内容比较多可以收藏之后全文复制给你的Claude Code或者Codex阅读叫它帮你操作。也可以上厕所的时候慢慢看可以学到新的知识你可能遇到过这些问题。推特看到好文一顿复制粘贴。想找出来学习得手动翻半天。Notion 里存了几百篇笔记但这些笔记之间是孤立的。你根本不知道某个概念在其他地方出现过。每次问 AI 问题它都从零开始搜索临时拼凑答案。没有积累没有记忆Token还废掉一半。更要命的是你的笔记存在别人的服务器上。哪天服务关了数据就没了。ok我搭建的这套系统解决了这些问题。四个核心优点完全自动化你不需要手动整理笔记AI 自动帮你做本地存储数据永远属于你自己不会上传到任何服务器持久化积累知识会不断积累不是每次从零开始只需提问你只需要提问和探索其他交给 AI简单来说你把文档交给系统系统自动整理成结构化的知识网络。你可以用双向链接自由浏览。整条链路是文档导入 → AI 整理 → Wiki 生成 → 双向链接。全程不需要你手动操作任何图形界面文件丢进去自动成网。三个工具各有分工这套系统由两个工具组成。Obsidian笔记展示层Obsidian 是一款本地双向链接笔记工具。完全免费跨 Windows、Mac、Linux 三平台。它最核心的特点是双向链接。什么叫双向链接在笔记里输入两个方括号比如 [[Claude-Code-笔记]]Obsidian 会自动把它变成一个紫色链接。如果「Claude-Code-笔记」这篇笔记存在点击就能跳转。如果不存在点进去就会创建它。这就是双向链接的用法非常简单。它不需要你手动维护Obsidian 自动帮你建立关系。传统笔记软件的问题是什么写了几十篇笔记但这些笔记之间是孤立的。根本不知道「苹果」这个词在其他所有地方出现过。Obsidian 的 Graph View 可以把所有笔记和它们之间的链接关系可视化成一张图。一眼就能看到知识结构。看到哪些节点是孤岛哪些是枢纽。另外Obsidian 完全免费。个人使用没有任何限制。所有数据都在本地不会上传到任何服务器。Hermes Agent自动化执行引擎Hermes Agent 是 Nous Research 开发的自主 AI 代理。它最大的特点是内置学习循环能从经验中创建技能、改进技能。在这套知识管理工作流里Hermes 承担的功能是自动化执行引擎。它内置了 llm-wiki skill可以直接按 LLM Wiki 的文件结构规范操作知识库。这意味着什么你不需要手动创建文件夹、整理笔记、添加双向链接。你只需要告诉 Hermes「把这篇文章写入知识库」Hermes 就会自动提取文档中的关键实体人物、工具、项目提取核心概念方法论、技术原理创建结构化的 Markdown 文件添加 双向链接 连接相关概念更新知识库索引这里要强调一个重要的使用规则只有当你明确要求的时候Hermes 才会操作知识库。具体来说当你说「写入知识库」「导入知识库」「把这个文件放进知识库」的时候Hermes 才会执行导入操作当你说「结合知识库」「查一下知识库」「根据知识库回答」的时候Hermes 才会去检索日常的普通对话Hermes 不会主动去动你的知识库。这样做的好处是什么你的知识库不会被无关的对话污染。只有真正需要结合知识内容的提问才会触发检索。LLM Wiki 知识库标准LLM Wiki 不是一个独立的应用而是一套知识库文件结构规范。它定义了如何组织知识这套结构的核心思路是让 AI 增量构建一个持久化的 Wiki。什么叫持久化你导入一篇文档系统不会只是索引一下就完事了。它会真正理解这篇文档提取里面的关键实体、概念、关系然后生成或更新对应的 Wiki 页面。这些 Wiki 页面会保存在本地。随着你导入的文档越来越多这个 Wiki 会越来越丰富。页面之间会形成引用和关联矛盾的地方会被标注。当你再提问的时候不需要从原始文档里临时拼凑了。Wiki 里已经有了结构化的知识直接基于 Wiki 回答就行。而且会标注来源告诉你这个结论来自哪篇文档。完整工作流演示现在把两个工具串起来看。整个工作流的入口是 Hermes Agent。第一步下达指令比如你说「把这篇 AI 写小说的文章写入知识库」。这句话里有明确的动作「写入知识库」所以 Hermes 知道需要执行知识库写入操作。第二步Hermes 自动整理Hermes 通过内置的 llm-wiki skill 自动完成以下操作读取文档内容提取关键实体人物、工具、项目提取核心概念方法论、技术原理创建结构化的 Markdown 文件添加 双向链接 连接相关概念更新知识库索引和日志全程不需要你动手。第三步文件结构生成Hermes 会按 LLM Wiki 规范创建文件knowledge_base/ ├── raw/sources/ # 原始文章 ├── wiki/entities/ # 实体文件工具、人物 ├── wiki/concepts/ # 概念文件方法论 ├── wiki/index.md # 知识库索引 └── wiki/log.md # 更新日志每个文件都包含元数据标签、创建时间核心内容双向链接 指向相关页面第四步Obsidian 展示知识网络打开知识库目录把它作为 Vault 拖进 Obsidian。