跳轉到

簡介

傳統「第二大腦」失敗的原因不是資料太少，而是整理與維護的成本太高：文章存進去了，卻沒有分類、沒有連結，最後淪為第二個垃圾場。

Andrej Karpathy 提出的 LLM Wiki 換了個思路：人只負責「丟原始素材」與「提問」，整理、分類、交叉連結這些 bookkeeping 苦工交給 LLM Agent。Obsidian 的純文字 Markdown vault 剛好是 LLM 最好讀寫的格式，於是「Obsidian（知識庫）+ Codex／Claude Code（管理員）+ 規則檔（schema）」就成為一套可複製的工作流。

本影片從 Obsidian 零基礎安裝開始，一路做到把 Codex 接上 vault、用 Web Clipper 收集素材、設定排程自動整理，最後產出 HTML 資訊圖表。

主題整理

  1. [[#1. Obsidian 安裝與基本操作]]（00:00）
  2. [[#2. 建立 Obsidian 範本 Template]]（03:31）
  3. [[#3. 建立頁面連結]]（04:36）
  4. [[#4. 管理反向連結 Backlinks]]（08:22）
  5. [[#5. 顯示關聯圖 Graph View]]（10:13）
  6. [[#6. LLM Wiki 基本觀念與架構設定]]（11:02）
  7. [[#7. 將 Codex 連結到 Obsidian]]（13:08）
  8. [[#8. 安裝 Obsidian Web Clipper]]（14:23）
  9. [[#9. 設定 LLM 排程]]（15:58）
  10. [[#10. 建立 HTML 資訊圖表]]（17:16）

筆記地圖

flowchart TD
    A["LLM Wiki<br/>自我進化的第二大腦"]

    A --> B["Part 1<br/>Obsidian 基本功"]
    A --> C["Part 2<br/>LLM Wiki 架構"]
    A --> D["Part 3<br/>自動化與輸出"]

    B --> B1["1. 安裝與基本操作"]
    B --> B2["2. 建立範本 Template"]
    B --> B3["3. 頁面連結 [[wikilink]]"]
    B --> B4["4. 管理反向連結 Backlinks"]
    B --> B5["5. 關聯圖 Graph View"]

    C --> C1["6. 核心觀念<br/>人丟素材 / AI 做整理"]
    C1 --> C2["raw/ 原始素材<br/>（AI 只讀不改）"]
    C1 --> C3["wiki/ 結構化知識<br/>（AI 的工作區）"]
    C1 --> C4["AGENTS.md / CLAUDE.md<br/>規則檔 schema"]
    C --> C5["7. Codex 連結到 vault"]

    D --> D1["8. Web Clipper<br/>一鍵剪貼網頁到 raw/"]
    D --> D2["9. LLM 排程<br/>定時 ingest 未處理檔案"]
    D --> D3["10. 產出 HTML 資訊圖表"]

    D1 --> E["循環：收集 → 整理 → 連結 → 提問"]
    D2 --> E
    D3 --> E

主題內容

1. Obsidian 安裝與基本操作

  • 從 Obsidian 官網 下載安裝，本機軟體、核心功能免費。
  • 建立 Vault（保管庫）：本質上就是電腦裡的一個資料夾，所有筆記都是純 .md 檔。
  • 因為是純文字檔在本機資料夾，任何 LLM Agent 都能直接讀寫，不需 API、不需授權，這正是它成為 AI 筆記首選的原因。

2. 建立 Obsidian 範本 Template

  • 啟用核心外掛 Templates，指定一個 Templates/ 資料夾。
  • 範本用來統一筆記格式（標題、YAML frontmatter、標籤、來源欄位等）。
  • 格式一致 = 之後 LLM 整理、批次補標籤時行為更穩定。

3. 建立頁面連結

  • 使用雙括號語法 頁面名稱 建立內部連結。
  • 打 [[ 會自動跳出建議清單；連到不存在的頁面時，Obsidian 會在點擊後自動建立該筆記。
  • 連結是知識網路的基本單位，也是後續 Graph View 與 AI 交叉引用的基礎。
  • Backlinks 面板會顯示「有哪些筆記連到了目前這一頁」。
  • 反向連結讓你發現原本沒察覺的關聯脈絡。
  • 這也是 LLM Wiki 中最有價值的自動化之一：讓 Agent 掃描筆記，自動補上 wikilink，沒有對應筆記就自動建立。

5. 顯示關聯圖 Graph View

  • Graph View 把 vault 中的連結結構視覺化成網狀圖。
  • 它並不是額外的資料庫，只是 Markdown 檔裡連結關係的一種渲染。
  • 孤立節點（沒有任何連結的筆記）通常就是需要 AI 幫忙整理的對象。

