本文探讨如何将 Obsidian 作为 AI 时代的认知承载层，结合 Andrej Karpathy 的理念，利用 Claudian 插件和 CLAUDE.md schema 整合设计决策和 AI 对话历史，提升 AI 效率和上下文理解能力。同时，介绍定期进行 Lint 操作以保持知识库的健康，确保信息的可追溯性和结构性。

文章介绍了chao-rag-wiki技能，该技能通过将775篇文章存入4MB的向量库，实现快速检索和知识管理。与Karpathy的llm-wiki不同，chao-rag-wiki直接对原文进行语义索引，支持混合检索，能更全面地召回信息。两者各有优缺点，前者适合查找整理好的知识，后者适合快速检索原始资料。

llm-wiki是Andrej Karpathy提出的概念，旨在将个人笔记和博客整合为结构化知识库。通过LLM自动提取和管理信息，用户只需提供知识库结构。文章分享了将Notion和知乎内容导入Obsidian的过程，并探讨了知识库与个人认知模型的区别，强调了两者在结构化知识和个人特征建模上的重要性。

谷歌发布的开放知识格式（OKF）通过简单的Markdown和YAML结构，解决信息碎片化问题。该格式强调极少的强制规定、生产与消费分离，且供应商中立。文章介绍了相关工具，鼓励读者利用此格式提升信息管理效率。

团队通过Karpathy的llm-wiki思路，将安全开发规范文档编译成结构化Wiki，提升了文档管理效率。新生成的规范文档清晰易读，并关联真实案例，帮助开发者理解安全规范的重要性，有效降低了维护成本，提升了文档的可持续性。

本文介绍了如何在华为开发者空间利用Hermes Agent和Obsidian构建脂肪性肝病智能知识库。用户需创建云开发环境，安装Obsidian，并通过Hermes自动提取医学论文内容，形成结构化知识库。LLM Wiki模式提升知识管理效率，支持知识的持续积累与复用，最终用户可通过Obsidian查看知识图谱，便于学习和研究。

开发者通过LLM Wiki模式解决了OpenClaw智能体的记忆漂移问题，使其能够长期记住对话内容，提升工作效率。智能体Francis能够主动检索和记录信息，成为团队的永久成员，显著减少了上下文税，提升了任务处理能力，推动了智能体协作的进展。

Claude与Obsidian结合，构建个人知识库，AI自动维护，用户只需提供资料，AI提取关键信息并更新知识库，保持内容一致性。系统支持个人管理、研究和团队协作，维护成本几乎为零，用户可专注于思考与探索。

Memoriki结合LLM Wiki与MemPalace，解决AI对话中的记忆问题，实现知识的持续积累。通过结构化知识库和语义搜索，AI能够高效检索信息，记录会话日志，从而提升工作效率，成为长期合作伙伴。

OpenClaw 2026.4.7版本引入infer命令，简化AI模型调用，支持自动降级和任务流管理。新增memory-wiki系统，实现结构化知识管理，支持证据追溯和矛盾检测。通过webhook，外部系统可直接触发AI任务，提升自动化水平，旨在将AI从实验室工具转变为生产级应用。