夜雨聆风看到好文章就收藏，收藏完再也没打开过——这不是懒，而是「人伺候知识库」的必然结果。Hermes + AutoCLI + Obsidian 这套开源组合换了个思路：让知识库主动伺候人。AI 每天替你抓取、清洗、摘要、分类，早上睁眼，一份精华日报已经躺在你眼前。
收藏夹是所有内容消费者的「数字垃圾站」。
看到一篇好文章，随手丢进去——"先存着，以后再看"。结果越堆越满，再也没有打开过。问题不在懒，而在于维护知识库本身需要持续投入：今天要手动整理，明天要分类，后天要打标签。绝大多数人坚持不过两周。
但如果把这些重复劳动全部交给 AI 呢？Hermes + AutoCLI + Obsidian 就是一套把这件事闭环的开源组合。三者的分工极其清晰：AutoCLI 负责抓，Hermes 负责编，Obsidian 负责存。搭建完成后，每天只需要花一分钟看日报，剩下全部自动运转。
抓：AutoCLI，全域素材采集引擎
AutoCLI 是一个 Rust 写的命令行采集工具，扮演「采集员」角色。它最特别的地方在于不用写爬虫、不用申请 API——直接复用 Chrome 的登录状态，覆盖 55+ 主流平台。
这意味着付费文章、登录才能看的内容、你的社媒信息流，都能被抓下来。视频类内容自动提取字幕、文稿、封面、元数据，底层由 yt-dlp 支撑。输出格式原生支持 Markdown、JSON、CSV、YAML，采集时会结构化清洗原文、剔除广告导航栏，保留正文、来源链接、发布时间和标签。
从结果看，它采集的不是"网页快照"，而是已经洗好的结构化素材。
编：Hermes，AI 大脑 + 编辑
Hermes 是 Nous Research 开源的智能体框架，GitHub 上 6 万多星。它扮演「编辑」角色，负责四件事：
采集是体力活，编辑才是真正的价值所在。Hermes 的存在，让"抓回来的内容"变成"编好的知识"，这一步是整条流水线的分水岭。
存：Obsidian，本地第二大脑
Obsidian 是本地优先的 Markdown 笔记工具，扮演「仓库」角色。它 2026 年更新到 1.12.4 之后，官方支持了 CLI 命令行调用——这正是实现全自动闭环的关键一环。
存储格式是纯本地 Markdown，数据自己掌控；双向链接、知识图谱、全文检索让它成为合格的"第二大脑"。有了 CLI，Hermes 才能把编译好的知识直接写进笔记库，无需任何人工搬运。
核心方法论：从「临时检索」到「提前编译」
这套系统的价值，不在任何单个工具，而在一个被大多数人忽视的思路转变。
传统知识管理是人伺候知识库：要用的时候才去检索，检索不到就手动补，知识库是负担。而 LLM Wiki 的思想是知识库主动服务：把"临时检索"变成"提前编译"，让内容在被需要之前就已经沉淀好、编好类、打好标签。
这个转变值得展开。检索式知识管理，是用户向知识库提问；编译式知识管理，是知识库向用户交付。 前者靠记忆，后者靠系统。当采集、清洗、摘要、分类全部自动化之后，"整理知识"这件反人性的事就不再消耗你的意志力。
适用边界与避坑
几个现实提醒先说在前面：
抓取依赖 Chrome 登录态，抓不到内容时先更新 Chrome、重启机器；本地模型配置建议从 7B 参数起步（Ollama 免费，4GB 显存可跑），显存不够再切 API 模式；Obsidian CLI 不生效就重启终端重新 Register；重复抓取要记得开启去重；技能不生效，执行 /reset 开新会话即可。
这套方案完全开源免费、本地优先不泄露数据。它的意义不只是"每天省两小时"，而是把知识管理的逻辑从"等你想起去整理"变成了"系统持续替你沉淀"。被动的收藏，永远比不上主动的编译。
开源项目：https://github.com/NousResearch/hermes-agent（AutoCLI[1] 及完整搭建方案见原文）
我是明见，一个持续关注 AI 效率工具的开源爱好者。如果这篇文章对你有帮助，欢迎点赞、在看、转发三连，我们下篇见。