正让 AI 产生复利。这也是为什么我说，个人知识管理正在进入一个新阶段。过去，我们整理笔记，是为了让自己以后能看懂。以后，我们整理笔记，还要让 AI 能读懂、能调用、能继续生产。这不是形式主义，而是新的工作基础设施。未来的个人竞争力，可能不只是你会什么，而是你沉淀了什么；不只是你能不能表达，而是你的系统能不能持续生产；不只是你会不会用 AI，而是 AI 能不能真正进入你的工作流。
十、结尾：别把 AI 当成一次性工具
很多人今天用 AI，还是一次性思维。写一篇文章，用一次。做一个总结，用一次。生成一个标题，用一次。问一个方案，用一次。用完就结束，没有沉淀，没有复盘，没有更新自己的系统。这样用 AI，效率当然会提高一点，但不会形成长期优势。真正值得做的，是把每一次 AI 协作都变成资产。这次整理的资料，进入素材库。这次形成的判断，进入观点库。这次生成的好标题，进入标题库。这次失败的文章，进入复盘库。这次调好的提示词，进入模板库。然后下一次，AI 不再从零开始，而是站在上一次的结果上继续工作。这才叫复利。所以，别再只把 AI 当聊天框了。聊天框解决的是一次回答。知识库解决的是长期积累。工作流解决的是持续生产。AI 时代真正的分水岭，不是谁掌握了某个神奇提示词，而是谁先把自己的知识、经验、判断和内容资产，整理成一套 AI 能调用的系统。当别人还在问“这句话怎么提示 AI”的时候，真正领先的人，已经开始让 AI 进入自己的资料库、项目目录和生产流程。到那时候，差距就不是一篇文章的差距了。而是一整套系统的差距。
基本文件流程错误SQL调试
请求信息 : 2026-05-24 17:20:35 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/662878.html
夜雨聆风