6. LLM Wiki 基本觀念與架構設定

核心觀念（源自 Andrej Karpathy）：

LLM 最擅長的不是幫你思考，而是幫你做 bookkeeping —— 整理、歸檔、交叉引用這些苦工。

三層架構：

層 資料夾／檔案 誰可以寫 用途
原始層 raw/ 只有你 網頁剪貼、PDF、逐字稿、會議紀錄，AI 只讀不改
知識層 wiki/ AI 為主 概念頁、主題頁、來源頁、索引頁（index.md）
規則層 AGENTS.md（Codex）／CLAUDE.md（Claude Code） 你 目錄結構、frontmatter 規範、ingest / query 流程、鐵律

比喻：Obsidian 是閱讀室，LLM 是圖書管理員，Wiki 是它維護的目錄。

規則檔通常包含： - 目錄約定（raw/ vs wiki/ 的所有權） - 新資料進來時的 ingest 流程：產生來源頁 → 提煉觀點 → 更新相關 wiki 頁 → 補交叉連結 → 更新 index.md - 查詢原則：回答問題時優先參考 wiki/，必要時才回頭讀 raw/ - 鐵律，例如「永遠不要修改 raw/ 的內容」

影片作者提供了現成的 LLM Wiki 提示詞，可直接拿來當規則檔起手式。

7. 將 Codex 連結到 Obsidian

  • 安裝 Codex，把 Obsidian vault 的資料夾加為一個專案。
  • Codex 之後就能直接讀寫這個資料夾裡的 Markdown 檔。
  • 第一次可用一句話讓它照 LLM Wiki 規格把架構建起來，例如：

    依照 LLM Wiki 架構，在這個（目前為空的）second brain 資料夾建立 raw/、wiki/ 與 AGENTS.md。

  • 同樣的 vault 也能改接 Claude Code 或其他 Agent —— vault 才是系統，Agent 是可替換的。

8. 安裝 Obsidian Web Clipper

  • 安裝 Obsidian Web Clipper 瀏覽器擴充。
  • 設定：指定 vault 名稱，並把 note location 設為 raw/。
  • 之後看到好文章一鍵剪貼，直接以 Markdown 落地到 raw/，你只需決定「什麼值得存」。

9. 設定 LLM 排程

  • 在 Codex 的 Automations／排程建立一個定時任務（例如每小時或每天）。
  • 指向 second brain 專案資料夾，指令可以簡單到只有一句：

    若 raw/ 內有尚未處理的檔案，就依 AGENTS.md 的 ingest 流程處理它們。

  • 建議挑選推理能力最強的模型，並讓它處理完後把檔案移到 raw/processed/。
  • 進階：處理完自動 commit / push 到私人 GitHub repo 作為備份與版本紀錄。
  • 完整迴圈成形：剪貼 → 落到 raw/ → 排程自動 ingest → 產生 wiki 頁與交叉連結 → 你只負責提問。

10. 建立 HTML 資訊圖表

  • 因為 wiki 已經是結構化的知識，可以再叫 LLM 把某個主題頁輸出成單頁 HTML 資訊圖表（infographic）。
  • 用途：整理後的知識可再流向部落格草稿、社群貼文、簡報等 —— 這就是知識庫的複利效應。

Recap 重點整理

  • 🔑 一句話核心：不要再自己「寫筆記」，改成「丟原始素材」，讓 LLM 幫你編譯成 wiki。
  • 🔑 第二大腦會失敗，是因為整理維護的成本大過收益；LLM Wiki 把這個成本壓到接近零。
  • 🔑 三個檔案／資料夾就是整套系統：raw/（你放）、wiki/（AI 寫）、AGENTS.md（規則）。
  • 🔑 鐵律：AI 永遠不能修改 raw/；每次操作後必須更新 index.md。
  • 🔑 Markdown + 本機資料夾 = 人與 AI 都能讀的同一份檔案，完全可稽核、可替換 Agent。
  • 🔑 排程指令範本：if there are any unprocessed files in the raw directory, process them.
  • 🔑 查詢時的問法：根據我的 wiki 總結 X 的核心模式，並存成一頁 wiki。
  • 🔑 先跑通最小閉環（30 分鐘），再談 tags 體系、複雜 frontmatter 與多層索引。

工具及參考資料

工具

參考資料

領域

Obsidian #LLM #Wiki #AI #第二大腦 #筆記 #知識管理 #Codex #Agent #工作流 #教學