AISet + Obsidian：本地知识库驱动 AI 时代的个人内容引擎

0 / 16

本文基于 AISet + Obsidian 的实战经验，总结了一套可落地的个人内容引擎搭建方案。AISet 内置了完整的本地 AI 助手能力，并自带 LLM Wiki 知识库文件结构和 Memory / Skills 体系，帮你构建一个越来越了解你、没有 AI 味、可以复盘、可以积累复利的内容工作台。

01｜为什么是 AISet + Obsidian？AI 时代的最佳内容解决方案

核心问题：AI 不够了解你

很多人用 AI 的痛点不是 AI 不够强，而是 AI 不够了解你。每次对话都要从零交代背景，你是谁、你在做什么、你的风格是什么，每次都在补上下文。

AISet + Obsidian 解决的就是这个问题。

三个关键特性

特性	Obsidian	AISet（内置 Agent）
本地存储	所有笔记本地 Markdown	知识库 + Memory 全部本地 Markdown
	AI 友好	Markdown 是 AI 最友好的格式
双向链接	`[[wikilinks]]` 实现知识互联	wikilinks + 强制链接规则 + Agent 跨页面引用

为什么 AISet + Obsidian 是最优组合

市面上常见的组合是 "Obsidian + Claude Code / Codex"，需要单独安装和配置 AI 工具。我们的组合是 AISet + Obsidian：

AISet = 内置 Memory（持久记忆）、Skills（可复用方法论）、session_search（跨会话记忆），加上知识库的 LLM Wiki 文件结构
Obsidian = 你的本地知识库，用 AISet 的文件结构组织内容
AISet 知识库 = 不是通用百科，而是你消化过、验证过、形成自己判断的东西

AISet 知识库的核心价值：它让内置的 AI 助手成为真正了解你的人，集成了 Memory、Skills、知识库结构，形成一个越来越像你、没有 AI 味、可以复盘、可以积累复利的内容工作台。不是每一次都重新做，而是每一次都更好。

02｜AISet 知识库的四大模块

把 OB 系统简化为四个模块，每个对应一人公司最高频的工作场景。我们用这个框架，适配到 AISet 的 LLM Wiki 文件结构：

知识库/
├── wiki/
│   ├── 原始资料/     ← 模块一 + 二的原料入口（文章、论文、访谈、灵感碎片）
│   │   ├── 文章/
│   │   ├── 论文/
│   │   ├── 访谈记录/
│   │   ├── 灵感碎片/  ← 短篇小说创作原料（日常灵感、画面、对话碎片）
│   │   └── 附件/
│   ├── 实体/         ← 模块二的沉淀层（人、组织、产品）
│   ├── 概念/         ← 模块二的沉淀层（主题、方法、现象）
│   ├── 对比/         ← 模块二 + 四的交叉分析
│   ├── 查询/         ← 模块四的问题追踪
│   ├── 指南/         ← 模块三的输出（使用教程与速查）
│   ├── 概览/         ← 模块四的综合总结
│   └── index.md      ← 知识目录
│   └── log.md        ← 操作日志

模块一：内容输出（自媒体闭环）

对应 AISet 结构中的 指南/ 和 原始资料/文章/ 的输出部分。

灵感库 = 原始资料/文章/ + 概念/里的选题池

从日常和用户的交流中发现高频问题 → 存入 原始资料/访谈记录/
自己实践中产生的新认知 → 写成 概念/ 页面
阅读中被触发的灵感碎片 → 剪藏到 原始资料/文章/

草稿箱 = 在 Obsidian 里直接写，用 AISet 的 AI 助手辅助搭框架

流程：积累素材 → AISet 帮搭框架 → 在框架基础上完成正文 → 审稿
优势：AI 助手可以直接读取知识库内容作为素材来源

代表作 = 概念/ 和指南/ 中的已验证内容

已发布、效果好的内容沉淀为 概念/ 或 指南/ 页面
这些是 Agent 理解你内容风格的锚点——它知道什么样的表达是 "你的风格"

真正的价值不只是写文章更快：

把这些都交给 AISet 之后，你可以问更高维度的问题："基于我最近三个月的知识库内容方向和用户反馈，你觉得我的内容在往什么方向偏移？这个偏移对我的商业化有利还是有害？"——这是内容策略的问题，不是内容输出的问题。

