为什么选 Obsidian 做 Agent 的知识后端
Notion 可以同步,但 Obsidian 有几个在这个场景下不可替代的优势。第一,它是本地优先的架构,Vault 本质上就是一个文件夹,里面全是 Markdown 文件,Agent 可以直接通过文件系统读写,不需要依赖任何 API 或云服务。第二,离线可用,查询速度快,数据完全掌握在自己手上。第三,也是最关键的一点:双链笔记能力。Agent 写入的每一条信息都可以通过 [[wikilinks]] 与其他笔记建立关联,时间一长,会自然形成一张知识网络。你查看某条旧笔记时,Obsidian 会告诉你还有哪些笔记引用了它,这种反向链接的能力是纯文档工具做不到的。
实际操作中,建议同时往 Notion 和 Obsidian 各同步一份。Notion 方便团队协作和在线分享,Obsidian 作为本地知识库兜底,两者互补。
OpenClaw 操作 Obsidian 的两个核心组件
OpenClaw 对接 Obsidian 主要靠两样东西。
第一个是 obsidian skill。 OpenClaw 的 skill 机制可以理解为给 Agent 一本操作手册。装了 obsidian skill 之后,Agent 就知道该怎么组织笔记结构、怎么用 frontmatter 管理元数据、怎么建立双链。配合 OpenClaw 自带的 write 工具,Agent 能直接读写 Vault 里的 Markdown 文件。在 Telegram 里跟 Agent 说一句「把这些信息同步到 Obsidian」,它就会自动找到 Vault 路径,创建对应的文件和目录结构。
第二个是 obsidian-cli, 一个用 Go 写的命令行工具,补充了纯文件操作做不到的事。它最重要的能力是维护 wikilinks 的完整性——当你重命名或移动笔记时,它会自动扫描整个 Vault,更新所有引用了这篇笔记的链接。直接操作文件系统做不到这一点,链接一断,知识网络就散了。
安装过程很简单,用 Homebrew:
brew tap yakitrak/yakitrak
brew install yakitrak/yakitrak/obsidian-cli
装好之后设置默认 Vault:
obsidian-cli set-default "<你的vault名>"
之后 Agent 就可以用 obsidian-cli move 来移动笔记并自动更新链接,用 obsidian-cli search-content 做全文检索。日常大部分操作 Agent 直接写文件就够了,obsidian-cli 主要用在需要维护链接完整性的场景。
实际工作流是怎么跑的
整个链路的运转逻辑是这样的:Agent 在 Telegram 里运行,每天执行信息收集、内容创作、数据分析等任务。所有产出,Agent 会自动按类别写入 Obsidian 对应的目录——比如 Vault 里预设了「策略规划」「核心商业目标」「网站架构」等分类,Agent 根据内容语义判断该归到哪里。
在 Telegram 里聊完一个话题,Agent 把关键信息整理成结构化的 Markdown 笔记,同步到 Obsidian。打开 Obsidian 就能看到最新内容,想改就改,想加标签、加链接随意。更重要的是,Agent 后续执行任务时也能反过来查 Obsidian 里的历史记录。这相当于给 Agent 装了一个长期记忆,它不会因为会话结束就把之前的上下文全忘掉。
如果想进一步自动化,可以用 OpenClaw 的 Heartbeat 定时任务。比如每隔一段时间扫描特定标签的笔记,把更新推送到 Notion 或其他平台。OpenClaw 的 cron 系统支持独立会话执行,结合 sessions_send 做跨 Agent 协调,能搭出比较灵活的同步链路。也有人用 Git 做 Vault 的版本管理,每隔几分钟自动 commit 一次,等于给整个知识库加了一层版本历史。
几个落地细节不能忽略
用下来最大的感受是,Obsidian 的本地优先设计在 Agent 知识沉淀这个场景下非常合适。Agent 的所有产出在本地有一份完整备份,不依赖任何云服务的可用性。如果开通了 Obsidian Sync(付费功能),还能在手机上随时查看,多设备同步也很方便。
但有一个问题必须提前解决:目录结构规范。 如果不给 Agent 明确的规则,它可能会随意创建文件,时间长了 Vault 会变得混乱。建议在 AGENTS.md 里写清楚笔记放哪个目录、用什么命名规则、frontmatter 需要哪些字段,Agent 就会按规矩来。这一步看起来小,但直接决定了知识库长期可维护性。
对一人公司来说,Agent 产出的信息如果不做系统性沉淀,本质上就是一次性消耗品。把 Agent 和 Obsidian 打通,让每一次 AI 交互都变成可检索、可关联、可复用的知识资产——这件事越早做,复利效应越明显。