现在你就拥有了一个由 AI 精心整理过的知识库。双链网络可以自由浏览Graph View 可以看到知识点之间的关联强度。第五步无限循环这个过程可以无限循环。每次导入新文档知识网络都会自动更新。已有的页面会被补充新的信息与新内容矛盾的地方会被标注。不同文档里提到的同一个概念会被关联到同一个 Wiki 节点上。久而久之知识库会变得越来越准确越来越丰富。安装步骤第一步安装 Obsidian打开官网 obsidian.md下载 macOS 版本。安装之后打开 App。它会让你选择或创建一个 Vault。Vault 就是笔记仓库本质上就是一个文件夹里面装满了 Markdown 文件。你可以把已有的笔记文件夹直接导入也可以新建一个空白的 Vault。第二步安装 LLM Wiki访问 GitHub 上的 nashsu/llm-wiki在 Releases 找到最新版本。https://github.com/nashsu/llm_wiki下载 macOS 的 DMG 或 App tar.gz 文件。解压后把 LLM Wiki App 拖到应用程序文件夹。双击打开 App。第一次使用需要新建一个项目点击 New 或加号按钮。点击右下角的设置图标选择模型供应商填入你的 API Key。LLM Wiki 支持 OpenAI、Claude、Minimax 以及任何 OpenAI 兼容的 API 接口。第三步安装 Hermes AgentHermes Agent 是 Nous Research 开发的自主 AI 代理负责自动化执行。支持系统macOS、Linux、Windows安装步骤打开终端运行安装命令curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash安装完成后重新加载配置source ~/.zshrc检查是否安装成功hermes如果能进入 Hermes 对话界面说明安装成功。首次配置运行配置向导hermes setup选择模型提供商hermes model根据你的账号选择OpenAI、Claude、OpenRouter 等。配置知识库规则重要首次使用时告诉 Hermes 你的知识库规则我的知识库目录是/Users/你的用户名/Documents/knowledge_base规则 1. 只有我明确说写入知识库时才可以写入知识库。 2. 只有我明确说结合知识库时才先检索知识库再回答。 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。以后就可以直接说写入知识库或结合知识库Hermes 会自动执行。使用规则用好这套工作流只需要记住三条规则。规则 1说「写入知识库」Hermes 来整理当你有新的文档需要管理产品文档、会议记录、学习笔记、技术方案。你只需要告诉 Hermes「把这篇文章写入知识库」。Hermes 会通过内置的 llm-wiki skill 自动提取文档中的关键实体和概念创建结构化的 Markdown 文件添加 双向链接更新知识库索引全程不需要你动手。规则 2说「结合知识库」Hermes 来检索当你需要基于资料库来回答问题比如「根据我们已有的产品文档介绍一下我们的技术架构」。你加上「结合知识库」这几个字Hermes 就会检索知识库中的相关文档。AI 整合之后给你一个完整的回答并且标注来源。日常的普通对话Hermes 不会主动去读知识库。比如你问「今天天气怎么样」直接回答不会去查你的资料库。这样知识库不会被无关内容污染每次检索的结果也更精准。规则 3Obsidian 随时可用wiki目录可以直接拖进 Obsidian 当 Vault 使用。双链跳转、Graph View、全文搜索所有 Obsidian 的功能随时可用。你可以在 Obsidian 里边浏览、编辑笔记。所有内容都是纯 Markdown可以在任何工具之间迁移。总结写入知识库Hermes 自动整理。你说Hermes 做。结合知识库AI 检索、整合回答你的问题。知识库目录Obsidian 展示双链自由浏览。两个工具各有分工Hermes Agent 是自动化执行引擎负责接收指令提取结构化知识按 LLM Wiki 规范创建文件Obsidian 是笔记展示层负责双向链接和知识网络可视化用好这套工作流你不需要手动整理笔记。不需要每次都从零开始搜索。让 AI 替你做繁琐的知识管理工作你只需要专注于提问和探索。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
