我用 AI 搭了一套"知识萃取系统"，从此不再重复劳动

每天和 AI 聊了大量的问题，生成了很多文档，但过一段时间全忘了。

想找某个之前整理过的东西，找不到，只能重新问一遍 AI。知识在工具里，却进不了脑子。

这个问题困扰了我很久，直到我花了一天时间，搭了一套"个人知识萃取系统"，才算真正解决。

这篇文章把整个搭建过程完整记录下来，写给和我一样被信息淹没、但不懂代码的人。

先说清楚：这套系统能解决什么问题

在搭建之前，我的状态是这样的：

• 每天和 AI 对话产生大量内容，但对话结束就消失了
• 自己写了很多 MD 文档，但不知道怎么分类，找起来很麻烦
• 很多东西梳理过、形成过文档，但过一段时间就忘了，只能从头再来
• 把资料扔进 NotebookLM 这类工具，但不知道该问它什么

搭完之后，这套系统帮我做这些事：

• 所有文档统一收口，不再散落各处
• AI 每天自动读取新文档，生成摘要和标签，自动分类移动到对应文件夹
• 每天自动生成复习文件，我只需要看复习，不需要翻原始文档
• 每周做一次深度分析，发现知识之间的关联

整套系统搭完，我每天只需要做一件事：把有价值的内容扔进收件箱，其他全部交给 AI。

系统架构：三层分工

``` 每天自动 → 本地 AI 模型（处理文档、生成摘要、自动分类、更新索引） 每周手动 → Claude 网页版（深度分析、发现知识关联） 随时可用 → Obsidian（查看、搜索、编辑所有笔记） ```

本地模型负责高频的日常任务，完全免费、不占网络、速度快。Claude 网页版负责每周一次的深度分析，利用已有的会员，不额外花钱。Obsidian 是整个系统的"显示器"，所有内容都在这里查看和管理。

需要准备什么

开始之前，先把这几样东西装好：

Obsidian 免费的本地笔记工具，去 obsidian.md 下载，支持 Mac 和 Windows。

Ollama 本地运行 AI 模型的工具，去 ollama.com 下载安装，支持 Mac 和 Windows。装完之后在终端运行： ``` ollama pull qwen2.5:7b ``` 这会下载一个约 4.7GB 的中文 AI 模型，下载完成后备用。

Git 版本控制工具，用来同步文件到云端。Mac 用户打开终端，运行 `git --version`，如果显示版本号说明已经安装。Windows 用户去 git-scm.com 下载安装。

GitHub 账号 免费注册，地址 github.com，用来存储你的笔记备份。

Python Mac 自带，Windows 用户去 python.org 下载安装 3.9 以上版本。

第一步：搭建 Obsidian 文件结构

打开 Obsidian，新建一个库（Vault），取名"我的大脑"，选一个你想存放的位置。

然后在访达（Mac）或文件资源管理器（Windows）里，进入这个文件夹，新建以下子文件夹：

``` 我的大脑/ ├── 00-收件箱 ← 所有新东西先扔这里（AI 处理后自动清空） ├── 01-AI对话记录 ← 有价值的 AI 对话 ├── 02-知识库 ← 知识总结、博客、调研报告 ├── 03-项目 ← 产品文档、项目计划、白皮书 ├── 04-个人 ← 简历等个人资料 └── _attachments ← 图片、PDF 附件 ```

建完之后，在库的根目录（不是任何子文件夹里）新建一个文件，命名 `index.md`，内容先空着。

> 核心原则：任何新内容，先扔进 `00-收件箱`，不要想分类的事。分类是 AI 的工作，不是你的。

第二步：把 GitHub 配置好

这一步的目的是把你的笔记备份到云端，两台电脑也可以同步。

在 GitHub 创建私有仓库

登录 github.com，点右上角 `+` → `New repository`，填写： - Repository name：`my-brain` - 选择 `Private`（重要，保护隐私） - 下面三个选项全部不勾选

点 `Create repository`，创建完成。

把本地文件夹连接到 GitHub

打开终端，依次执行以下命令（把路径换成你自己的 Vault 路径，用户名换成你的 GitHub 用户名）：

```bash cd /你的Vault路径/我的大脑 git init git add . git commit -m "初始化知识库" git branch -M main git remote add origin https://github.com/你的用户名/my-brain.git git push -u origin main ```

执行过程中会弹出 GitHub 登录窗口，正常登录即可。

配置 Git 身份信息

```bash git config --global user.name "你的名字" git config --global user.email "你的邮箱" ```

在 Obsidian 里安装 Git 插件实现自动同步

打开 Obsidian → 设置 → 第三方插件 → 关闭安全模式 → 浏览社区插件 → 搜索 `git` → 找到作者为 Vinzent 的 Git 插件 → 安装并启用。