模块二：知识沉淀（复利系统）

对应 AISet 结构中的 实体/ + 概念/ + 对比/。

这是整套系统的"弹药库"。这里存着的不是通用知识，而是 你已经消化过、验证过、形成了自己判断 的东西。

收藏夹 = 原始资料/文章/（带批注和标签）

每一篇都打过标签、写过批注：我为什么觉得它好、哪个观点触动了我、它对我的启发是什么
没有经过这一步加工的文章，不放进来（AISet 的页面创建阈值：2+ 来源提及或 1 来源为核心主题）

方法论 = 概念/ + 指南/（已验证的认知资产）

你自己提炼的 SOP、写作模板、选题框架 → 存入 指南/
你成型的知识产品方法论 → 存入 概念/

消化中 = 概念/（标注 confidence: 中/低）

正在学习但还没完全消化的内容
用 frontmatter 的 confidence 标记消化程度：高 = 已验证，中 = 正在消化，低 = 仅有印象

对商业决策的价值：

当你面临"我要不要开一个新的产品线"，AISet 不是在真空中帮你分析。它读得过你知识库里的所有方法论（Skills + 知识库内容），它知道你过去做成过什么、踩过什么坑、你的能力边界在哪里。它给出的建议不是"一般来说一人公司应该怎样"，而是"基于你过去的经验模式和当前的能力结构，你适合怎样"。

这就是为什么这个模块是"复利系统"——你往里面沉淀的每一份经过消化的知识，都在增加 AISet 理解你的精度，都在让未来每一次的决策建议更准确。

模块三：反思总结（成长系统）

对应 AISet 结构中的 log.md + frontmatter 更新机制。

每周写周记 → AISet 帮你"打散"：

新认知 → 沉淀到 概念/ 方法论里
价值观反思 → 更新到 AISet Memory（你的个人偏好和风格）
项目复盘 → 归档到 查询/ 或 概览/

在 AISet 里怎么做：

在 Obsidian 里写周记（可以存入 原始资料/访谈记录/ 或单独建一个 _周记/ 目录）
跟 AISet 说："帮我分析这篇周记，把有价值的内容拆分归档到知识库"
AISet 自动执行打散：
- 新概念 → 创建 概念/ 页面
- 冲突发现 → 标注 contested: true，创建 查询/ 页面
- 反思 → 写入 Memory

对决策的意义：

当你突然焦虑觉得商业化做得不够好、想去开辟新方向，AISet 可以结合你的 Memory 和最近的周记告诉你："你上个月也有过类似的焦虑，当时的结论是要聚焦而不是发散。你现在的情绪可能是阶段性的，建议先回顾上次的决策逻辑再做判断。"

模块四：项目归档（解决方案系统）

对应 AISet 结构中的 查询/ + 对比/ + 概览/。

这是最需要大家理解的一个模块。

大多数人对"项目归档"的理解是：项目做完了，写个复盘，存起来。但 AISet 的项目归档不只是传统意义上的"项目"。

第一类：实际项目

每个项目写背景、产出和复盘 → 存入 概览/，用 [[双向链接]] 关联到相关 实体/ 和 概念/

第二类："和 AI 聊过的大问题"

"中年以后的被动收入该怎么规划"
"我的商业模式有什么结构性风险"
"如果我想在五年内实现什么目标，路径是什么"

这些不是一次对话能解决的 → 创建 查询/ 页面，每隔一段时间拿出来重新聊。因为知识库在持续更新、方法论在迭代，同一个问题三个月前的建议和今天的建议可能完全不同。每一轮的结论都归档在 查询/ 页面，你能清楚看到自己思考的演进轨迹。

第三类："临时性的决策项目"

要见一个投资人 → 收集信息 → Agent 分析 → 形成准备材料 → 见完复盘
考虑要不要开新产品线 → 市场调研 + 能力评估 + Agent 建议 → 放在一起直到做出决策