Hermes+Obsidian+LLM Wiki搭建本地知识库
内容比较多可以收藏之后全文复制给你的Claude Code或者Codex阅读叫它帮你操作。也可以上厕所的时候慢慢看可以学到新的知识你可能遇到过这些问题。推特看到好文一顿复制粘贴。想找出来学习得手动翻半天。Notion 里存了几百篇笔记但这些笔记之间是孤立的。你根本不知道某个概念在其他地方出现过。每次问 AI 问题它都从零开始搜索临时拼凑答案。没有积累没有记忆Token还废掉一半。更要命的是你的笔记存在别人的服务器上。哪天服务关了数据就没了。ok我搭建的这套系统解决了这些问题。四个核心优点完全自动化你不需要手动整理笔记AI 自动帮你做本地存储数据永远属于你自己不会上传到任何服务器持久化积累知识会不断积累不是每次从零开始只需提问你只需要提问和探索其他交给 AI简单来说你把文档交给系统系统自动整理成结构化的知识网络。你可以用双向链接自由浏览。整条链路是文档导入 → AI 整理 → Wiki 生成 → 双向链接。全程不需要你手动操作任何图形界面文件丢进去自动成网。三个工具各有分工这套系统由两个工具组成。Obsidian笔记展示层Obsidian 是一款本地双向链接笔记工具。完全免费跨 Windows、Mac、Linux 三平台。它最核心的特点是双向链接。什么叫双向链接在笔记里输入两个方括号比如 [[Claude-Code-笔记]]Obsidian 会自动把它变成一个紫色链接。如果「Claude-Code-笔记」这篇笔记存在点击就能跳转。如果不存在点进去就会创建它。这就是双向链接的用法非常简单。它不需要你手动维护Obsidian 自动帮你建立关系。传统笔记软件的问题是什么写了几十篇笔记但这些笔记之间是孤立的。根本不知道「苹果」这个词在其他所有地方出现过。Obsidian 的 Graph View 可以把所有笔记和它们之间的链接关系可视化成一张图。一眼就能看到知识结构。看到哪些节点是孤岛哪些是枢纽。另外Obsidian 完全免费。个人使用没有任何限制。所有数据都在本地不会上传到任何服务器。Hermes Agent自动化执行引擎Hermes Agent 是 Nous Research 开发的自主 AI 代理。它最大的特点是内置学习循环能从经验中创建技能、改进技能。在这套知识管理工作流里Hermes 承担的功能是自动化执行引擎。它内置了 llm-wiki skill可以直接按 LLM Wiki 的文件结构规范操作知识库。这意味着什么你不需要手动创建文件夹、整理笔记、添加双向链接。你只需要告诉 Hermes「把这篇文章写入知识库」Hermes 就会自动提取文档中的关键实体人物、工具、项目提取核心概念方法论、技术原理创建结构化的 Markdown 文件添加 双向链接 连接相关概念更新知识库索引这里要强调一个重要的使用规则只有当你明确要求的时候Hermes 才会操作知识库。具体来说当你说「写入知识库」「导入知识库」「把这个文件放进知识库」的时候Hermes 才会执行导入操作当你说「结合知识库」「查一下知识库」「根据知识库回答」的时候Hermes 才会去检索日常的普通对话Hermes 不会主动去动你的知识库。这样做的好处是什么你的知识库不会被无关的对话污染。只有真正需要结合知识内容的提问才会触发检索。LLM Wiki 知识库标准LLM Wiki 不是一个独立的应用而是一套知识库文件结构规范。它定义了如何组织知识这套结构的核心思路是让 AI 增量构建一个持久化的 Wiki。什么叫持久化你导入一篇文档系统不会只是索引一下就完事了。它会真正理解这篇文档提取里面的关键实体、概念、关系然后生成或更新对应的 Wiki 页面。这些 Wiki 页面会保存在本地。随着你导入的文档越来越多这个 Wiki 会越来越丰富。页面之间会形成引用和关联矛盾的地方会被标注。当你再提问的时候不需要从原始文档里临时拼凑了。Wiki 里已经有了结构化的知识直接基于 Wiki 回答就行。而且会标注来源告诉你这个结论来自哪篇文档。完整工作流演示现在把两个工具串起来看。整个工作流的入口是 Hermes Agent。第一步下达指令比如你说「把这篇 AI 写小说的文章写入知识库」。这句话里有明确的动作「写入知识库」所以 Hermes 知道需要执行知识库写入操作。第二步Hermes 自动整理Hermes 通过内置的 llm-wiki skill 自动完成以下操作读取文档内容提取关键实体人物、工具、项目提取核心概念方法论、技术原理创建结构化的 Markdown 文件添加 双向链接 连接相关概念更新知识库索引和日志全程不需要你动手。