进入插件设置，填写： - `Auto commit-and-sync interval`：`10` - `Auto pull interval`：`10`

设置完成，以后每 10 分钟自动同步一次，完全不需要手动操作。

第三步：配置 Ollama 开机自启

让 Ollama 在后台常驻运行，脚本随时都能调用它。

Mac 用户在终端运行： ```bash brew services start ollama ```

Windows 用户：Ollama 安装完默认会开机自启，不需要额外操作。

第四步：创建自动化脚本

这是整个系统的核心。这个脚本会每天自动读取收件箱里的文件，用 AI 生成摘要、标签和思考题，自动判断分类并把文件移动到对应文件夹，最后生成一份复习文件供你核查。

安装依赖

终端运行： ```bash pip3 install requests --break-system-packages ```

创建脚本文件

打开任意文本编辑器（Mac 用户可以用 VS Code，Windows 用户用记事本），新建一个文件，把下面的内容完整复制进去：

```python import os import shutil import requests from datetime import datetime

VAULT_PATH = "/你的Vault路径/我的大脑" INBOX_PATH = os.path.join(VAULT_PATH, "00-收件箱") INDEX_PATH = os.path.join(VAULT_PATH, "index.md") REVIEW_PATH = os.path.join(VAULT_PATH, "02-知识库") OLLAMA_URL = "http://localhost:11434/api/generate" MODEL = "qwen2.5:7b"

FOLDERS = { "01-AI对话记录": os.path.join(VAULT_PATH, "01-AI对话记录"), "02-知识库": os.path.join(VAULT_PATH, "02-知识库"), "03-项目": os.path.join(VAULT_PATH, "03-项目"), "04-个人": os.path.join(VAULT_PATH, "04-个人"), "00-收件箱": INBOX_PATH, }

def ask_ollama(prompt): response = requests.post(OLLAMA_URL, json={"model": MODEL, "prompt": prompt, "stream": False}, timeout=120) return response.json()["response"].strip()

def process_file(filepath, filename): with open(filepath, "r", encoding="utf-8") as f: content = f.read() if len(content.strip()) < 50: return None print(" 正在处理：" + filename) prompt = ( "请阅读以下笔记，用中文回复。\n" "格式（严格按此格式，每项占一行）：\n" "摘要：用2-3句话总结核心要点\n" "标签：给出3-5个标签用#开头\n" "思考题：提出1个思考题\n" "归类：从以下选项中选一个最合适的，只写文件夹名称本身：\n" " 01-AI对话记录（与AI的对话记录、问答内容）\n" " 02-知识库（知识总结、学习笔记、博客文章、调研报告、方法论）\n" " 03-项目（产品文档、项目计划、SOP、白皮书、具体项目相关）\n" " 04-个人（简历、个人介绍、个人规划）\n" " 00-收件箱（以上都不符合，暂时保留）\n\n" "笔记内容：\n" + content[:3000] ) result = ask_ollama(prompt) folder = "00-收件箱" for line in result.splitlines(): if line.strip().startswith("归类："): raw = line.replace("归类：", "").strip() for key in FOLDERS: if key in raw: folder = key break break return {"filename": filename, "result": result, "folder": folder, "filepath": filepath}

def move_file(item): src = item["filepath"] dest_dir = FOLDERS[item["folder"]] dest = os.path.join(dest_dir, item["filename"]) if item["folder"] == "00-收件箱": return if os.path.exists(dest): base, ext = os.path.splitext(item["filename"]) dest = os.path.join(dest_dir, base + "_moved" + ext) shutil.move(src, dest) print(" 已移动：" + item["filename"] + " → " + item["folder"])

def update_index(processed_files): today = datetime.now().strftime("%Y-%m-%d") entries = "" for item in processed_files: if item: name = item["filename"].replace(".md", "") folder = item["folder"] entries += "- [[" + folder + "/" + name + "]]（已归类到 " + folder + "）\n" content = ( "# 我的知识地图\n\n" "## 最近新增（" + today + "）\n" + entries + "\n## 主要主题\n" "- [[02-知识库]]\n" "- [[01-AI对话记录]]\n" "- [[03-项目]]\n" "- [[04-个人]]\n" ) with open(INDEX_PATH, "w", encoding="utf-8") as f: f.write(content) print(" index.md 已更新")

def generate_review(processed_files): today = datetime.now().strftime("%Y-%m-%d") review = "# 每日复习 " + today + "\n\n" review += "> 以下文件已自动归类，请核查位置是否正确，如有误请手动移动。\n\n" for item in processed_files: if item: review += "## " + item["filename"].replace(".md", "") + "\n\n" review += item["result"] + "\n\n" review += "> 已移动到：" + item["folder"] + "\n\n" review += "---\n\n" path = os.path.join(REVIEW_PATH, "复习-" + today + ".md") with open(path, "w", encoding="utf-8") as f: f.write(review) print(" 复习文件已生成：复习-" + today + ".md")

def main(): print("知识萃取开始 " + datetime.now().strftime("%Y-%m-%d %H:%M")) md_files = [f for f in os.listdir(INBOX_PATH) if f.endswith(".md")] if not md_files: print("收件箱为空") return print("发现 " + str(len(md_files)) + " 个文件，开始处理...") processed = [] for filename in md_files: filepath = os.path.join(INBOX_PATH, filename) result = process_file(filepath, filename) processed.append(result) valid = [p for p in processed if p] for item in valid: move_file(item) update_index(valid) generate_review(valid) print("完成！处理了 " + str(len(valid)) + " 个文件")

if __name__ == "__main__": main() ```

> 注意：第一行 `VAULT_PATH` 里的路径要换成你自己的 Vault 实际路径。 > Mac 路径格式：`/Users/你的用户名/文件夹名/我的大脑` > Windows 路径格式：`C:/Users/你的用户名/文件夹名/我的大脑`

保存文件，命名为 `daily_process.py`，放到 Vault 根目录里（和 `index.md` 同级）。

测试运行

终端运行： ```bash python3 /你的Vault路径/我的大脑/daily_process.py ```

看到"完成！处理了 X 个文件"说明运行成功。

第五步：设置定时自动运行

让脚本每天定时自动跑，不需要手动触发。

Mac 用户

终端运行（把路径换成你自己的，`20` 代表晚上 8 点，根据作息自行调整）： ```bash (crontab -l 2>/dev/null; echo "0 20 * /usr/bin/python3 /你的Vault路径/我的大脑/daily_process.py") | crontab - ```

验证是否设置成功： ```bash crontab -l ```

Windows 用户

打开"任务计划程序"→ 创建基本任务 → 触发器选"每天" → 设置时间 → 操作选"启动程序" → 程序填 `python`，参数填脚本完整路径。

第六步：建立使用习惯

系统搭好了，剩下的就是养成习惯。

每天需要做的事（5 分钟）

有价值的 AI 对话结束后，加一句： > "帮我把这次对话的核心内容整理成 Markdown 格式，包含标题、核心要点、关键概念。"

复制输出，在 Obsidian 里 `Cmd/Ctrl + N` 新建笔记，粘贴保存到 `00-收件箱`。

晚上回来，打开 `02-知识库` 里当天生成的复习文件，做两件事： 1. 看一遍摘要和思考题 2. 核查每篇笔记末尾标注的"已移动到：XX"，如果位置不对手动拖过去

平时不需要主动翻原始文档，复习文件就是你日常需要看的全部内容。想深入某个知识点，点双链跳回原文；想搜索某个内容，`Cmd/Ctrl + Shift + F` 全库搜索。

每周一次深度分析（15 分钟）

把这周新增的笔记内容复制出来，打开 Claude 网页版，用这个提示词：

