用AI + Obsidian精通任何一个知识领域：AI深度研究未知领域，一键搭建Obsidian知识库架构和学习路径

面对一个陌生的知识领域 如何正确使用AI来搭建知识体系 从0开始学习并精通这项知识 今天我们来创建一个工作流呃 利用AI加obsidian 针对一个陌生的知识领域 构建学习路径和知识图谱 搭建我们的知识库架构 然后深入学习并精通这门知识 视频视视频 画面上展示的 就是由AI为我生成的 obsidian知识库架构和知识图谱 面对一个我完全陌生的知识领域

AI的深度研究 能够迅速的为你深入探索 并规划学习蓝图 构建知识体系和学习路径 然后利用CURSOR类工具 来搭建obsidian知识库架构和知识图谱 最终在这个知识库里填充知识笔记 深入学习并精通这个领域 那整体的工作流程 呃我已经用白板展示在屏幕上了 那接下来 我们就一步一步的来实现这个工作流 我列出了本期视频中用到的工具

首先是具有deep research功能的AI 比如谷歌的Gemini。 AI工具的选择呢

比如谷歌的Gemini。 AI工具的选择呢 具备很强的时效性 因为他们的技术迭代很快 呃比如现在这个时间点呢 GPT5刚发布 而国内的千问 Kimi也都刚发布了 自己最强性能的新版本 呃大家要多关注最新资讯 选择最适合自己的AI 那说到Kimi呢 目前Kimi的深度搜索功能呢 据说呃也很强大呃但是呢 k呃需要在Kim的官网申请内测资格 那感兴趣的同学呢

可以试一试 那除了deep research之外呢 呃我们还会呃用 到普通的大语言模型 那这里选择你常用的即可 然后我们会用到呃 cursor类工具来搭建obsidian知识库架构 大家可能会有疑问 cursor不是呃辅助编程类的工具吗 那它为什么会接管Obsidian知识库 那这个问题呢 我会放到后面来详细讲 那这里我就先说一下 还有哪些工具可以代替cursor 呃我最推荐的呢 呃就是tree 2.0的国内版

也就是字节跳动 最新发布的辅助编程工具 呃它内置了千问豆包kimi deepseek呃 等优秀的国产大模型 并且可以配置自己的API key 来使用国外的AI大模型 那同时呢 界面的中文环境很友好 那除了TRAE呢 我们还可以使用比如Gemini CLI， claude code 或者用vs code搭配cline插件啊 不过这几个工具呢 大多都需要网络环境 并且呢还是命令行工具啊 不太适合普通人啊

所以我们就用啊TRAE 2.0就好了 那最后呢 就是知识管理工具obsidian 那接下来我们就正式开始这个工作流 首先面对一个完全陌生的知识领域 我们如何快速的 去获取到一份高质量的 精准的学习蓝图 呃这里呢 我们就需要使用AI的deep research功能 来实现深度研究 功能呢会进行全面的呃 全网检索阅读和分析 最终呢生成一份深度的调研报告

呃而这里呢 我们还会有另外一种情况 那就是呃 我想要学习一个知识领域 并且我手上已经有了很多的学习资料 呃比如说 呃几十本专业的PDF电子书和word文档 以及各种在线文档 那这种情况下 我们并不是信息匮乏 而是信息过载 在这个场景下呢 最佳的工具是谷歌的Notebooklm 它是一个基于你私有资料的AI助理 呃它的知识边界 被严格限定在你上传的文档之内 呃

你可以让Notebooklm针对你上传的资料 来为你生成学习蓝图与调查报告 这个场景呢 比较适合我们 想要学习一本专业的书籍 或者准备一项考试 呃比如托福雅思啊 司法考试CFA这些 那么我就以一个真实的案例 来开始这个步骤 那 我选择了AI提示词工程这个知识领域 首先 我使用谷歌Gemini的deep research功能 我输入了这样的一段提示词 让Gemini开始进行研究 点击开始研究之后呢

它会耗费一定的时间 我们先把它放到一边儿 那在另一边儿呢 啊我们使用Notebook LM 我正好现在手上呢 呃就有很多关于AI提示词工程的PDF 电子书和电子资料 那很多呢 都是权威专业的 呃就比如Openai的提示词工程指南 谷歌2025年发布的提示词工程手册 还有微软的提示词工程资源集合 那还有一些GitHub上的优质资源库啊 我把这些资料呢 全部上传到Notebook LM