这些都当作 查询/ 页面来管理，不是想到哪算哪，而是有归档、有追踪、有迭代。

知识库不只是输出工具，更是你的解决方案系统：

这是最核心的观点。如果你把知识库只当成自媒体内容输出的平台，太浪费了。AISet 知识库 = 你的解决方案系统——工作上的、事业上的、甚至人生方向上的问题，都在这里和 AI 助手一起思考。

03｜支撑 AISet 系统运转的三个基础设施

三个基础设施：AI 入职手册、内容源、工作流。在 AISet 体系下，对应物是什么？

基础设施一：AISet Memory + Skills（AI 助手的岗位说明书 + 方法论库）

其他 AI 工具用 CLAUDE.md 这种单文件当入职手册。在 AISet 体系下，这个角色由 Memory + Skills 承担：

传统 CLAUDE.md 内容	AISet 对应物
你是谁、你在做什么	Memory (user profile)
你的受众画像	Memory (user preferences)
你的内容调性	Memory + Skills
每个模块下 AI 的角色	Skills 定义角色和工作方式
你的标准和偏好	Memory (user preferences + corrections)
常见错误和踩坑	Skills 的 pitfalls 部分

关键区别：

传统方式是单文件入职手册，每次 AI 助手工作前都要读一次，消耗 token
AISet Memory 是自动注入到每一轮对话的，不需要每次手动加载
Skills 是按任务类型匹配的，只有相关 Skill 才会被加载，不浪费上下文空间

实操建议：

把你的核心身份信息（你是谁、做什么业务、受众是谁、风格偏好）写入 memory(target='user')
把你的方法论和 SOP 封装成 Skills（比如 seo-content-writer、小红书笔记生成）
把你的内容风格特征存入 Obsidian 的 指南/风格提炼.md
AISet 每次工作时：先读 Memory（自动） → 匹配相关 Skill → 参考知识库内容 → 输出

基础设施二：内容源（喂养 AISet 的原料入口）

第一类：用户反馈

从社群、私信、课程反馈中收集用户信号
存入 原始资料/访谈记录/
AISet 定期分析这些信号，发现选题灵感、迭代产品需求、发现认知盲区

第二类：主动学习

订阅 Newsletter、博主、播客 → 用 Obsidian Web Clipper 剪藏
剪藏后必须经过消化：写批注、提炼与已有认知的关联 → 才能进入 原始资料/文章/
没经过消化的，不放进来——这是最容易踩的坑

第三类：自己的实践

每做一件事、每交付一个项目、每尝试一个新方法 → 产生经验数据
这些是最有价值的内容源，因为是被验证过的、独属于你的
存入 概念/ 页面，标注 confidence: 高

基础设施三：工作流（让系统自动运转的 SOP）

知识库不是建完就完了的。如果你只是搭了漂亮结构但没有配套工作流，一个月后就会变成废弃仓库。

AISet 的核心工作流：

日常灵感捕捉流：
  任何场景产生想法 → 用最低成本记录（手机录音/随手记）
  → 每天让 Agent 帮你评估：
    哪些值得发展成选题 → 移入 知识库/概念/
    哪些只是碎片 → 归入 知识库/原始资料/
    哪些是对某个方法论的补充 → 更新 知识库/概念/对应页面

周记打散流：
  每周写完周记 → 交给 Agent
  → Agent 按预设规则拆分：
    新认知 → 创建/更新 概念/ 页面
    情绪反思 → 更新 Memory (user profile)
    项目进展 → 更新 概览/ 或 查询/ 对应页面
    值得发展的想法 → 移入 概念/ 作为灵感
  一篇周记写完，知识库 + Memory 五个地方同步更新

内容生产流：
  从 概念/ 选一个选题 → Agent 从知识库调取相关素材
  → Agent 基于 Memory 里的风格偏好生成初稿框架
  → 在 Obsidian 里润色形成正文
  → 发布后数据同步 Agent（3天后）
  → Agent 做复盘，结论沉淀到 查询/ 和 对比/
  → 指导下一次选题

三个基础设施的关系：

传统说法	AISet 版本
单文件入职手册是"AI 知道怎么帮我"	Memory + Skills = "AI 助手知道怎么帮我"
工作流是"AI 知道怎么具体做事"	AISet 工作流 SOP = "AI 助手知道怎么具体做事"
内容源是"AI 知道从我经历了什么"	知识库 + session_search = "AI 助手知道从我经历了什么"

