过去五年我一直都在重度使用 Notion。它让我快速搭好了资料库、任务库、项目页，习惯养成库，早期效率非常高。但进入 AI 时代之后，我越来越频繁地遇到几个现实问题:

  • Notion 的数据模型偏平台内闭环，导出可以做，但很难做到“长期无平台依赖”的工作方式。
  • AI 能力可用，但很多高频能力需要额外付费，且工作流可定制深度有限。
  • 我想做更细粒度的自动化时，经常要绕着产品边界走，最后还是回到大量手工操作。

这也是我这两年来决定将知识库管理迁移到 Obsidian 的原因。对我来说，意义主要在三点:

  1. 本地化存储。知识是 Markdown 文件，不是平台对象，备份、迁移、版本管理都更可控。
  2. 可自定义 AI。AI 不再只是“问答入口”，而是可以和我的知识库状态联动，跑固定流程。
  3. 插件生态丰富。Obsidian 允许我把“记笔记”变成“可执行流水线”。

迁移之后我做的第一件事就是重构流程。我把自己的学习与沉淀链路拆成 4 个 Codex skill:

  • clipping-update
  • daily-learning
  • study-outline
  • study-quiz

1. 我在 Notion 阶段踩过的坑

我之前有个很典型的问题: 收藏很多、阅读很多、真正沉淀很少。

具体表现是:

  • 同一主题的文章，格式差异巨大，后续检索和复盘成本很高。
  • “今天该学什么”靠临时决定，忙起来就断档。
  • 学完后很少留下结构化产物，下次还是从头读。

所以我给自己定了一个原则: 知识管理不能依赖意志力，要依赖可重复执行的系统。

2. 我现在怎么管理 Obsidian 里的文章知识库

我把 Obsidian 知识库拆成三层:

  • 数据层: 所有文章是本地 Markdown 文件。
  • 状态层: frontmatter 中用 学习状态、学习日期 做调度信号。
  • 执行层: 用 Codex skills 负责每一步固定动作。

这样做以后，我每天只需要推进状态，不需要重新设计流程。

3. 四个 Skills 的闭环

1
2
3
4
5
6
flowchart TB
    A["Clippings 原始文章"] --> B["clipping-update: 结构规范化 + metadata"]
    B --> C["daily-learning: 随机抽取候选并写入学习产物"]
    C --> D["study-outline: 生成 Mermaid 与 Excalidraw Outline"]
    D --> E["study-quiz: 生成/更新 Quiz 题库"]
    E --> F["可复盘资产库: Articles + Excalidraw + Archives"]

3.1. clipping-update: 把入口质量先拉齐

我习惯通过RSS订阅不同的文章，然后使用Obsidian Web Clipping插件将想要精读的文章保存到Obsidian的Clipping文件夹中。但是经常会碰到抓取保存后格式错乱的文章，如果自己编辑的话就会浪费很多不必要的时间。现在，我会让clipping-update帮我格式化文章。我只需要在codex中执行$clipping-update，它就会先帮我处理 Clippings 中最新一篇，主要是做三件事:

  • 正文结构规范化（标题、列表、表格、代码块、空白）
  • 必要时插入 Tip 阅读任务 callout
  • 重写 metadata（简要描述、分类、tags、状态 等）

这一步本质上是“数据清洗”，保证后面的步骤吃到的是结构化输入。

3.2. daily-learning: 自动启动当日学习

这个 skill 会从 Database/Articles.base 的“学习候选”视图随机抽 1 篇，命中后会:

  • 在正文顶部插入固定 学习产物 callout
  • 只创建链接，不提前创建实体文件
  • 更新 frontmatter: 学习日期=今天，学习状态=学习中

我之所以这么设计，是因为我发现学习流程最容易断在“启动阶段”。如果每天都要自己挑文章、建链接、改状态，哪怕每步只花几分钟，累计起来也会变成一种心理负担，最后就很容易拖延。

所以 daily-learning 的目标不是“聪明推荐”，而是“低阻力启动”:

  • 随机抽取候选，减少“今天学哪篇”的决策消耗。
  • 只做最小必要写入，执行快、失败面小。
  • 先把学习产物入口挂好，再交给后续 skill 接力生成内容。

它对我最有用的两个“防故障”设计是:

  • 如果文章已存在学习产物 callout，会跳过并重抽，保证幂等。
  • 重抽有上限，最多 min(候选池, 20)，避免无限循环。

带来的好处很实际:

  • 我几乎不再卡在“开始学习”这一步，日常执行更稳定。
  • 每篇被选中的文章都会自动挂上 Outline/Quiz 入口，后续动作不容易丢。
  • 状态统一更新后，study-outline 与 study-quiz 能无缝衔接，流程真正形成闭环。

3.3. study-outline: 用图谱逼出结构化理解

这个 skill 只处理 学习状态 == 学习中 的文章，产出两类结果:

  • 正文中的 ## 关键流程（Mermaid） 区块
  • Excalidraw/YYYY-MM-DD_文章标题_Outline.md 独立学习地图

我为什么坚持做“双图产物”，核心是把“读懂”变成可检验动作:

  • Mermaid 负责线性表达: 问题、机制、步骤、边界，一眼能复述主链路。
  • Excalidraw 负责空间表达: 概念关系、证据与质疑、风险与行动，适合做跨文章对照。

这个 skill 的约束我也刻意设得很硬:

  • 只改正文一个锚点区块，不触碰其他段落，避免污染原文。
  • 图谱独立落到 Excalidraw 文件，和文章正文解耦，便于长期复用。

带来的好处是:

  • 我复盘时不再从头读全文，先看图就能快速恢复上下文。
  • 同主题文章可以在 Excalidraw 层做横向拼接，沉淀成自己的认知地图。
  • 后续做 study-quiz 时，题目质量会更稳定，因为输入已经被结构化了。

3.4. study-quiz: 把理解变成可验证能力

这个 skill 会生成或更新:

  • Archives/YYYY-MM-DD_文章标题_Quiz.md

我做这一步的原因很现实: 只做笔记很容易产生“理解错觉”。当你能复述，不代表你能区分关键概念；当你能看懂，不代表你能迁移到新问题。

所以 study-quiz 我坚持三个设计点:

  • 题型固定为选择题，至少 6 题，每题都要有题干、选项、答案、解析，确保可快速自测。
  • 如果 Quiz 已存在，只更新 <!-- study-quiz:start --> ... <!-- study-quiz:end --> 标记块，不整篇覆盖，避免把我手写补充内容冲掉。
  • Quiz 文件按日期和文章标题落盘，和学习状态对应，方便回看一段时间内的学习质量。

它带来的好处是:

  • 我能很快发现“看起来懂”和“真正掌握”之间的差距。
  • 题目和解析会倒逼我补足概念边界，避免只记结论不懂机制。
  • 长期看，Archives 会沉淀成可复用的训练题库，新主题也可以拿旧题做横向对比。

4. 我平时怎么跑这套流程

我的日常节奏基本是:

  1. 新文章进 Clippings，先跑 clipping-update 做标准化。
  2. 每天执行一次 daily-learning，自动选当天学习目标。
  3. 学完后跑 study-outline，把理解画成 Mermaid + Excalidraw。
  4. 最后跑 study-quiz，把理解转成可测验题库。

时间久了我发现，自己不再是“收集很多链接的人”，而是“持续产出可复用知识资产的人”。

5. 结语

如果你也在从 Notion 迁移到 Obsidian，我的建议是: 先别急着做完美结构，先做一个能每天跑起来的最小闭环。AI 时代最稀缺的不是工具功能，而是你能否持续把信息变成自己的认知资产。