核心逻辑特别简单：把你的笔记当成代码库来管理，让AI代理帮你整理、连接、发现知识之间的关系。
关键是用Markdown文件+双向链接构建知识网络，再写一份CLAUDE.md文件教AI理解你的思维方式。
这样你就从"记笔记的人"升级成了"操作思维系统的人"，AI成了你的思维合伙人而不是写作小助手。整个系统强调深度优于广度，质量优于速度，让AI通过链接导航发现知识间的隐藏联系，最终构建一个会自我进化的思考基础设施。
我花了一年时间搞了个思维操作系统
过去这一年我干了件特别疯狂的事，我给自己造了一个操作系统，专门用来思考的。听起来很科幻对吧，但其实就是把Obsidian笔记软件和Claude Code AI工具打通，让AI接管我的整个知识库。这事儿彻底改变了我的工作方式，现在我几乎所有深度思考都在这个"知识库"里完成，其他地方根本不想待。
我的Obsidian仓库里存着几千个Markdown文件，每一个文件都是我发现的某个概念、某个想法或者某个洞见。Claude Code会主动提取这些概念的核心，把它们跟我已经搞懂的东西连接起来，然后构建出一个活着的、会呼吸的思维图谱。这个图谱不是死的，它在不断进化，每次我添加新内容，整个网络就会重新调整，展现出新的联系。
最神奇的是这些Markdown文件知道我发现的一切，它们被 beautifully structured（漂亮地组织起来），而且会自动进行情境上下文注入。什么叫情境上下文注入？就是说当AI开始工作时，它会自动把相关的背景知识塞进来，就像给AI装上了短期记忆。这种in-context learning（情境内学习）让AI每次对话都能基于我过去的积累，而不是从零开始。
我现在只在这个仓库里工作了。其他地方感觉都像在裸奔，没有上下文，没有历史，没有连接。只有在这里，我才能感受到思维的连续性。
知识库和代码库原来是亲兄弟
我悟出了一个特别深的道理：知识库和代码库本质上是一回事。它们都是文件夹里塞满了文本文件，文件之间有关系、有约定、有模式，而且它们都需要一个智能代理来导航和操作。
想想你的代码库，里面有src文件夹、test文件夹、配置文件，文件之间通过import互相引用。我的Obsidian仓库也一样，有收件箱、思考区、参考资料区、创作区，文件之间通过[[双向链接]]互相连接。代码有编码规范，我的笔记也有写作约定。代码需要IDE来导航，我的知识库需要AI来探索。
Vibe coding（氛围编程）已经改变了我们写软件的方式，AI负责实现细节，你负责把控方向。同样的范式转移现在正在知识工作领域发生。你不再是那个埋头记笔记的苦力，你升级成了操作一个会自己记笔记的系统。你的角色从执行者变成了指挥者，从打字员变成了策展人。
这个转变特别重要。以前你花80%的时间在记录，20%的时间在思考。现在反过来，你花80%的时间在判断和决策，只花20%的时间在具体操作。AI成了你的思维合伙人，它不只是帮你改改病句、润色文字那种写作小助手，它是真正参与你的思考过程，帮你发现你自己都没意识到的联系。
仓库就是一堆会互相链接的Markdown文件
让我给你看看我的仓库长什么样。别担心，一点都不复杂，就是个文件夹结构：
my-vault/ |
看到CLAUDE.md了吗？这是整个系统的大脑。这个文件专门用来教Claude理解我的思维方式、我的组织原则、我的写作习惯。没有它，AI就是个瞎子，有了它，AI就变成了懂你的合伙人。
文件之间通过[[维基链接]]互相连接。比如你在一个笔记里写"因为[[质量是最难的部分]]，我们需要专注于策划"，这就创建了一个可点击的链接，指向另一个标题为"质量是最难的部分"的笔记。AI可以顺着这些链接跳来跳去，发现你自己都忘记存在的联系。
链接要织进句子里，不要当脚注
这里有个很多人搞错的细节：怎么写这些链接。大多数人把引用放在底部，像脚注一样。正文写一堆，然后在底下写"参见：某某笔记"。这种做法特别蠢，因为链接变成了孤立的引用，跟你的思维流脱节了。
正确的做法是直接把链接织进你的句子里。不要写"这跟质量有关，参见：质量笔记"，要写"因为[[质量是最难的部分]]，我们需要专注于策划"。看到区别了吗？链接成了你思维的一部分，AI可以通过跟踪链接来跟踪你的推理过程。
