你用笔记软件做的多半是「知识囤积」：Obsidian+AI 两条工作流，把划线和碎片想法自动变成文章
你用笔记软件做的，多半不是知识管理，是「知识囤积」——东西收藏了、划线了、记下了，然后躺在那里再没打开过。一位创作者把这件事讲透了：换上 Obsidian + AI，她搭了两条全自动工作流，把”看了就忘”变成”看了能产出”。
刷到这条教程，作者用 Obsidian 当容器、Codex 当处理器，把每天看书划的线自动整理成可发布的笔记，把手机里随口录的碎片想法整理成完整文章脚本。这篇把它吃透——连同背后那套”做菜类比”的心智模型、两条工作流能直接抄的操作骨架，以及它真正的门槛在哪。工具本身可换（模型换豆包、容器换别的笔记），思路一样成立。
一句话定性
知识管理的本质不是”存得多”，是”输入 → 可复用输出”能跑通闭环。 Obsidian 只是个锅，真正打通任督二脉的是给它配上一个会读你笔记、按你的规矩干活的 AI。把”收藏=吃灰”改成”划线=自动产出”，你才从囤积者变成创作者。
想通这一点，整件事就从”我又记了好多笔记”，变成了”我记的每一笔，最后都变成了能发出去的东西”。后者才叫知识管理。
先把这套”做菜类比”记死
作者把整个系统拆成五个角色，这是理解后面所有操作的地基：
| 角色 | 对应工具 | 干啥的 |
|---|---|---|
| 锅（容器） | Obsidian | 装你所有笔记和文字，是知识的家 |
| 食材 | 你搬进来的笔记/划线/碎片文字 | 没有原料，再好的厨子也炒不出菜 |
| 大厨 | AI 模型 / 终端 agent（视频里用 Codex，换豆包等也行） | 真正动手处理食材的那个 |
| 食谱 | skill 文档（在 VS Code 里写） | 告诉大厨这道菜怎么做：输入什么、输出什么、走什么流程 |
| 调味料 | Obsidian 插件 | 提效的小工具，让流程更顺更香 |
这套类比的精髓在”食谱”那一格：**真正让 AI 听话的不是一句临时指令，是一份事先写好的 skill 文档。**它把”你每次都要重新解释一遍要干嘛”，变成”一句咒语，AI 自动跑完整套流程”。下面两条工作流，本质都是”写好一份食谱，然后天天复用”。
工作流一：知识管理——读书笔记全自动整理
痛点很多人都有：看书划线，复制粘贴进笔记软件，然后……再也没回去看过，纯囤积。作者的解法是把”看书→产出”全程自动化：
- 读：用 Apple Books 看书、划线（用什么读不重要，重要的是划线能被导出）。
- 导入：Obsidian 装一个 “Apple Books - Import Highlights” 插件，一键把划线内容导进库里。关键是模板可自定义——她设成「日期 + 原文摘抄 + 回链」，导进来的每条划线都能点回原文出处。还能指定只导某一本书。
- 整理：Obsidian 里再装一个能呼出终端的插件，点开就调起 Codex，把文件路径丢给它说”帮我整理读书笔记”，一份结构化笔记就生成了。
- 背后的食谱：这句”咒语”能驱动这么多事，靠的是一份 skill 文档。她在 VS Code 里跟 AI 来回打磨几轮，写成一份”技能指导手册”，明确规定输入是什么、希望输出什么、整个 workflow 怎么走。写好一次，以后每天只管看书划线、一键整理。
藏在流程里的小技巧：术语卡
作者额外加了一个很妙的点——让 AI 在整理时，遇到关键概念（比如”机会成本”）就单独抽出来解释一下，像翻字典一样。一来读着读着顺手拓宽了知识边界，二来这正是”不囤积”的体现：知识不只是被存下来，而是被重新嚼过、能讲给别人听。能复用、能分享，才不算白看。
闭环成型：看书 → 划线 → 一键导入 → AI 按食谱整理 + 术语卡 → 可复用笔记。整条流水线里你只干”看书划线”这一件人该干的事，剩下交给机器。
工作流二：内容创作——碎片想法变成文章
这条更值钱，解决的是”AI 写出来一股人机味”的通病。
