别把 AI 当聊天框,利用Codex+Obsidian构建现代AI工作流

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。