04｜六个具体使用场景

场景 1：写出专属于你的、有活人感的文章

方法：永远不要从零开始写，先找素材，再搭框架，最后才动笔。

AISet 做法：

打开 Agent，说："结合知识库，根据我的定位和业务，给我 5 个选题建议"
Agent 会：
- 读你的 Memory（知道你是谁、做什么、什么风格）
- 搜索知识库里的 概念/ 和 原始资料/（知道你最近关注什么）
- 基于这些上下文给出选题
你选一个，说："根据我的风格和知识库内容来写，大概 2000 字"
Agent 输出的内容天然带着你的语感和你的经验——因为所有素材都来自你自己的知识库
润色后，说："你学习一下我的修改偏好"，Agent 把学到的更新到 Memory

场景 2：边学边输出，拿回创作的主体性

解法：不要为了输出而输出，先学点东西，学完再输出。

AISet 做法：

找到一份学习资料 → 剪藏到 原始资料/文章/
跟 Agent 说："我最近在学习这个方向，这是学习资料，需要你辅助我先学习消化，最后再产出内容素材——可以发到公众号、小红书、朋友圈的那种短素材"
Agent 变成你的私教：讲解、提问、案例拆解、对你实际情况的诊断，一步一步带你把知识学进去
学完后说："现在帮我基于刚才学到的东西，产出一篇适合我的渠道发布的内容"
输出的内容是你真正消化过的——你学了、你理解了、你有自己的判断了，然后才表达出来

场景 3：学习 YouTube / 英文资料

方法：Obsidian + AISet + Web Clipper，不用手动下载字幕。

AISet 做法：

用 Obsidian Web Clipper 插件采集视频页面内容 → 落到 原始资料/文章/
在 Agent 里说："把知识库/原始资料/文章/里刚采集的这份英文内容翻译成中文逐字稿"
Agent 完成翻译后，你可以继续针对这份内容与 Agent 深度对话和提问
交互中产生的高质量文字，让 Agent 存进知识库的 概念/ 里
这样不仅打破语言障碍，还让 Agent 帮你对长内容做结构化重组，高效完成知识内化

场景 4：一键生成你的原创虚拟产品

实战案例：10 期训练营逐字稿 → AISet 10 分钟提炼出 8000-10000 字的指南。

AISet 做法：

把你的逐字稿/原始材料存入 原始资料/访谈记录/ 或 原始资料/附件/
跟 Agent 说："知识库里存了 X 期训练营的逐字稿，根据这些内容，提炼一份针对 XX 新手的指南，需要结构清晰，知识点循序渐进，有原理、方法论还有案例，8000-10000 字"
Agent 读取知识库内容，提炼生成
产出存入 指南/ 对应页面
后续每次更新知识库，Agent 都可以帮你迭代这份指南

场景 5：短篇小说创作——用知识库喂养你的虚构世界

方法：不是让 AI 替你写小说，而是用知识库构建你的"世界观弹药库"，让 AISet 辅助你完成从灵感→大纲→初稿→润色的全流程。

AISet 做法：

灵感采集：日常生活中的画面、对话碎片、情绪瞬间 → 用最低成本记录（手机随手记） → 每天让 AISet 帮你评估哪些值得发展成故事素材，存入 原始资料/文章/
世界观构建：跟 AISet 说："我想写一个关于 XX 的故事，帮我从知识库里找相关素材，再帮我搭世界观框架" → AISet 会：
- 搜索你知识库里的 概念/ 和 实体/（你消化过的心理学知识、社会观察、人物原型）
- 帮你搭建角色设定、冲突结构、叙事节奏框架
- 所有设定存入知识库 概念/ 页面，用 [[双向链接]] 互相关联——角色→动机→冲突→结局，形成一张可追溯的故事地图
大纲生成：跟 AISet 说："基于刚才的世界观设定，帮我写出分章节大纲，每章标注核心冲突和情绪转折点" → AISet 从你的设定和风格偏好生成大纲
逐章推进：选定一章，跟 AISet 说："帮我写这一章的初稿，注意保持我的叙事风格——短句多、少用形容词、对话要有节奏感" → AISet 读过你的 Memory 里的风格偏好和知识库里的代表作，输出天然带着你的语感
润色迭代：在 Obsidian 里改稿 → 改完后跟 AISet 说："我改了这几处，你学一下我的叙事偏好，记录到 Memory" → 下次再写，风格更贴合你
人物深度挖掘：跟 AISet 说："这个角色在遭遇 XX 时，心理防线会怎么崩？参考我知识库里关于创伤心理和防御机制的笔记" → AISet 从你消化过的心理学知识中推理，给出有深度的人物弧线建议