核心原则（记死这条）：别让 AI 从零写，让它从你的”口述稿”开始整理。 作者引用了两个观点点透逻辑：一是”从口述稿开始写作”比让 AI 凭空起稿强得多；二是”碎片的输出、集中的输入，灵感意识捕捉应当时”——好想法转瞬即逝，得当场抓住。
落地三步：
- 随时捕捉：把 Obsidian 库放进 iCloud，手机电脑实时同步。iPhone 主屏设一个 “daily notes” 的快捷指令，点开就语音输入，有想法张嘴就录——“随地大小记”，说得乱七八糟也没关系，先把念头留住。
- AI 整理成稿：想法攒下后，调起 Codex，用一份 “article” skill，把口述稿整理成可发布的文章结构。注意这里的关键：不是让 AI 从零写，而是拿你自己的观点当原料，让 AI 只做结构化整理——逻辑和观点是你的，AI 只负责把它捋顺。（这份 article skill 她参考了某课程里的”风格化文章生成器”prompt，再叠加自己的需求改成的。）
- 降人机味：她在 skill 市场里找到一个专门”降低 AI 人机味”的 skill（Humanizer 类）装上，输出既不那么生硬、又保住了她的逻辑和观点，基本能到她期望的 80%。
进阶一招：不想逐字念稿时，用一个叫 json canvas 的 skill（Obsidian 作者方做的）把脚本或文章梳理成一张思维导图，变成更清晰的框架。作者直言，她最近更新频率高的”小秘密”就在这套流程里。
把可复用的骨架收口成一张表
剥掉具体工具，这套体系的可抄骨架是这样的：
| 层 | 你要准备的东西 | 一次性 or 天天用 |
|---|---|---|
| 容器 | 一个笔记库（Obsidian/或其他），最好云同步 | 搭一次 |
| 捕捉口 | 手机语音快捷入口，灵感即时进库 | 搭一次，天天用 |
| 处理器 | 一个能调起来的 AI agent（Codex 等） | 配一次 |
| 食谱库 | 两份 skill 文档：①整理读书笔记 ②口述稿成文 | 写一次，天天复用 |
| 提效插件 | 划线导入、终端呼出、降人机味、思维导图 | 按需装 |
整套的命门就一句话：**把”每次重新跟 AI 解释要干嘛”，固化成”写好的 skill 文档”。**食谱写得越准，后面跑得越省心。这跟工程上”能脚本化就别手动”是同一个道理——AI 会跳步、会发挥，一份明确的食谱才能让它每次都按你的规矩来。
这套方法值不值得抄
值得，但要看清它的边界，别被”全自动”三个字骗了。
它真正的价值，不是某个神级插件，而是把”知识管理”这件被做烂的事，从”存得多”重新定义成”输入→输出的闭环”——划线自动进库、AI 按食谱整理、口述稿打底成文、术语卡顺手拓边界。每一环都让知识离”被复用”近一步。更高级的是那份 skill 文档思维：把临时指令沉淀成可复用的菜谱，写一次天天吃——这才是这条视频最该学的东西，远比”她用了哪个插件”重要。
边界也得说清：
- 门槛不低。要会写 skill 文档、配 Obsidian 插件、用终端呼 AI、跟 Codex 打交道——对纯小白，光这套环境就能劝退。作者自己也说这条视频没法手把手教，得另开直播讲。
- AI 整理 ≠ AI 替你思考。划什么线、记什么碎片、有什么观点，全得你自己产。AI 只是把你的原料捋顺，原料是水货，成品也好不了。
- “80% 水平”是诚实的。降了人机味也只到她期望的八成，最后那两成的判断和打磨，还得人来。把 AI 当”提速器”而非”代笔”，期望才摆得正。
- 工具偏碎。Obsidian + 多个插件 + VS Code + Codex + 好几个 skill，链路一长，任何一环卡住都得自己 debug。值不值，看你产出的频率撑不撑得起这套维护成本。
一句话收尾：**这套方法论的内核，不是”用 AI 写东西”，是”先把你和 AI 的协作规矩写成食谱，再让流程天天自动跑”。**工具会换、模型会变，但”输入→输出闭环 + 食谱化协作”这两条，是能一直抄的。
本文为公开教程的方法论拆解与二次梳理，工具操作以各软件实际界面为准；观点归原作者，方法可学，具体插件/skill 请自查可用性与版权后再用。