然后发送提示词 让它对现有的资料进行宏观理解 然后设计学习路径 最后把学习路径 转换成Markdown格式的学习路径大纲 而另一边呢 deep research的研究也结束了啊 我们把研究报告呃下载下来呃 导出为PDF模呃PDF格式 然后把研究报告发送给大语言模型 这里我依旧选择Gemini 因为Gemini的上下文呃TOKEN非常长 嗯同时呢 发送一段提示词

要求它针对这个研究报告 生成一份Markdown格式的学习路径大纲 这个Markdown大纲的格式呢 我在这里展示一个样例 首先就是二级标题 用于标志该知识领域的 最核心的宏观知识分类 其次就是三级标题 用于标志每一个分类下的具体的 独立的知识主题 那最后呢 就是每个三级标题下的无序列表啊 就是针对该知识主题下 拆分到最细的原子级别的知识点 那这些知识点呢

最终会生成obsidian中的知识笔记啊 对应我们常说的原子笔记 那我们来看一下 Gemini和NotebookLM 生成的Markdown格式的大纲呃 基本上都很符合我们的要求 这里我要强调的是呢 不管是生成的研究报告 还是Markdown Markdown的大纲 我们都需要亲自对内容进行校验 反复的和AI进行校对和讨论 直到它们生成的内容你满意了为止 那到这呢 前两个步骤就结束了 我们得到了一份 Markdown格式的学习路径大纲

那接下来呢 也是最重要的一步啊 使用CURSOR的工具 按照Markdown大纲来构建知识库框架 那这里我要着重说一下呃 在视频开始我提出的问题 为什么CURSOR的辅助编程工具 相比于obsidian的AI 插件儿更适合在这样的场景中使用 Cursor类的工具呢 它的核心能力 是理解和操作一个项目的整体结构 它们的本质呢 是代码编辑器 也就是辅助编程工具 与文件系统的交互

是它们与生俱来的核心能力啊 它们被赋予了操作文件系统的权限 那所以呢 创建移动修改或者删除文件和目录 对它们来说呢 是基本操作 所以呢如果我给它一条指令 让它根据一个大纲 创建10个文件夹和50个Markdown文件 并且自动填充内容 这对它们来说呢 是轻而易举 而obsidian的AI插件能做到吗 那技术上是完全可以的 但实践中呢 很少有插件会这么做 obsidian的插件呢

API确实提供了创建删除重命名文件 或者是文件夹的接口 就比如说app.vault.create()这个方法

就比如说app.vault.create()这个方法

但是呢 绝大多数的AI插件的核心功能 是文本生成 而不是文件系统管理 并且呢Obsidian定插件还会有一些风险 也就是说 让一个插件 拥有随意删除文件和文件夹的权限 风险比较高啊 而且复杂的批量文件操作指令 很难通过插件的UI来实现啊 所以呢 目前几乎没有哪个主流的AI插件 会提供像cursor这样强大的 通过一条呃AI提示词

就能够重构整个知识库目录的功能 那总体来说呢 Cursor类的工具在这个场景下 实现的是一个类似于建筑师的角色啊 它构建的是一个建筑的整体结构 而obsidian的AI插 件呢则是室内设计师 它实现的 是对于每一个已经存在的知识笔记 进行内部的精装修 所以呢在这一步 我们才会使用cursor 来全权接管obsidian知识库 从而创建知识库的架构

而这也恰恰是obsidian的优势 因为它的知识库文件完全本地化 完全属于你个人 你可以按照自己的意愿 把这些知识知识库的笔记呢 交给其他任何的工具来进行操作 而这一点呢 类似于notion这样的工具 是很难做到的啊 那cursor类的工具 我刚才已经介绍过了 有字节跳动的TRAE 有Gemini CLI claude code或者是vs code加cline插件 那这里我使用TRAE 呃原因我前面也说过了 呃中文友好且免费

