夜雨聆风我们需要管理的不仅是“笔记”，还有“认知过程”
过去几年，我一直有一个困扰：平时读论文、写作或者和AI讨论问题时，经常会产生一些有价值的想法和感悟。但这些内容大多零散地散落在不同地方：
微信收藏和聊天记录； ChatGPT、Gemini等AI平台的对话； 临时写在手机备忘录里的片段； 浏览文献时的想法。
当时总觉得，只要聊天记录还在，以后总能翻回来。但实际情况是，过几天之后，自己已经忘了当时为什么会提出那个问题、是如何推理的、最后又得出了什么结论。等再次需要时，只能重新搜索聊天记录，再从头看一遍，重新消化、非常消耗时间。
后来我慢慢意识到：
AI时代最需要保存的，不仅是知识本身，还有在特定情境中自己与AI共同完成认知加工的过程。
AI越来越像一个启发个人灵感的认知助手。真正有价值的资产，不是某一次AI回答，而是自己如何提出问题、如何筛选信息、如何形成判断，并最终把这些内容沉淀为自己的知识体系。
于是，我开始认真搭建自己的个人知识库（Personal Knowledge Base, PKM）。
为什么一开始考虑的是Obsidian？
如果关注个人知识管理（PKM）领域，Obsidian几乎绕不开。我最初和计算机专业的校友讨论这个问题时，他们就提到了Obsidian。
它基于Markdown纯文本存储，支持双向链接）、知识图谱以及丰富的社区插件生态，被很多研究者和知识工作者称为“第二大脑”的最佳实践工具。
我也认真了解过Obsidian，包括它的插件体系、知识图谱和Git同步方案。总体来说，它非常优秀，尤其适合：
喜欢双链笔记和卡片盒方法的人； 希望通过知识图谱发现概念关联的人； 希望打造高度定制化知识管理环境的人。
但是，在进一步研究和实际比较后，我发现自己的需求和Obsidian用户群体并不完全一致。
我并不是为了构建一个漂亮的知识图谱，而是希望建立一个能够长期陪伴科研、写作和课程学习的「研究工作台」。
我最终为什么选择了 VS Code + GitHub？
真正让我做出决定的，不是某一个功能，而是整体工作流（workflow）的契合程度。
1. 一个平台，同时承载知识、代码与AI协作
开展研究工作时，我日常并不只是阅读文献、整理笔记，还会：
记录研究日志（Research Diary）； 保存论文Idea和未来研究方向； 编写Markdown文档； 处理Python、R等数据分析代码； 与AI不断进行讨论，并将结果整理沉淀。
而VS Code本身就是一个高度可扩展的工作平台：
原生支持Markdown； 原生支持Jupyter Notebook； 支持Python、R、LaTeX等多种语言； 拥有丰富的插件生态； 可以直接与Git和GitHub联动。
换句话说，我不需要在「写代码的软件」「记录笔记的软件」「运行Notebook的软件」之间反复切换，一个窗口就可以完成大部分知识工作。
2. Markdown体验出乎意料地友好
让我比较意外的是，VS Code对Markdown的支持比我最初预期的要完善。
我曾尝试过Pycharm等IDE来管理Markdown笔记，但发现一些体验并不理想。例如，插入截图、复制图片或者使用Emoji时，需要额外配置或者借助其他工具。
而在VS Code中，通过合适的Markdown插件和配置，很多操作都可以直接完成：
截图后直接粘贴到Markdown文件中，渲染即可见； 粘贴图片即自动生成相对路径下的图片文件； 支持Emoji显示； 实时预览Markdown渲染效果； Markdown和其他文件之间支持互相链接。
对于经常需要记录论文截图、流程图或者AI对话界面的我来说，这种体验非常自然，也降低了记录成本。
3. GitHub不仅是同步工具，更是知识资产管理工具
很多人把GitHub理解为程序员写代码的平台，但我越来越觉得，它本质上是一个优秀的版本管理工具。
我的知识库采用：
这样做有几个好处：
本地编辑，速度快且完全离线； Git自动记录每次修改历史，可以回溯自己的思考过程； GitHub作为云端备份，不担心硬盘损坏或设备更换； 私有仓库保证研究日志、论文想法和方法论不会公开泄露。
很多时候，我甚至觉得Git保存的不只是文件，而是自己的学术成长轨迹。
几个月后回看某个笔记，可以清楚地看到：
最初的问题是什么； AI给了哪些启发； 自己如何修正观点； 最终如何发展成论文框架或者研究设计。
这种「版本化的认知过程」，可能比最终那篇论文更有价值。
为什么我没有刻意迁移到Obsidian？
最近和一位同事交流时，她提到自己正在使用Obsidian，但对其中一个细节不太满意——Markdown笔记中的图片需要统一保存在单独文件夹，并通过路径进行管理，随着笔记越来越多，维护起来略显繁琐。
我才意识到，当初自己搭建VS Code工作流时，其实已经提前考虑了这些问题。经过插件配置后，VS Code已经能够丝滑支持截图粘贴的同时完成该图片文件与路径的自动生成和Markdown预览，而不需要改变我已有的工作习惯。
更重要的是，我越来越认同一个观点：
构建个人知识库，最重要的不是选择最流行的工具，而是找到一个能够持续使用五年、十年的工作流。
Obsidian很好，但如果已经拥有一套成熟、稳定且符合自己习惯的VS Code + GitHub体系，就没有必要为了工具而迁移工具。
我的个人知识库是怎么组织的？
目前，我把知识库按照研究工作流程进行组织，而不是按照软件功能组织，以下以academic vault为例：
其中：
Research Diary：记录每天的研究思考、AI讨论和研究困难； Paper Ideas：保存未来可能发展的研究或论文想法； Writing Methodology：积累自己攻克写作难点的方法和经验； Thinking Notes：随时捕捉灵光一现的问题意识和研究直觉。
每一次和AI深入讨论后，我都把聊天记录中真正有价值的部分重新整理成自己的Markdown笔记，而不是依赖未来再去翻聊天记录。
因为真正需要保存的，不是AI说了什么，而是自己经过思考后留下了什么。
工具只是载体，知识库的核心是“形成自己的认知资产”
过去，知识管理更多是在保存信息；而现在，AI已经能够帮助我们快速获取信息，真正稀缺的是把这些信息经过个人认知加工，转化成长期可积累、可复用、可进化的知识资产。
对我而言，VS Code + GitHub不是为了替代Obsidian，而是因为它更符合我作为研究者和写作者的工作场景。
我并不认为存在唯一正确的工具。真正值得思考的问题或许是：
当AI越来越擅长回答问题时，我们是否也需要建立一个属于自己的知识系统，把每一次思考、每一次对话、每一次灵感，都逐渐沉淀为未来的自己。
有兴趣的读者可以和AI展开交流，配置好本地VS code、云端Github以及二者的通信（能够完成从本地VS code通过git push，内容同步至云端Github）。下一篇，会聊聊此配置过程以及后续使用可能存在的一些小问题和解决方法。
此处贴一张自己Github的目录图：
从和计算机校友讨论这个话题，到后来实现该知识库，再到我已经习惯每天从本地VS code同步一些想法到云端Git。这个过程踩过很多坑，但现在每次翻到自己的Git更新记录，我就挺开心的😁。
也非常感谢计算机校友华哥和冰大美女给出的建议，以及在讨论过程中激发的灵感！
本文内容由作者与AI共同完成的Markdown渲染而来，内容版权归作者所有。
