最近越来越明显的一件事是：本地文件夹正在重新变得重要。

几年前看 Obsidian，很多人会觉得它有点“反互联网”：都云端协作时代了，为什么还要把笔记存在本地？为什么还要用 Markdown 文件？

但到了 AI Agent 时代，这个特点反而成了优势。

因为 Obsidian 的核心不是一个封闭数据库，而是一个本地 Markdown 文件夹。你的笔记不是被锁在某个平台里，而是以一个个 .md 文件存在本地。它可以被 Obsidian 打开，也可以被 VS Code、Codex、Claude Code、MiniMax Agent 等工具直接读取和修改。

这意味着，个人知识库不再只是“给人看的笔记”，而可以变成一个AI 能操作、能维护、能批处理的知识 codebase。

---

一、Obsidian 不是文档转换器，而是 Markdown 知识库管理器

很多人第一次理解 Obsidian + AI Agent，容易以为是：

把 Word、PDF、网页文章发给 Obsidian，让它自动转成 Markdown。

这个理解只对了一半。

更准确地说：

Obsidian 负责管理 Markdown 知识库，Codex / Claude Code 这类 AI Agent 负责把原始资料加工成 Markdown 知识层。

也就是说，原始资料可以继续保留，比如 Word、PDF、网页、会议纪要、日记、公众号文章等；AI Agent 会基于这些资料，生成一层新的 Markdown 输出：

文章摘要；

关键概念；

主题页；

项目页；

总索引；

处理日志。

所以它不是简单“转换格式”，而是给原文档加了一层可链接、可搜索、可审计、可持续维护的知识结构。

---

二、一个典型的知识库结构

一个简单的 Obsidian 知识库，可以这样设计：

raw/：放原始资料；

wiki/Summaries/：放文章摘要；

wiki/Concepts/：放概念页；

_master_index.md：总索引；

wiki_log.md：知识库维护日志；

AGENTS.md：告诉 AI Agent 应该如何处理资料。

其中最关键的是AGENTS.md。

它相当于给 AI Agent 的操作规程。你可以在里面写清楚：

原始资料放在哪里；

摘要应该生成到哪里；

摘要包含哪些字段；

哪些概念需要单独建页；

如何更新索引；

如何记录处理日志；

哪些文件不能修改；

不确定时不能瞎猜，要标注问题。

然后你只需要对 Codex 说一句：

“请按照 AGENTS.md 的规则，执行 ingest 操作。”

它就可以自动扫描 raw 文件夹，找到尚未处理的资料，生成摘要、抽取概念、更新索引、写入日志，并校验有没有遗漏。

这已经不是普通的“帮我总结一下”，而是一套知识库维护流程。

---

三、为什么 Markdown 文件夹适合 AI Agent？

因为对大模型来说，Markdown 文件夹非常像一个代码仓库。

它有清晰目录，有文本文件，有命名规则，有索引，有日志，也可以被批量修改和校验。

AI Agent 最擅长的正是这种流程：

读取文件 → 理解规则 → 生成内容 → 修改文件 → 更新索引 → 检查结果。

相比之下，很多封闭式知识库看起来很强，但数据被锁在平台内部，AI 很难稳定地批量读取、修改和审计。

而 Markdown 文件夹有几个明显优势：

第一，开放。

文件就在本地，不被某个平台绑定。

第二，可迁移。

今天用 Obsidian，明天也可以用 VS Code、Typora、Cursor 或其他工具。

第三，可审计。

AI 修改了什么、新增了什么、删除了什么，都可以看见。配合 Git，还能回滚。

第四，可批处理。

几十篇文章、几百条日记、一批项目资料，都可以交给 Agent 按规则处理。

第五，适合长期积累。

概念页会被不断更新，索引会持续增长，知识会从孤立笔记变成网络。

---

四、它能解决什么问题？

传统知识管理最大的问题，不是资料太少，而是资料太多。

看到好文章先收藏，看到好观点先保存，看到好资料先下载。最后文件越来越多，但真正要写文章、做方案、做研究时，还是很难调用。

Obsidian + Codex 的方法，是把“收藏”变成“吸收”。

每一份资料进入 raw 文件夹后，都可以被处理成：

一篇结构化摘要；

若干关键概念；

可跳转的内部链接；

可检索的索引；

可追踪的日志。

这样，资料不再只是堆在文件夹里，而是进入了一个可持续生长的知识系统。

比如一篇文章里提到“正反馈系统”，AI Agent 可以生成一篇概念页。以后其他文章也提到这个概念，就继续补充到同一个页面。时间一长，这个概念会越来越清晰，逐渐成为可以复用的知识资产。

这就是知识复利。

---

五、适合哪些场景？

这套方法非常适合几个场景。

第一，阅读资料库。

把文章、访谈、播客转写、研究报告放进去，让 AI 自动生成摘要和概念页。

第二，公众号素材库。

平时看到的选题、案例、金句、观点，都可以沉淀成可复用素材。写文章时，不再从零开始。

第三，专业研究库。

无论是 AI、组织管理、产品、商业还是投资，都可以用这种方式长期积累。

第四，项目资料库。

会议纪要、方案文档、竞品资料、调研记录，都可以进入本地项目知识库。

第五，个人复盘系统。

日记、阶段复盘、关键决策，也可以被整理成事件页、主题页和长期索引。

---

六、真正的变化

过去，我们用 Obsidian 记笔记。

现在，我们可以让 AI Agent 维护 Obsidian。

过去，AI 主要是在聊天框里回答问题。

现在，AI 可以进入本地文件夹，按规则处理资料、生成摘要、建立概念、更新索引。

真正重要的变化是：

个人知识库开始从静态资料库，变成一个开放、本地、可审计、可被 AI 持续维护的知识系统。

所以，Obsidian + Codex 的价值，不只是让整理笔记更快。

它更像是在搭建一个个人知识底座：

原始资料继续保留；

Markdown 笔记承载知识结构；

Obsidian 负责浏览和管理；

Codex 负责批量整理和维护；

AGENTS.md 负责定义规则。

最终，知识库不再只是“收藏夹”，而是一个可以持续生长、持续复用、持续被 AI 编排的本地知识系统。