我用 Obsidian + Claude Code + GitHub 搭了个真正「会生长」的第二大脑

一、每个程序员都有一个死去的笔记库

我的 Notion 里有 300 多条笔记，上次打开是 8 个月前。

不是懒，是因为维护成本太高------写进去容易，要用的时候根本找不到；找到了，已经和现在的认知脱节了；想更新，得重新整理结构。恶性循环，最后彻底放弃。

直到我看到 Andrej Karpathy 分享的一个框架，才想通了问题所在：

传统知识库让你「存」，但没人帮你「维护」。

解法：让 LLM 来做那个维护知识库的人。

二、核心理念：LLM 是维护者，不是检索器

大多数人用 AI + 知识库的姿势是这样的：

复制代码

塞一堆文档进去 → 问 AI 问题 → AI 去检索 → 给你答案

这个模式的问题：每次都从原始文档检索，知识库本身不会变得更智能。

我换了一种思路：

复制代码

提供新材料 → AI 阅读提炼 → AI 写/更新 wiki 页面 → wiki 越来越丰富

Wiki 是 LLM 持续构建的结构化知识快照，而不是原始文档的向量仓库。

角色分工很清晰：

我：提供源材料、引导分析方向、做出最终判断
Claude Code：归档基础设施、维护交叉引用、保持一致性------那些会导致知识库被放弃的繁琐工作

三、系统架构（10 分钟搭完）

c 复制代码

my-second-brain/
├── CLAUDE.md          ← 大脑宪法（告诉 Claude 怎么工作）
├── index.md           ← 知识目录（自动维护）
├── log.md             ← 操作日志（只追加）
├── sources/           ← 原始资料（不可变，权威参考）
└── wiki/              ← Claude 生成并维护的 wiki
    ├── people/        ← 人物页面
    ├── concepts/      ← 概念与方法论
    ├── projects/      ← 项目
    ├── resources/     ← 书籍、视频、工具
    └── areas/         ← 生活领域

工具选型：

工具	角色
Obsidian	本地查看 / 双链图谱 / Markdown 渲染
Claude Code	AI 处理引擎（在终端里跑）
GitHub	版本控制 / 多端同步 / 备份

四、最关键的一步：写好 CLAUDE.md

这是整个系统的核心。CLAUDE.md 就是你给 Claude Code 的「工作手册」，告诉它三件事该怎么做。

把以下内容复制到 CLAUDE.md，直接可用：

markdown 复制代码

# 个人第二大脑 --- 操作规范

## 概念

这是一个由 LLM 增量维护的持久化个人知识库（wiki）。核心理念：**不在每次查询时从原始文档中检索，而是让 LLM 持续构建并维护一个结构化的 wiki**，它随着每次摄入而愈加丰富。

角色分工：
- **我（用户）**：提供源材料、引导分析方向、做出判断和决策
- **LLM**：负责归档基础设施、维护交叉引用、保持一致性

---

## 目录结构

```
my-second-brain/
├── CLAUDE.md
├── index.md
├── log.md
├── sources/
└── wiki/
    ├── people/
    ├── concepts/
    ├── projects/
    ├── resources/
    └── areas/
```

---

## 三大核心操作

### 1. Ingest（摄入新资料）

当我提供新源材料时，执行以下步骤：

1. **阅读**源材料，提取关键洞察、事实、观点
2. **讨论**重要发现（如有必要）
3. **撰写或更新** wiki 页面：
   - 优先扩展现有页面，而非创建重复页面
   - 遇到冲突信息时，**不得静默覆盖**------在页面中明确标注冲突
   - 重写摘要而非简单追加，保持页面整洁
4. **更新 index.md**：在对应分类下添加或更新条目
5. **写入 log.md**：以 `[YYYY-MM-DD] [INGEST]` 为前缀记录摄入内容
6. **更新交叉引用**：检查并补充相关页面之间的链接
7. **标记 source 文件为已处理**：在 source 文件 frontmatter 中添加 `ingested: YYYY-MM-DD`，防止重复摄入

### 2. Query（查询知识库）

当我提问时：

1. **搜索**相关 wiki 页面
2. **综合**回答，附带页面引用（`[[页面名]]` 格式）
3. **记录发现**：如果本次查询产生了有价值的新洞察，将其写入相关 wiki 页面
4. **写入 log.md**：以 `[YYYY-MM-DD] [QUERY]` 为前缀记录查询与关键发现