关键原则：

AISet 不替你写——它帮你搭框架、找素材、推进节奏、润色细节，但故事的核心情感和判断必须是你自己的
知识库里的真实观察（你存入 原始资料/ 的生活碎片）是虚构写作最好的弹药——最真实的细节来自最真实的经历
每次写作后让 AISet 学习你的修改偏好，它的叙事辅助会越来越精准

场景 6：洞察你想了解的人

方法：把对方公开资料收集进项目归档，让 AI 推测此人深层特征。

AISet 做法：

收集对方的公开资料（朋友圈、文章、小红书笔记、群聊发言） → 存入 原始资料/文章/
创建一个 查询/ 页面，主题就是"了解此人"
跟 AISet 说："根据知识库里关于此人的资料，推测一下——他可能看过什么书、原生家庭大概什么样、坚信什么理念、被什么东西伤害过、喜欢什么样的人不喜欢什么样的人"
AISet 可以从碎片信息中识别出模式——这种模式识别能力远超人类直觉
见面时验证 AI 助手的判断，复盘结果更新到 查询/ 页面

05｜从零搭建你的 AISet + Obsidian 知识库

第一步：先往里面放你自己的东西

不要对着空库发愣。打开浏览器，用 Web Clipper 插件把你以前发过的、数据比较好的笔记采集下来，放到 Obsidian 的 原始资料/文章/ 里。

Agent 先读你的参考样本，才能知道你是谁、你的风格是什么、你在做什么业务、你的哪些内容能获客。

第二步：一键初始化知识库（推荐）

如果你还没建知识库，或者想从头搭建，可以用这条初始化命令直接让 AISet 帮你生成完整结构：

知识库规则：

我的知识库目录是：E:\aiset_data\lite\知识库
加载 llm-wiki 技能，初始化一个全中文的 AI/大模型/Agent/创作研究知识库，如已存在则先读取 SCHEMA+index+log 定向。
要求：
目录名全中文：原始资料/（文章、论文、访谈记录、灵感碎片、附件）、实体/、概念/、对比/、查询/、指南/、概览/
标签体系用中文（8 类）：
模型/架构：模型、架构、大语言模型、多模态、开源模型、国产大模型
训练/技术：训练、微调、LoRA、RLHF、推理优化、量化、对齐
Agent：Agent、工具调用、RAG、多智能体、代码 Agent、Agent 框架
公司/组织：公司、创业公司、实验室、OpenAI、Google、Meta、Anthropic、中国公司
人物：人物、研究者、创始人
产业/商业：融资、产品、评测、监管、政策
创作/写作：创作、写作、小说、叙事、灵感、世界观、人物设定、风格、润色
元信息：对比、时间线、争议、预测、概览
页面标题和正文全中文，文件名可用英文小写 + 连字符
每页 frontmatter 必含 title、created、updated、type、tags、sources
短篇小说创作规范：

灵感碎片页（原始资料/灵感碎片/）frontmatter 含 status: 原始 | 已评估 | 已发展

世界观与角色设定页（概念/）frontmatter 含 belongs_to: [[故事名]]

故事大纲页（指南/）frontmatter 含 characters、status: 大纲 | 初稿 | 润色 | 完成
输出：wiki 结构、标签清单、就绪状态
规则：1) 只有我明确说"写入知识库"时才可以写入。2) 只有我明确说"结合知识库"时才先检索再回答。3) 所有知识页使用 Markdown 和 [[双向链接]]。4) 使用 LLM Wiki 文件结构管理知识库。

