2026年当我周围的人都买了各个大模型厂家的Coding Plan:
- Ali Coding Plan;
- GLM Coding Plan;
- 火山引擎上的Coding Plan;
- 国外的(有点贵,没人买,或者买了省着用)
【不知道咋省着用的问我】
除了本身就会开发程序的,剩下的大部分人都是配置好了Claude Code后,问一下:
- 你是谁?
- 你用的哪个大模型?
然后/exit,收功
跟周边的人说:你别说,Claude Code 就是好用多了!
99% 的人用 AI 的方式是反的
大多数人用 AI 的习惯是这样的:打开 Claude Code ,从零开始解释「我是谁、我在做什么、我需要什么」,聊完关掉,下次重新来。
你每次给 AI 的上下文越薄,它能为你做的事就越浅。 你反复解释同一个项目,反复描述同一个偏好,反复校正同一个错误。像极了一个永远不记得你说过什么的新同事。
而 Obsidian 解决的就是这个问题。它不是一个普通的笔记软件,它是一个由 Markdown 文件组成的、带有双向链接的知识网络。每一篇笔记不是孤岛,而是通过 [[链接]] 与其他笔记形成关系。
当你把 Claude Code 接入这个网络,事情就变了。
你的笔记库 = AI 的「完美记忆」
输入了一个自定义命令 /trace,让 Claude Code 追踪他与 Obsidian 这个工具的「关系演化史」。Claude Code 开始扫描他整个笔记库,读了几十个文件,跟踪了文件之间的链接关系,然后输出了一份完整的时间线:
- 2024 年 12 月,他的笔记系统里根本没有 Obsidian
- 2025 年 1 月,他开始用 Obsidian,但对双向链接持怀疑态度
- 2025 年中,他意识到应该为「模式」和「理论」创建独立笔记,而不是反向链接到泛化标签
- 2026 年 1 月,他进入了爆发式构建期,瓶颈不再是 Obsidian 本身,而是 vault 和 agent 之间的执行边界
Vin 自己看完都说:这件事我一个人做不到。阅读所有这些文件,理解它们之间的关联,作为一个人类来说根本不可能。
文件本质上是完美的记忆。人类的记忆研究反复证明,我们记住的东西跟现实完全是两回事。但一个 Markdown 文件不会说谎。
这句话值得反复咀嚼。你的笔记库里存的不是「笔记」,而是你思维的快照。当 AI 能读到这些快照,它比你自己更清楚你在想什么。
从反思到行动:笔记库如何变成「想法工厂」
很多人对 Obsidian 的理解停留在「做笔记的地方」。Vin 做的事情远不止于此。
他给 Claude Code 创建了一系列自定义命令,每个命令都在做一件事:从笔记库里挖出你自己都没意识到的东西。
这几个最让我震撼:
/connect 跨域连接。 你给它两个看起来毫无关系的关键词,比如「电影制作」和「世界构建」,它会遍历整个笔记库的链接图谱,找到隐藏的桥梁。Vin 试了一下,AI 从他的笔记中发现:电影采访本质上是「打开一个人内心世界的门户」,而他的博客愿景是「像古埃及陵墓一样被后人挖掘和审视」。两者的共同模式是:构建一个持久的、可被探索的世界。
他自己都没意识到这层联系。
/challenge 压力测试。 它用你笔记库自己的历史来质疑你当前的观点。找出矛盾、反证、思维转变。如果你说你相信 X,但过去六个月的笔记里你其实在不断否定 X,它会直接指出来。
/ideas 创意生成。 这个命令做了一次深度的 30 天笔记库扫描,跨领域模式检测加图谱分析,产出了一份完整的创意报告。不只是「你应该做什么项目」,还包括「你应该看什么电影」「你应该跟谁聊聊」「你一直在回避什么」。
一个「知道你在想什么」的 AI 日程助手,和一个「只看日历」的助手,给出的建议是完全不同的维度。
启发内容:
第一,上下文的质量决定 AI 的上限。 这不是新观点,但 Vin 用实践证明了「好上下文」到底意味着什么:不是一份精心写好的 prompt,而是数月甚至数年的持续写作积累,加上结构化的链接关系。Token 不是 AI 的氧气,你的 Markdown 文件才是。
第二,让 AI 帮你发现你自己。 这是我之前完全忽略的用法。我一直把 AI 当「干活工具」,让它写文章、生成图片、自动发布。Vin 让我看到了另一个维度:AI 可以成为你的思考镜子,帮你看见自己思维中的模式、盲区和演变轨迹。
第三,管理笔记库比管理 AI 更重要。 与其花时间研究怎么写更好的 prompt,不如花时间写更好的笔记。笔记库是根,prompt 是叶。根深了,叶子自然茂盛。
转自:@yanhua1010,部分摘抄
有兴趣的朋友评论区说说你的感受
热门跟贴