Den største ændring inden for videnshåndtering i 2026 er ikke en ny app — det er, at AI-agenter nu kan læse dine noter.

Med MCP (Model Context Protocol) kan værktøjer som Claude Code forbinde direkte til din Obsidian vault. Hver artikel du har gemt, hver note du har skrevet, bliver kontekst, der gør din AI-assistent klogere på dit arbejde.

Her er, hvad det betyder i praksis, og hvordan du sætter det op.

Hvorfor det er vigtigt

Før MCP betød brug af AI med dine noter at kopiere og indsætte. Du tog et par afsnit, indsatte dem i ChatGPT og stillede et spørgsmål. Det virkede, men skalerede ikke.

Nu kan en AI-agent:

Søge i hele din vault efter relevante noter
Krydse referencerne mellem flere gemte artikler
Syntetisere information på tværs af snesevis af kilder
Bygge videre på din eksisterende research i stedet for at starte fra bunden

Catch’en? Dine noter skal være i et format, som AI kan læse. Det format er Markdown.

Stakken

Webindhold → Save (ren Markdown) → Obsidian Vault → MCP → AI-agent

Hver del har et job:

Save konverterer rodet websider til ren, struktureret Markdown
Obsidian gemmer og organiserer dine Markdown-filer lokalt
MCP giver AI-agenter læseadgang til din vault
Claude Code (eller en hvilken som helst MCP-kompatibel agent) forespørger din vidensbase

Opsætning af MCP med Obsidian

Forudsætninger

En Obsidian vault med noget indhold
Claude Code installeret (npm install -g @anthropic-ai/claude-code)
En MCP-server til filsystemadgang

Forbind din Vault

Konfigurér Claude Code til at tilgå din vault via MCP:

claude mcp add obsidian-vault -- npx -y @anthropic-ai/files-mcp /path/to/your/vault

Nu kan Claude Code læse alle filer i din vault.

Test det

Åbn Claude Code og spørg:

Hvilke noter har jeg om React-performance?

Hvis din vault har relevant indhold, vil Claude finde det, læse det og syntetisere et svar baseret på din gemte viden.

Hvorfor Markdown er nøglen

Hele denne arbejdsgang afhænger af én ting: at dine noter er i Markdown.

Markdown er almindelig tekst — enhver AI kan læse det uden specielle parsere
Markdown bevarer struktur — overskrifter, lister, kodeblokke og links bærer mening
Markdown er letvægt — en AI kan behandle hundredvis af Markdown-filer hurtigt
Markdown er universelt — ingen vendor lock-in, fungerer med ethvert værktøj

Virkelige anvendelsestilfælde

Research-syntese

Du har gemt artikler om et emne i ugevis:

"Baseret på de 15 artikler, jeg har gemt om serverless-arkitektur,
hvad er de vigtigste strategier for omkostningsoptimering?"

Claude søger i din vault, læser relevante noter og giver dig et syntetiseret svar med referencer til specifikke artikler.

Skriveassistance

Du skriver et blogindlæg og har brug for understøttende beviser:

"Find eksempler fra mit gemte indhold, der understøtter argumentet om,
at lokal-first software vinder frem."

Beslutningstagning

Du evaluerer værktøjer til et projekt:

"Jeg har gemt sammenligningsartikler om Postgres hosting-udbydere.
Opsummer afvejningerne mellem Neon, Supabase og PlanetScale
baseret på min gemte research."

Bygning af en bedre vidensbase til AI

Ikke alle vaults er lige nyttige for AI-agenter. Sådan optimerer du din:

Brug beskrivende filnavne

# Godt
react-server-components-performance-guide.md
nextjs-vs-remix-routing-comparison-2026.md

# Dårligt
note-2026-03-15.md
untitled-4.md

Tilføj Frontmatter

---
title: "React Server Components Performance Guide"
source: "https://example.com/rsc-guide"
clipped: 2026-03-15
tags: [react, performance, server-components]
---

Gem rent indhold

Dette er hvor Save gør den største forskel. Webindhold gemt med Save er allerede:

Korrekt struktureret med overskriftshierarki
Fri for annoncer, navigation og cookie-bannere
Formateret med ren Markdown-syntaks

Organiser efter emne

vault/
  references/
    react/
    nextjs/
    ai/
    devops/
  projects/
    my-saas-app/
    blog/

Den akkumulerende effekt

Hver uge gemmer du et par artikler med Save og dropper dem i Obsidian. Efter en måned har din vault 20-30 velformaterede referencenoten. Efter seks måneder er det over 100.

På det tidspunkt har din AI-agent en personlig vidensbase, som ingen generisk LLM kan matche. Det ved, hvad du har læst, hvad du bryder dig om, og hvad dine projekter har brug for.

Kom i gang

Installer Save til ren web-klipning
Sæt en Obsidian vault op med en references/-mappe
Forbind Claude Code via MCP
Begynd at gemme — hver artikel du klipper bliver en del af din AIs kontekst

Opsætningen tager 10 minutter. Viden akkumulerer for evigt.