第三步文件结构生成Hermes 会按 LLM Wiki 规范创建文件knowledge_base/ ├── raw/sources/ # 原始文章 ├── wiki/entities/ # 实体文件工具、人物 ├── wiki/concepts/ # 概念文件方法论 ├── wiki/index.md # 知识库索引 └── wiki/log.md # 更新日志每个文件都包含元数据标签、创建时间核心内容双向链接 指向相关页面第四步Obsidian 展示知识网络打开知识库目录把它作为 Vault 拖进 Obsidian。现在你就拥有了一个由 AI 精心整理过的知识库。双链网络可以自由浏览Graph View 可以看到知识点之间的关联强度。第五步无限循环这个过程可以无限循环。每次导入新文档知识网络都会自动更新。已有的页面会被补充新的信息与新内容矛盾的地方会被标注。不同文档里提到的同一个概念会被关联到同一个 Wiki 节点上。久而久之知识库会变得越来越准确越来越丰富。安装步骤第一步安装 Obsidian打开官网 obsidian.md下载 macOS 版本。安装之后打开 App。它会让你选择或创建一个 Vault。Vault 就是笔记仓库本质上就是一个文件夹里面装满了 Markdown 文件。你可以把已有的笔记文件夹直接导入也可以新建一个空白的 Vault。第二步安装 LLM Wiki访问 GitHub 上的 nashsu/llm-wiki在 Releases 找到最新版本。https://github.com/nashsu/llm_wiki下载 macOS 的 DMG 或 App tar.gz 文件。解压后把 LLM Wiki App 拖到应用程序文件夹。双击打开 App。第一次使用需要新建一个项目点击 New 或加号按钮。点击右下角的设置图标选择模型供应商填入你的 API Key。LLM Wiki 支持 OpenAI、Claude、Minimax 以及任何 OpenAI 兼容的 API 接口。第三步安装 Hermes AgentHermes Agent 是 Nous Research 开发的自主 AI 代理负责自动化执行。支持系统macOS、Linux、Windows安装步骤打开终端运行安装命令curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash安装完成后重新加载配置source ~/.zshrc检查是否安装成功hermes如果能进入 Hermes 对话界面说明安装成功。首次配置运行配置向导hermes setup选择模型提供商hermes model根据你的账号选择OpenAI、Claude、OpenRouter 等。配置知识库规则重要首次使用时告诉 Hermes 你的知识库规则我的知识库目录是/Users/你的用户名/Documents/knowledge_base规则 1. 只有我明确说写入知识库时才可以写入知识库。 2. 只有我明确说结合知识库时才先检索知识库再回答。 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。以后就可以直接说写入知识库或结合知识库Hermes 会自动执行。使用规则用好这套工作流只需要记住三条规则。规则 1说「写入知识库」Hermes 来整理当你有新的文档需要管理产品文档、会议记录、学习笔记、技术方案。你只需要告诉 Hermes「把这篇文章写入知识库」。Hermes 会通过内置的 llm-wiki skill 自动提取文档中的关键实体和概念创建结构化的 Markdown 文件添加 双向链接更新知识库索引全程不需要你动手。规则 2说「结合知识库」Hermes 来检索当你需要基于资料库来回答问题比如「根据我们已有的产品文档介绍一下我们的技术架构」。你加上「结合知识库」这几个字Hermes 就会检索知识库中的相关文档。AI 整合之后给你一个完整的回答并且标注来源。日常的普通对话Hermes 不会主动去读知识库。比如你问「今天天气怎么样」直接回答不会去查你的资料库。这样知识库不会被无关内容污染每次检索的结果也更精准。规则 3Obsidian 随时可用wiki目录可以直接拖进 Obsidian 当 Vault 使用。双链跳转、Graph View、全文搜索所有 Obsidian 的功能随时可用。你可以在 Obsidian 里边浏览、编辑笔记。所有内容都是纯 Markdown可以在任何工具之间迁移。总结写入知识库Hermes 自动整理。你说Hermes 做。结合知识库AI 检索、整合回答你的问题。知识库目录Obsidian 展示双链自由浏览。两个工具各有分工Hermes Agent 是自动化执行引擎负责接收指令提取结构化知识按 LLM Wiki 规范创建文件Obsidian 是笔记展示层负责双向链接和知识网络可视化用好这套工作流你不需要手动整理笔记。不需要每次都从零开始搜索。让 AI 替你做繁琐的知识管理工作你只需要专注于提问和探索。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
