AI 时代使用 Obsidian 作为 IDE

一、AI 时代 idea 已经不够用了

先说几个核心判断。用 idea 加 AI 插件写代码，碰到的几个问题：

• 用问答的形式，问一句，写一段代码片段，然后人工 review 结果
• 和 AI 沟通过的记录，不好搜索
• 多次沟通以后上下文累加，AI 注意力不集中；重开 session 以后记忆清零，从头教他写代码
• 一个需求涉及多个微服务，代码需求不止在一个 codebase 里完成
• 在 idea 的视角里只有代码，没有数据库结构、中间件相关信息

所以，idea 已经不能满足 AI 时代的代码迭代了。

二、Obsidian 是什么

obsidian.md/

Obsidian 是一个本地优先、基于纯 Markdown 文件的知识管理工具。它的核心特点很鲜明：

• 数据在本地
  ：所有笔记就是磁盘上的 .md 文件，不锁定在某个云服务，离线可用，自己完全掌控。

• 双向链接
  ：[[note-name]] 把碎片连成网，任何一篇笔记都能被反向查询「谁引用了我」。

• 图谱视图
  ：笔记之间的引用关系可视化，一眼看出知识网络的形态。

• 插件生态
  ：开放的插件市场，社区已经把它扩展成了任务管理、日历、Data view 查询、AI 助手等各种形态。

• 纯文本 = AI 友好
  ：文件都是 UTF-8 Markdown，对 AI 来说是可读、可写、可 diff 的一等公民，不用像 idea 那种 IDE 需要专门的插件桥接。

回到前面列出的 idea + AI 痛点，Obsidian 恰好每一条都对症。

换句话说，Obsidian 不是取代 idea 的编辑器，而是取代它的认知承载层——代码继续在 idea 里写，但围绕代码的所有上下文（设计决策、AI 对话历史、数据库结构、跨服务调用图）搬到 Obsidian 里长期沉淀。

三、环境准备

• 下载 Obsidian 并开启插件
• 安装 Claudian 插件：github.com/YishenTu/cl…

四、理论基础

gist.github.com/karpathy/44…

Karpathy 在这篇 gist 里给出了本文所有做法的理论出处，一句话破题：你写的每份笔记都不是"文档"，而是 LLM 正在维护的一份代码库——只不过存的是关于世界的结构化知识，不是可执行指令。

Open: Pasted image 20260715234540.png

attachments/使用 Obsidian 作为 IDE/abb7ed0b8ab97cb4b1f0a13519e1e09a_MD5.jpg

4.1 三层架构

Karpathy 把整个系统分成三层，恰好对应 vault 里三类文件：

关键点在于：CLAUDE.md 不只是"避免重复告诉 AI 项目背景"的便利工具，它是 schema——它决定了 LLM 是随手回答的聊天机器人，还是纪律性的 wiki 维护者。

4.2 三个操作

LLM 在这份 wiki 上做三件事：

1. Ingest
   —— 摄入新原始资料，更新多份 wiki 页，维护交叉引用

2. Query
   —— 搜 wiki 综合答案，好答案回写成新页面

3. Lint
   —— 检查矛盾、过时声明、孤儿页面、缺失链接

前两个大多数人已经在做，Lint 是新能力——给知识库跑健康检查，和给代码跑 lint 一个道理。

4.3 为什么现在才可行

人类曾经普遍放弃维护内部 wiki，因为维护成本超过收益——没人有精力持续更新交叉引用、消除矛盾、补链接。

LLM 恰好补上这个瓶颈：人筛选原始资料、指定分析方向、问好问题，LLM 承担所有的记账工作——一次 ingest 触碰几十份文件，成本几乎为零。

不是 Obsidian 变强了，是 wiki 的维护成本从人身上转移到了 LLM 身上。

五、怎么用：四个动作

5.1 一个项目一个 vault + CLAUDE.md

不用一个 vault 装所有东西。每个项目建一个子文件夹，vault 根放 CLAUDE.md——技术栈、目录结构、commit 规范、常见 gotcha、每次开新对话都要重复告诉 AI 的东西，一次写清楚。Claudian 每次启动自动读它，session 重开不再从零。

5.2 需求进来的典型流程

对比过去（打开 AI 侧边栏 → 问一句 → 复制代码 → 关闭 → 记忆归零），现在的路径：

1. 建需求笔记 —— 背景、目标、约束
2. 让 AI 读上下文 —— 用 [[]] 引架构、DB schema、历史需求笔记，Claudian 自动读
3. 对话式分析 —— 出方案，追问，拍板，关键决策让 AI 写回笔记
4. 在 Obisian 中直接让 AI 改代码 —— 笔记里的方案作为提示
5. 回写决策 —— 代码写完把"为什么这么改 / 踩了什么坑 / commit hash"记回笔记
6. 下一个需求 —— 老笔记 = 新对话的上下文