还可以设置自己的API key 那屏幕上展示了4个步骤 每个步骤都有一个AI提示词 用于发送给TRAE 首先第一步 我们在obsidian知识库创建一个文件夹 就叫提示词工程 然后把刚才生成的Markdown大纲放进去 然后使用TRAE 来打开这个提示词工程文件夹 然后输入第一步的提示词 根据大纲中的二级标题 来创建对应的文件夹 而这里我选择的模型呢 是g l m 4.5 也就是智普AI

在7月份新发布的大模型 推理性能非常不错啊 你也可以选择你认为可靠的AI模型 或者设置自己的API key啊 还是那句话 AI呃 它的时效性比较强 那不同时间段呢 呃不同的AI模型 它的性能也 不一不一样啊 大家可以选择自己认为可靠的模型 就可以了啊 这里我还要强调的一点就是说 你给的提示词必须指令明确 同时呢最好给出样本提示 也就是举例 不要给出一个模糊的提示词

那如果它的执行结果有问题 你还可以和AI呢 进行反复的审查和校验 直到它生成正确的内容 在实际操作中呢 偶尔还是会有一些错误 或者是AI幻觉啊 你需要进行人工校对 然后让AI进行修正 那接下来是第二步 根据大纲中的三级标题 创建子文件夹以及MOC内容地图笔记 那大模型的思考和执行的过程呢 我就进行了加速 那最终的结果呢 也没有任何问题 那第三步

就是根据每一个无序列表项 创建Markdown原子笔记 然后在每一个MOC索引笔记中 建立双向链接啊 这一个步骤呢 过程比较长 中途如果提示你思考次数已达上限 你只要点击继续就可以了 那AI修改过的笔记呢 会提示你进行审查 我们点击全部接受就可以了 那最后第四步啊 就是创建一个关于知识主题的 一个总览的一个文件 也就是一个汇总的 最高级别的MOC索引笔记

那最后我们来检查一下效果 看看文件夹结构和Markdown笔记 是否都正确 创建那我们对比最开始的Markdown大纲 整个文件夹结构和大纲 基本没有什么问题 同时MOC索引笔记和总览知识笔记啊 里面的内容也都没有什么问题 也都没有什么问题 那如果有任何的错误啊 你都需要再次和AI进行沟通 并要求它修正 那最后我们打开obsidian 用obsidian打开刚才构建的知识库 然后我们在左侧工具栏 点击知识图谱按钮

打开知识图谱 那我们可以看到 整个AI提示词工程的知识库 就已经构建完成了 知识图谱的双向链接构建的也非常好 那从现在开始 你的学习过程呢 就会变得无比清晰和主动 你可以看着这张图 点开一个知识点 然后开始在笔记区写下你的学习内容 通过这样清晰的路线图 一步一步的 你就可以更快的学会任何东西 那同样的 针对这些知识点 我们可以在obsidian中使用AI插件 就比如copilot插件儿

和text Generator插件儿 让AI辅助你进行高效的信息输入 呃但最关键的步骤是呢 在完成输入后 我们必须用自己的语言啊 将对这个知识点的理解思考和总结 完整的写入obsidian的知识笔记中 把这些知识 真正的变成我们自己嚼碎了 消化掉的知识 那当原子笔记逐渐丰富之后 我们需要构建知识网络 呃在撰写新笔记的时候呢 我们会主动思考 并创建与已有知识的双向链接

同时定期回到MOC笔记啊 撰写对这个主题的总结性概述 这会让你的MOC笔记 从一个简单的目录啊 升华为对一个主题的高度浓缩的理解 通过这样一个AI来生成框架 人工来填充血肉的模式呢 你可以一步 一个脚印 从零开始 学习并精通任何一个新的知识领域 那到这里呢 这个工作流呢 就完整的运行完毕了 我们来回顾一下整个流程 使用deep research或者是Notebook LM

针对一个陌生的知识领域 生成深度的研究报告 然后使用通用大语言模型 把研究报告 转化成Markdown格式的结构化知识大纲 然后使用Cursor类的工具 根据大纲来构建obsidian的知识库结构 最后在obsidian中 一步一步的学习所有的知识内容 那这个方法呢 解决了从何学起和如何组织两大难题 AI呢为我们铺好了路 让你能专注于学习和思考本身 那今天的分享呢 就到这了

如果你有任何的问题和想法 欢迎你在评论区给我留言 那如果视频对你有帮助呢 欢迎点赞关注 谢谢大家