AI工作流:用 Claude + Obsidian 打造全自动技术笔记系统

AI工作流:用 Claude + Obsidian 打造全自动技术笔记系统

你是否有这样的困扰:看到好文章,收藏了却再也没打开;笔记零散分布在各处,需要时找不到;整理笔记比看文章花的时间还多?

本文分享一套我正在使用的全自动技术笔记工作流,从浏览文章到笔记落地 Obsidian,全程只需 3 个动作。


整体架构

复制代码
浏览技术文章
    ↓
/capture(Chrome Shortcut 读取页面 → 复制到剪贴板)
    ↓
终端执行 save-note.sh
    ↓
Claude Code + Obsidian MCP(AI 整理格式 → 存入本地)
    ↓
✅ Resources/Tech/[文件名].md 自动生成

核心工具

工具 用途
Claude in Chrome 扩展 读取网页内容,复制到剪贴板
Claude Code Agent 执行层,自主整理笔记
Obsidian + MCP 本地知识库存储
Shell Script 串联各工具的本地脚本

为什么这套工作流好用

⚡ 零摩擦:从看到存,3 秒完成,不打断阅读心流

🤖 AI 整理:Claude 帮你提炼重点,不是粗暴复制粘贴

🔒 本地优先:数据在自己手里,Obsidian 双链随意构建

🔧 可扩展:脚本可加任何后处理逻辑


关键设计决策

为什么用剪贴板中转?

Chrome 扩展运行在浏览器沙箱中,无法直接访问本地文件系统(如 /tmp)。剪贴板是系统级共享资源,Chrome 扩展和本地脚本都能访问,是最简洁的跨环境数据传递方式。

为什么 /capture 不做整理?

把整理工作交给 Claude Code,让 /capture 只做「搬运」,最小化 Shortcut 的 API 消耗和执行时间,体验更流畅。

为什么用 Claude Code 而不是 Claude Desktop?

Claude Desktop Project 每次需要手动触发,上下文会随对话积累。Claude Code 是真正的 Agent,自主执行完整任务链,更适合固定工作流场景。


完整配置步骤

第一步:配置 Obsidian MCP

编辑 ~/.claude/claude_desktop_config.json

json 复制代码
{
  "mcpServers": {
    "obsidian": {
      "command": "/Users/你的用户名/.local/bin/uvx",
      "args": ["mcp-obsidian", "/你的vault路径"]
    }
  }
}

第二步:创建 save-note.sh

bash 复制代码
mkdir -p ~/scripts && cat > ~/scripts/save-note.sh << 'EOF'
#!/bin/bash

CONTENT=$(pbpaste)

if [ -z "$CONTENT" ]; then
  osascript -e 'display notification "剪贴板为空,请先执行 /capture" with title "Save to Obsidian ❌"'
  exit 1
fi

PROMPT="请将以下内容整理成技术学习笔记,格式:
# [文章标题]
**来源**:[URL]
**日期**:[今天日期]
## 一句话总结
## 核心概念
## 关键代码/命令
## 立刻能用上的点
## 延伸学习方向
通过 Obsidian MCP 存入 Resources/Tech/ 文件夹,完成后输出:✅ 已存入路径

内容如下:
$CONTENT"

echo "$PROMPT" > /tmp/note_input.txt

osascript <<APPLESCRIPT
tell application "Terminal"
  activate
  do script "export PATH='/usr/local/bin:/opt/homebrew/bin:$PATH' && claude < /tmp/note_input.txt"
end tell
APPLESCRIPT
EOF
chmod +x ~/scripts/save-note.sh

第三步:创建 Chrome Shortcut

在 Claude in Chrome 扩展中新建 Shortcut:

  • 命令名capture
  • 提示词:读取当前页面 URL 和正文(超 3000 字截断),复制到剪贴板,完成后只回复:✅ 已复制

第四步:添加到 PATH

bash 复制代码
echo 'export PATH="$HOME/scripts:$PATH"' >> ~/.zshrc && source ~/.zshrc

笔记输出效果

markdown 复制代码
# React Server Components 深度解析

**来源**:https://example.com/rsc
**日期**:2026-03-24

## 一句话总结
RSC 允许组件在服务端渲染,减少客户端 JavaScript 体积。

## 核心概念
1. Server Components:在服务端执行,不发送 JS 到客户端
2. Client Components:通过 "use client" 声明
3. Streaming:支持流式渲染,提升首屏性能

## 立刻能用上的点
- 数据获取逻辑移到服务端,减少客户端请求
- 大型依赖库只在服务端引入,不影响包体积

开源地址

项目已开源,包含一键安装脚本 install.sh,clone 后一条命令完成所有配置:

GitHub:https://github.com/G-Kingna/bookme-workflow

欢迎 Star ⭐ 和提 Issue!


有问题欢迎评论区交流,或者告诉我你用 Claude 搭建了哪些有意思的工作流 🚀

相关推荐
speop1 分钟前
AI prompting for Everyone | Task01
人工智能
CryptoPP2 分钟前
解锁股票数据可视化新姿势:轻量级数据接口与动态图表实践
大数据·开发语言·人工智能·信息可视化·金融·区块链
a752066285 分钟前
OpenClaw Windows11 保姆级安装部署教程(专属优化、一次成功)
人工智能·openclaw部署·小龙虾一键安装·小龙虾 ai·本地 ai 智能体
小马过河R6 分钟前
从官方定义读懂智能体的时代分量
人工智能·语言模型·大模型·llm·agent·ai编程·多模态
邵奈一7 分钟前
M1 Max Mac版本实测 Rapid-MLX 项目(据说比ollama快4倍)
人工智能·macos·大模型
未来之窗软件服务9 分钟前
标准化法—计算机等级考试—软件设计师考前备忘录—东方仙盟
人工智能·仙盟创梦ide·东方仙盟·计算机考试
IJCAST9 分钟前
Exploring the Frontiers of Complexity: Latest Research from IJCAST
人工智能·深度学习·神经网络·算法
Yuezero_12 分钟前
Latent Manifold理论分析
人工智能·算法·机器学习
摸鱼仙人~13 分钟前
自动驾驶经验迁移到AI编码的可行性与方法论研究
人工智能·机器学习·自动驾驶
AI视觉网奇16 分钟前
数字人大模型 daVinci-MagiHuman
人工智能·深度学习