过去十年，我的笔记和记忆散落在 Apple Notes、Evernote 和飞书云文档里——767 个文件，横跨投资、技术、哲学、项目文档、生活随想。

每次想找以前写的东西，三个 App 之间反复横跳，最后算了。这种体验积累久了，变成一种隐隐的焦虑：你知道自己这些年想了很多东西，但它们散落各处，就像想找家里小物件但是翻来覆去就是找不到。

这次时机到了，用 Obsidian + Claude Code 强力加持，把 767 个文件整合进一个知识库——不只是给旧笔记找个家，而是搭一个能持续吸收、消化、输出的活系统。知识库负责沉淀认知，记忆库负责记录轨迹，两者交织生长。

搭建过程

整个初始搭建分 10 步。挑几个关键的说。

第零步：规划目录结构。在导入任何文件之前，先把知识库的骨架搭好——从 00_inbox 到 90_system 的目录层级、命名规范、标签分类体系，全部先定义清楚。这就像搬家之前先把新房子的柜子装好、标签贴好、区域规划好。

第一步不是整理，是排雷。十年笔记里什么都有——密码、助记词。这些东西一旦进了版本控制历史，删都删不干净。扫了一遍，8 个敏感文件立即移出。任何数据迁移项目，先排雷后施工，没有例外。

费劲的是碎片合并。十年随手记下的片段，大量是几十个字——「某某说过一句话」「忽然想到一个点」。单独存没价值，直接删又可惜。我分两轮处理：第一轮直接合并 100 字以下的碎片（50 个→15 个归档），第二轮仔细分析处理 100~800 字的（139 个→26 个归档）。

Evernote 那批最野。451 个文件，打开一看——2014 年的 Node.js 教程，2015 年的 Angular 1.x 入门，2016 年 Android 开发教程，全都过时了，果断删了 112 个，还要一大堆零碎的附件图片。

AI 干了什么？分类、搬运、批量清洗 HTML、识别内容类别。316 个 Apple Notes 的分类归档，AI 不到一小时。

但有一件事 AI 干不了：判断「这条笔记对你有没有意义」。那只有你自己知道。

遇见十年前的自己

当你把十年的记忆摊开来看，会发现一些主题在大脑中反复出现。不是你刻意经营和追逐的，是潜意识里一直在转的东西。

我从笔记中识别出 12 个跨年反复出现的主题，初步提炼出 6 个常青笔记——这些是会持续迭代、不断深化的核心认知：

六个词，横跨投资、技术、哲学、佛学。看起来八竿子打不着，但它们确实是同一个大脑转了十年的东西。

这大概就是整理和回顾的真正价值。你以为在搬文件，其实在重新认识自己。

这些常青笔记不是写完就完了，6 个只是起点，它们会继续长出来。

知识库最大的陷阱是「只进不出」——收藏一万条，发布零条。所以我和 AI 专门建了从笔记到发布的流水线，支持 5 种输出格式。关键不是提高写作质量——质量靠上游的持续打磨——关键是降低发布摩擦。

你正在看的这篇文章，就是这条管线吐出来的产物。

这不是一个「搭完收工」的项目。知识库每天都在吸收新东西，记忆库每天都在记录新轨迹，常青笔记会不断演化，标签体系会持续调整。

它更像一座花园——种下去只是开始，真正的价值在日复一日的修剪和生长里。