AISet 会自动执行以下操作：

检查知识库是否已存在，如果存在则先读取 SCHEMA.md + index.md + log.md 进行定向
如果不存在，按 LLM Wiki 技能的标准流程创建完整目录结构（8 个全中文目录 + index.md + log.md + SCHEMA.md）
生成 SCHEMA.md，包含 8 类 49 个中文标签、frontmatter 规范、短篇小说创作规范
生成 index.md 知识目录和 log.md 操作日志
输出标签清单和就绪状态确认

如果你已经有知识库了，可以直接跳到第三步。

第三步：跟 AISet 聊需求

举一个提示词示例：

"我是一个 [你的定位] 方向的博主，在小红书上卖 [你的产品]，已经有了一些笔记了，我想用 AISet 知识库搭建一套我的内容工作流，包括从收集灵感、给到选题、写草稿、润色、待发布、数据复盘、自动化归档等全流程，你可以帮我设计这个知识库的结构吗？先和我讨论，然后再动手干。"

关键点："先和我讨论，然后再动手干"——这就是 Plan 模式，先让 Agent 出方案，别让它直接执行。

第四步：回答 AISet 的提问，补充需求

Agent 读完你的参考样本后会开始问你问题：如何管理灵感？要不要自动推送选题？需不需要数据追踪？自动化程度要多高？写作习惯是什么？

这一步，把你的目的和脑子里粗糙的想法告诉它，然后和 AISet 讨论。

第五步：确认 AISet 给出的工作流结构

Agent 最终会给出一个工作流，比如：

灵感采集 → 原始资料/文章/
    ↓ Agent 评估分类
概念/ 页面（选题池）
    ↓ Agent 埮框架
草稿 → 在 Obsidian 写
    ↓ 润色
待发布 → Agent 自动学习风格
    ↓ 发布 + 数据追踪
查询/ 对比/ 页面（复盘结论）
    ↓ 指导下一次选题

你觉得 OK，就说"确认，开始干"。Agent 就开始创建文件夹和模板，遵循 AISet 的 SCHEMA.md 规范（frontmatter、标签体系、命名约定）。

第六步：让 AISet 提取你的风格

跟 Agent 说："结合知识库，提取我的写作风格特征。"

Agent 会去读你放进去的已发布内容，分析你的写作风格特征，然后：

写入 Memory（你的风格偏好）
创建 指南/风格提炼.md 页面

第七步：和 AISet 跑通一次完整的内容生产流程

采集灵感：在小红书搜索你的赛道关键词，找数据不错的笔记，用 Web Clipper 采集，落到 原始资料/文章/。然后跟 Agent 说"帮我把这些内容分析归类到知识库"
获取选题：跟 Agent 说"结合知识库给我五个选题"。Agent 从你的知识库内容中推理出选题建议
写初稿：选一个选题跟 Agent 说"写这个吧"。Agent 写完，你在 Obsidian 里保存到草稿
润色：直接在对话中跟 Agent 互动修改。比如："我不喜欢这种符号，全部去掉，你学习一下，然后记录到 Memory。"Agent 学完之后下次不会再犯
归档：润色完的内容存入 概念/ 或 指南/，发布后数据追踪存入 查询/ 或 对比/

第八步：在日常使用中持续打磨

原文说得很好："一次把 CLAUDE.md 写好是不太可能的。因为咱们每一次都要在里面工作的嘛，工作的时候顺便把它完成就好了。"

在 AISet 体系下同理：一次把 Memory 和 Skills 写完美是不可能的。每次工作时顺便更新就好了。

发现 Agent 不听话 → 让它把踩坑教训写进 Skills 的 pitfalls
发现风格偏了 → 更新 Memory
发现新方法论 → 创建 概念/ 页面或封装成 Skill

06｜五个踩坑经验（AISet 版本）

原文总结了 5 个踩坑经验，我们适配到 AISet 体系：

一、不要把知识库变成百科全书

原文：你不需要让 AI 了解你的全部家底，放最近半年最能代表你此刻状态的东西就够了。放太多，AI 跑得慢、消耗 token 多、输出也失焦。

AISet 版本：

AISet 的页面创建阈值规则：实体/概念在 2+ 来源中被提及，或在一个来源中为核心主题才创建页面
不要什么都往里塞，只放 能代表你此刻状态和核心认知 的东西
超过 200 行的页面要拆分（SCHEMA.md 规定），避免单页过长
Memory 也要精简：只存 durable facts，不存临时 TODO 和过期信息

