2026 年知识管理领域最大的转变，不是某款新应用——而是 AI Agent 现在可以读取你的笔记了。

借助 MCP（模型上下文协定），Claude Code 等工具可以直接连接到你的 Obsidian 知识库。你保存的每一篇文章、写下的每一条笔记，都成为让 AI 助手更了解你工作的上下文。

以下是这在实践中意味着什么，以及如何进行设置。

为什么这很重要

在 MCP 出现之前，配合笔记使用 AI 需要复制粘贴。你抓取几段文字，粘贴到 ChatGPT 里，然后提问。这虽然管用，但无法规模化。

现在，一个 AI Agent 可以：

搜索你的整个知识库查找相关笔记
交叉引用多篇保存的文章
综合数十个来源的信息
基于你现有的研究，而不是从零开始

关键在于：你的笔记需要是 AI 能读取的格式。这种格式就是 Markdown。

技术栈

网页内容 → Save（干净 Markdown）→ Obsidian 知识库 → MCP → AI Agent

每个组件各司其职：

Save 将杂乱的网页转换为干净、结构化的 Markdown
Obsidian 在本地存储和组织你的 Markdown 文件
MCP 给 AI Agent 提供知识库的读取权限
Claude Code（或任何兼容 MCP 的 Agent）查询你的知识库

设置 MCP 与 Obsidian

前提条件

一个包含一些内容的 Obsidian 知识库
已安装 Claude Code（npm install -g @anthropic-ai/claude-code）
用于文件系统访问的 MCP 服务器

连接你的知识库

配置 Claude Code 通过 MCP 访问你的知识库：

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

现在 Claude Code 可以读取你知识库中的每一个文件。

测试

打开 Claude Code 并询问：

我有哪些关于 React 性能的笔记？

如果你的知识库有相关内容，Claude 会找到它、读取它，并基于你保存的知识给出综合答案。

为什么 Markdown 是关键

整个工作流程依赖于一件事：你的笔记是 Markdown 格式。

Markdown 是纯文本 — 任何 AI 都不需要特殊解析器即可读取
Markdown 保留结构 — 标题、列表、代码块、链接都承载意义
Markdown 很轻量 — AI 可以快速处理数百个 Markdown 文件
Markdown 是通用的 — 没有供应商锁定，与任何工具兼容

这就是为什么网页剪藏步骤如此重要。如果你将网页内容保存为 PDF，AI 解析起来很困难。如果保存为 HTML，噪音太多。Markdown 是最佳平衡点——结构化到足够有用，干净到足够可读。

真实使用场景

研究综合

你已经保存了几周关于某个主题的文章：

"根据我保存的 15 篇关于无服务器架构的文章，
提到了哪些主要的成本优化策略？"

Claude 搜索你的知识库，读取相关笔记，给出综合答案并附上对特定文章的引用。

写作辅助

你正在写一篇博文，需要支撑论据：

"从我保存的内容中找出支持
本地优先软件正在获得更多关注这一论点的例子。"

Claude 从你的知识库中提取相关引用和数据点。

决策支持

你正在为项目评估工具：

"我保存了关于 Postgres 托管服务商的比较文章。
请根据我保存的研究，总结 Neon、Supabase 和 PlanetScale
之间的权衡取舍。"

无需重新阅读所有内容，你就能得到针对你已收集内容的综合分析。

学习

你正在学习一个新框架：

"根据我保存的关于 Astro 的教程和文档，
制定一个学习路线图。我应该先攻克哪些概念？"

Claude 将你保存的内容整理成一个合理的学习顺序。

为 AI 构建更好的知识库

不是所有知识库对 AI Agent 都同样有用。以下是如何优化你的知识库：

使用描述性文件名

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

# 差
note-2026-03-15.md
untitled-4.md

AI Agent 在读取笔记之前会使用文件名来判断哪些笔记相关。

添加 Frontmatter

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

结构化元数据帮助 AI Agent 过滤和优先处理笔记。

保存干净的内容

这正是 Save 最能发挥作用的地方。用 Save 保存的网页内容已经是：

具有适当标题层级的结构化内容
无广告、无导航、无 Cookie 横幅
干净的 Markdown 语法格式
包含相关元数据

相比原始复制粘贴或 HTML 下载，AI 从中提取有用信息要容易得多。

按主题组织

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

基于主题的组织帮助 AI Agent 快速缩小搜索范围。

复利效应

每周你用 Save 保存几篇文章并放入 Obsidian。一个月后，你的知识库有 20-30 篇格式良好的参考笔记。六个月后，超过 100 篇。

到那时，你的 AI Agent 拥有了一个通用 LLM 无法比拟的个性化知识库。它知道你读过什么，关心什么，以及你的项目需要什么。

这正是 Obsidian + AI Agent 工作流程的真正承诺：一个随着时间推移越来越了解你具体情境的 AI。

开始使用

安装 Save 进行干净的网页剪藏
创建一个带有 references/ 文件夹的 Obsidian 知识库
通过 MCP 连接 Claude Code
开始保存——你剪藏的每篇文章都成为 AI 上下文的一部分

设置只需 10 分钟。知识将永久复利积累。