这种做法还有一个好处：它强迫你写出可以独立存在的笔记。如果有人通过链接跳到一个笔记，他不应该需要先读五个其他笔记才能理解这个笔记在说什么。每个笔记都应该像乐高积木一样，单独看是完整的，但可以连接成更大的结构。
当你的笔记都以这种方式工作时，整个网络本身就变得有价值了。单个笔记只是节点，节点之间的关系才是知识。一个有很多入链的笔记比一个孤立的笔记价值高得多，因为每个链接都创造了一个新的阅读路径，都提供了一种新的理解角度。
AI不会自动懂你的哲学，你得教它
这里有个血泪教训：AI不会自动理解你的思维方式。我吃过这个大亏，看着AI完全无视我的思维哲学，把我的笔记搞得一团糟，那一刻我才明白，我必须把 implicit knowledge（隐性知识）变成 explicit instructions（显性指令）。
当你需要教Claude怎么思考时，你会突然意识到自己平时携带了多少隐性知识。那些你觉得"理所当然"的做法，那些你"凭直觉"做出的判断，其实都是可以文字化的规则。我的CLAUDE.md现在大概有2000行，而且还在不断增长，因为我一直在精炼什么有效、什么无效。
大多数教程都搞错了一件事：它们给你一个系统，然后说"跟着做就对了"。但每个仓库服务于不同的目的，需要不同的原则。就像你不会用同样的文件夹结构来组织一个CLI工具和一个Web应用一样，你的思考仓库和工作仓库也需要不同的结构。
我运行着多个仓库。一个是用来思考AI和知识管理的，就是我接下来要分享的这个例子。另一个是工作用的，跟踪项目和客户，规则完全不同。底层的模式是一样的，但具体的规则随目的而变。
不变的底层模式
这个模式是什么？特别简单：
Markdown文件，带链接，任何AI都能读。
一个CLAUDE.md文件，教AI理解你的特定系统。
结构清晰，让AI能快速定位。
约定写成指令，让AI保持一致。
具体放什么指令完全取决于你的目的。工作仓库可能强调：先捕获，后组织；项目文件夹包含会议记录和产出；客户上下文要让AI能消费。研究仓库可能强调：来源追踪和引用；文献笔记；声明验证。创意仓库可能强调：想法捕获和孵化；草稿进度；参考资料组织。
我要分享的这个仓库专注于发展理解力。它的哲学来自CLAUDE.md文件：
深度优于广度，质量优于速度，token不要钱
我能感受到仓库维护得好和充满噪音之间的区别。深度比广度重要得多。这里是CLAUDE.md的一个片段，强调这一点：
"深度优于广度。质量优于速度。Token是免费的。
这不是关于效率。这是关于卓越。当你选择一个任务时，你承诺要完全理解它，并留下未来代理可以在此基础上构建的工作。"
这段话特别狠。它说的是：不要用快餐式的方式处理知识。不要追求"我读了多少本书"、"我记了多少条笔记"这种虚荣指标。追求深度理解，追求留下高质量的工作，追求让未来的AI（包括未来的你自己）能够在你今天的基础上继续建造。
Token是免费的，这意味着你可以让AI反复阅读、反复思考、反复连接，不用担心成本。这个认知解放了你，让你可以追求质量而不是速度。
分层定位系统：让AI不迷失在几千个文件里
当Claude开始一个会话时，它需要理解仓库里有什么，但不可能读取每一个文件。几千个笔记，全部读完，那得读到明年去。所以我的系统有分层机制，让AI能快速定位。
第一层：自动显示文件夹结构。我用一个hook（钩子），在会话开始时自动执行tree命令，显示前三级目录。Claude一眼就能看到有哪些文件夹、大概有什么内容。
第二层：索引文件。我维护一个索引，列出每个笔记的标题和一句话描述。Claude可以在几秒钟内扫描50个笔记，不需要打开它们。
第三层：主题页面（MOCs，Map of Content）。这些就像每个主题的目录，链接到相关的笔记。它们还包含Claude在遍历图谱时留下的笔记，给未来的会话留下面包屑。
AI的工作流程是：先广泛扫描，缩小到相关范围，然后跟踪链接构建理解。从结构到索引，从索引到主题页，从主题页到具体笔记，从笔记通过链接跳转到其他笔记。这种渐进式聚焦模仿了人类探索知识的方式。