心态需要转变：AI 的输出不是「用完即弃的问答」，而是沉淀成文档。

5.3 日常高频动作

• @ 引用文件 —— 直接把某笔记塞进对话上下文，跨服务对齐特别好用
• 粘代码进笔记让 AI 改 —— 结果留在笔记里，可回看
• 决策记录 (ADR) —— 每个架构决策一个笔记，[[]] 串起来，半年后不用猜"当时为什么这么设计"
• daily note 记排查过程 —— 实时思路直接进当天日记，AI 基于流水推进
• 图谱视图 —— 一眼看哪些模块笔记密集（核心区），哪些孤立（遗漏区）

5.4 和 idea 的分工

一句话：idea 负责「码」，Obsidian 负责「脑」。

六、实战案例：一次两周跨度的重构

在本地做了一个项目 P1~P6 六个阶段主体 + 4 轮架构 refactor，涉及 15 个技术决策（D1-D15），持续两周。

如果只在 idea 里做，几乎不可能完成——每次开新 session 记忆归零，反复解释项目背景就要废掉一半时间。Obsidian 在这里做了 5 件事：

1. 一份主计划笔记贯穿始终 —— 所有对话从它出发，笔记本身也被 AI 补写、修订
2. 15 个决策全部落笔 —— 每个都记「背景 / 备选 / 选择 / 理由」，不留在对话里
3. 跨 session 无缝续接 —— 第七天开新 session，一句"读一下这份笔记继续"就够了
4. commit hash 回写笔记 —— 13 个 commit 全部登记，笔记直接变 changelog
5. 最终沉淀到 CLAUDE.md —— 下一轮改造进来，新 session 直接知道现状

反过来，如果只在 idea 里做？15 个决策散落在几十次对话里搜不到、复现不了；每次新 session 浪费 20 分钟重建上下文；commit 之间的"设计意图"3 个月后自己都看不懂。

结论很明确：改造规模越大、跨度越长，Obsidian + Claudian 的 leverage 越明显。这不是可有可无的辅助，是让"AI 参与长周期复杂改造"变得可行的基础设施。

七、实操：给 vault 跑一次 Lint

理论讲完，回到最实用的一个动作：定期让 AI 给你自己的 vault 跑健康检查。这是把 wiki 当代码库来 code review。

推荐两类基础 Lint，一句 prompt 就能跑通。你在自己 vault 上跑一遍才有意义，这里给的是模板 + 结论解读。

7.1 死链扫描

Prompt（直接扔给 Claudian）：

跑完的报告，基本可分成 6 类：

Lint 的核心价值在于 D 类——高频死链等于你自己反复觉得"这里该有一篇笔记"，但一直没写。这是知识网络给你的具体行动清单。不跑这一遍，你根本不知道自己欠了多少债。

7.2 孤儿扫描

Prompt：

跑完你通常会看到三种模式：

• 成规模的孤儿集群
  —— 某个目录（某本书的章节笔记、某个专题的系列文章）整批全是孤儿 → 缺一个 MOC 索引把系列串起来。这不是"补一条链接"的问题，是知识组织结构有洞。这种结构性问题只有跑 Lint 才看得出来，单独打开某一篇笔记时永远发现不了。

• 孤儿入口文件
  —— 名字像入口（xx 总览、xx 看板）但没有任何入链 → 做了入口没人走，需要在其他笔记里显式引用它。

• 空 / 单行笔记
  —— 未命名、只写了标题就没下文 → 直接删。

7.3 定期跑 Lint 的收益

一遍 Lint 能给你四类具体产出：

• 明确的下一步行动
  ：高频死链 = 该建的核心笔记清单

• 结构性问题的暴露
  ：成群的孤儿集群 = 缺的 MOC 索引

• 数据清洁
  ：剪藏事故、拼写错误、空笔记

• 入口文件的自我审计
  ：名字是入口但没入链 = 走不通的入口

建议节奏：每月一次，或每次大批量扔资料进 vault 之后跑一次。

不做 Lint 的 vault，两三年后基本是个大坟场——链接密度看起来很高，但绝大多数是死链和孤岛。反过来，坚持做 Lint，vault 就永远保持"活的"——每一条链都能到达，每一个节点都被引用。这就是 Karpathy 说的 Lint。

八、小结

• idea 是代码的编辑器，它没变，依然好用
• Obsidian 是认知的承载层，补上 idea 缺失的另一半——设计意图、AI 对话历史、跨服务上下文、决策脉络
• Claudian 是粘合剂，让 AI 直接读写你的知识网络，不再是「一次性问答机」
• CLAUDE.md 是 schema，让 LLM 从聊天机器人升级为纪律性维护者
• Lint 操作是自我维护的核心动作，让 vault 长期不烂

组合起来，你才真正拥有一个「AI 时代的 IDE」——不是把 AI 塞进 idea 侧边栏的拼贴，而是围绕知识组织重新设计的开发工作流。