``` 我有以下几篇这周新增的笔记，请帮我做跨笔记深度分析：

[粘贴笔记内容]

请完成： 1. 找出这些笔记之间隐藏的关联和共同主题 2. 指出哪些知识点相互印证、哪些存在矛盾 3. 发现我最近思考的关注焦点是什么 4. 建议哪些笔记应该用双链连接 5. 生成 3 个值得深入探索的问题 ```

把分析结果新建笔记存回 Obsidian，命名 `周报-2026-W17` 这样的格式，长期积累。

思考题答不上来怎么办

看复习文件时，遇到思考题答不上来是完全正常的，不要有压力。

完全没印象的：直接打开原文重读一遍，读完合上文件，用自己的话复述一次。这个"读完就复述"的动作是最有效的记忆方式，比反复阅读强很多。

大概知道但说不清楚的：把题目扔给 Claude： > "这是我笔记里的一道思考题：[题目]。我的理解是：[你的想法，哪怕很模糊]。帮我补充和纠正。"

每天能认真对待 2-3 道思考题就足够了，不要试图全部答完。

让知识真正进入大脑

存进知识库只是第一步，真正的目标是让知识进入脑子里。

复习文件里每篇笔记都有一道思考题，不要只是读，试着关掉文件，用自己的话把这个知识点解释一遍。说不清楚的地方，就是还没真正理解的地方。

遇到重要概念，用这个方式检验自己：

> "我来解释一下 [概念]，你帮我指出哪里理解有偏差：[你的解释]"

能解释清楚，才算真的懂了。

整套系统一览

| 工具 | 作用 | 费用 | |------|------|------| | Obsidian | 笔记管理，查看所有内容 | 免费 | | Qwen2.5-7B + Ollama | 每日自动处理、分类文档 | 免费 | | GitHub | 云端备份，多设备同步 | 免费 | | Claude 网页版 | 每周深度分析 | 已有会员则免费 |

整套系统几乎零成本，本地模型完全免费，GitHub 私有仓库免费，日常运行不依赖任何付费服务。

写在最后

搭这套系统花了我一个下午，但它解决的是一个长期困扰我的问题：知识在工具里，却进不了脑子。

核心思路其实很简单：降低存入的门槛，用 AI 替代人工整理和分类，用复习机制让知识真正沉淀。