可组合性：像乐高一样的笔记
这里有一些规则，适用于我的思考仓库。其他类型的仓库可能需要不同的规则，但这些原则很通用：
这个笔记能从其他地方链接过来仍然有意义吗？如果链接到它迫使你先解释另外三件事，那就把它拆分。这就是可组合性。
我停止用主题命名笔记，开始用主张命名笔记。不是"关于AI垃圾内容的思考"，而是"质量是最难的部分"。当你链接到它时，标题自然地成为你句子的一部分。这也强迫Claude在构建句子时以不同的方式思考，我相信这是有益的，因为它要求理解。
一个洞察：单个笔记不如它们之间的关系重要。一个有很多入链的笔记比一个孤立的笔记更有价值，因为每个链接都创造了一个新的阅读路径。网络就是知识。
每个任务都从定位开始
Claude的工作流程特别严谨。每个任务都从定位开始：扫描结构，检查索引寻找相关笔记，在做出改变之前阅读主题页。它跟踪链接来构建理解，没有上下文就不做任何改变。
当Claude发现关于导航某个主题的有用信息时，它会记录在主题页中。未来的会话读取这些笔记，从过去的导航中学习。这就是仓库如何记住如何思考自己的方式。
有时候两个笔记以有趣的方式互动，Claude会创建一个新笔记，捕捉从结合它们中产生的洞察。每个新捕获都会触发对相关笔记的搜索，Claude会添加上下文的链接。
这种迭代式的、连接式的知识构建，模仿了人类思维的发散和收敛过程。但它比人类更系统，不会忘记，不会疲倦，不会遗漏明显的联系。
Markdown就是系统，Obsidian只是窗户
这个结构适用于个人思考仓库。工作仓库可能有项目和客户。重点不是具体的文件夹，而是文件夹位置告诉你某物是什么。
Markdown就是系统。像Obsidian这样的工具只是看向它的窗户。仓库可以承受任何应用消失。一切都是纯文本，任何编辑器都能读，任何AI都能处理。你完全拥有你的数据。
这是特别重要的一点。很多人被各种笔记软件的锁定功能困住，Notion、Roam、Evernote，它们都有自己的格式，导出困难。但Markdown是通用的，是永恒的。即使Obsidian明天倒闭，你的知识库依然完好无损，任何文本编辑器都能打开，任何AI都能理解。
这种开放性给了你自由，也给了AI能力。AI不需要学习特定的API，不需要解析专有格式，它只需要理解Markdown和链接。这降低了门槛，提高了可移植性。
创建你自己的系统：从零开始
想搭建自己的系统？步骤特别简单：
创建一个文件夹，子文件夹匹配你的目的。想想你真正需要组织什么。
写一个CLAUDE.md，解释你的系统。从简单开始，随着你学习什么有效而进化。
让Claude操作。捕获某物，让Claude寻找连接。让它导航和发现关系，建议事物属于哪里。
始终审查它产生的东西，为质量而编辑。你不再是记笔记，而是指导一个记笔记的系统。你的工作变成了判断，这意味着决定什么重要。
人的角色从作者进化为编辑，从创作者进化为策展人。Vibe coding改变了我们写软件的方式，Vibe note taking改变了我们思考的方式。
仓库就是会互相链接的Markdown文件
让我再强调一遍核心事实：
LLM没有记忆，所以仓库给它们一个记忆。
CLAUDE.md教AI你的系统如何工作。
每个仓库基于目的需要自己的哲学。
保持不变的是：Markdown，链接，AI操作而你提供判断。
这其实就是把软件工程的最佳实践应用到知识管理上。版本控制、模块化、清晰的接口、完善的文档，这些原则在代码库里证明有效，在知识库里同样有效。
当你开始用这种方式思考，你会发现很多"知识管理难题"突然有了解决方案。信息过载？让AI帮你筛选和连接。遗忘？仓库记得一切。缺乏洞察力？AI能从你积累的数据中发现模式。
总结
放弃记笔记升级思维操作系统，用Obsidian加Claude Code构建会自我进化的第二大脑，让AI成为你的思维合伙人而非写作小助手
通过Obsidian笔记软件和Claude Code AI工具搭建思维操作系统，用Markdown文件和双向链接构建知识网络，编写CLAUDE.md教AI理解个人思维方式，实现从记笔记到操作思维系统的范式转移，让AI成为深度思考合伙人。