### 3. Lint（审计知识库）

1. 检查**矛盾**：同一主题在不同页面之间的冲突信息
2. 标记**孤立页面**：没有被任何其他页面链接的页面
3. 修复**缺失的交叉引用**
4. 识别**过时内容**
5. 写入 log.md：以 `[YYYY-MM-DD] [LINT]` 为前缀记录审计结果

---

## 启动对话的方式

- **摄入**：「帮我摄入这篇文章：[内容]」或直接粘贴内容
- **查询**：直接提问
- **审计**：「请对知识库做一次 lint」
- **浏览**：「给我看 index.md」

五、实际操作演示

摄入一篇文章

在终端 cd 到知识库目录，启动 Claude Code，然后：

lua 复制代码

你：帮我摄入这篇文章：[粘贴内容]

Claude Code：
✓ 阅读完毕，核心洞察：...
✓ 新建 wiki/concepts/llm-agents.md
✓ 更新 index.md
✓ 写入 log.md：[2026-10-22] [INGEST] 摄入《...》，新建 [[llm-agents]]
✓ 在 source 文件标记 ingested: 2026-10-22

查询知识库

lua 复制代码

你：我之前看过哪些关于 AI agent 的资料？有什么结论？

Claude Code：
根据 [[llm-agents]] 和 [[ai-workflow]] 页面综合来看...
[结构化回答，附带 wiki 页面引用]

定期 Lint

lua 复制代码

你：请对知识库做一次 lint

Claude Code：
发现 2 个孤立页面（没有任何页面链接它们）
发现 1 处内容矛盾：[[react-hooks]] 和 [[frontend-patterns]] 对 useEffect 的描述不一致
已修复 3 处缺失交叉引用
写入 log.md：[2026-10-22] [LINT] 审计完成...

六、GitHub 同步：多端访问

bash 复制代码

# 初始化
cd my-second-brain
git init
git remote add origin https://github.com/你的用户名/second-brain.git

# .gitignore 排除大文件
echo "*.pdf\n*.mp4\n*.zip" > .gitignore

# 每次摄入后提交
git add .
git commit -m "ingest: 摄入《文章标题》"
git push

手机端：iOS 用 Working Copy 拉取仓库，Obsidian Mobile 打开同一目录，随时查阅。

七、用了一段时间后，真实感受

好的地方：

Wiki 越摄越厚，而且是结构化的知识提炼，不是原始材料的堆砌
交叉引用自动维护，Obsidian 的双链图谱直接可用，不用手动整理
log.md 记录了所有操作历史，能看到知识库的「成长轨迹」
再也不怕知识库「烂掉」------因为维护的活是 Claude 干的

踩过的坑：

CLAUDE.md 必须写清楚，描述模糊 Claude 会乱建页面、结构混乱
Source 文件要标记 ingested 字段，否则下次对话会重复摄入
页面之间有冲突时，Claude 会标注但不会自动解决，最终判断还是你来做
私密内容建议用私有仓库，或者敏感部分本地不推送

八、和市面上方案的对比

方案	核心问题
Notion AI	检索型，wiki 本身不会生长
RAG + 向量数据库	技术门槛高，知识不被提炼，原始文档直接作为上下文
普通 Obsidian 插件	还是靠人工维护，时间长了依然会烂
本方案	LLM 是维护者，知识库增量生长，维护成本接近于零

九、完整搭建步骤（速查）

bash 复制代码

# 1. 新建目录
mkdir my-second-brain && cd my-second-brain
mkdir -p wiki/{people,concepts,projects,resources,areas} sources

# 2. 创建 CLAUDE.md（复制上面的内容）

# 3. 创建空文件
touch index.md log.md

# 4. 初始化 git
git init && git remote add origin [你的仓库地址]

# 5. 用 Obsidian 打开这个文件夹

# 6. 在终端 cd 到这个目录，启动 Claude Code
claude

然后直接跟 Claude Code 说：「帮我摄入这篇文章」，它会按 CLAUDE.md 的规范自动完成所有操作。

总结

这套系统的本质：把知识库的维护工作外包给 LLM，你只负责提供材料和最终判断。

核心框架来自 Andrej Karpathy，我在他的基础上加入了 Claude Code 作为本地 agent、GitHub 做版本控制、Obsidian 做可视化层。

搭建时间：30 分钟内。长期维护成本：几乎为零。

你现在用什么方式管理个人知识？知识库最后是怎么烂掉的？欢迎评论区聊聊。

参考框架：Andrej Karpathy LLM Wiki