二、不要放你没有消化过的东西

原文：我用 Web Clipper 剪藏了大量网上的内容，但自己连看都没看过，AI 基于它们产出的内容我根本没有发布的动力。

AISet 版本：

知识库里的每一条素材，你至少应该读过、思考过、打过标签
原始资料/文章/ 里剪藏的东西，必须在 frontmatter 里写批注：我为什么觉得它好、哪个观点触动了我
没经过消化步骤的，不放进来
confidence 标记可以帮助你区分消化程度：高 = 已验证，中 = 正在消化，低 = 仅有印象

三、不要放随时会变的东西

原文：AI 工具教程迭代太快，今天放进去明天就过时，反而会"污染"知识库。

AISet 版本：

时效性极强的信息（AI 工具教程、平台规则），用的时候让 Agent 现搜就好，不需要沉淀
内容完全过时的页面 → 移入 _归档/ 目录，从 index.md 删除（SCHEMA.md 的归档规则）
Memory 里也不存会过期的信息：不记 PR 号、issue 号、commit SHA，这些 7 天后就没用了

四、不要迷恋完美体系再开始

原文：搞了 N 版才想通。你不需要第一天就把结构设计得很漂亮，关键是先记录起来、用起来。

AISet 版本：

AISet 的 SCHEMA.md 提供了现成的结构规范，你可以直接用它起步
但不要一上来就研究标签系统、反向链接这些高级功能
新手最重要的事只有一个：先记下来
等你有基础素材积累后，再和 Agent 一起共创更精细的结构
没有基础素材，Agent 什么都帮不了你

五、不要只把它当内容工具

原文：如果你的知识库只服务于"今天发什么笔记"，你浪费了它 90% 的价值。把它当成你的解决方案系统。

AISet 版本：

这是最想强调的一点
AISet 知识库不只是 Obsidian 笔记库 + Agent 写稿工具
它是你的解决方案系统——职业方向、商业决策、人际关系、个人成长
所有需要深度思考的问题，都值得在 查询/ 页面里和 Agent 一起碰撞
每次碰撞的结论沉淀到 概览/，形成你的人生决策参考资料库

07｜AISet 的独特优势

Memory 自动注入：不需要像传统单文件入职手册那样每次全量读取，只注入最关键的事实，节省 token
Skills 模块化：按任务类型匹配加载，不浪费上下文空间
知识库规范化：SCHEMA.md 提供统一规范，不用自己想结构
session_search 跨会话记忆：AI 助手可以检索你过去的对话历史，记忆范围比单文件入职手册更广
frontmatter 结构化：每个页面都有 type、tags、confidence 等元数据，方便 Dataview 查询和 AI 助手分析

08｜快速启动清单

如果你想现在就开始搭建 AISet + Obsidian 知识库，按这个顺序：

确认 AISet 知识库路径：E:\aiset_data\lite\知识库\
一键初始化知识库：复制上面"第二步"的初始化命令，粘贴给 AISet，让它自动创建完整结构（8 类 49 个中文标签 + 短篇小说创作规范）
阅读 SCHEMA.md：了解目录结构、标签体系、命名约定、创作规范
用 Web Clipper 采集 5 篇你的代表作：放到 wiki/原始资料/文章/
跟 AISet 说："帮我提取我的写作风格特征，写入 Memory 和知识库"
创建你的第一个选题：跟 AISet 说："结合知识库，给我 5 个选题建议"
写第一篇内容：选一个选题，让 AISet 帮你搭框架
润色后让 AISet 学习："你学习一下我的修改偏好，记录到 Memory"
重复步骤 6-8，持续迭代

AISet + Obsidian：本地知识库驱动 AI 时代的个人内容引擎。搭建一个越来越了解你、没有 AI 味、可以复盘、可以积累复利的内容工作台。不是每一次都重新做，而是每一次都更好。

阅读全文