Obsidian × Codex 個人知識庫 Starter

先看重點

它不是另一個筆記 App，而是一套讓 AI 維護知識庫的規則與工具

Obsidian 負責讓你閱讀、瀏覽與查看雙向連結；真正的知識資產仍是你電腦裡的一般檔案。Codex 或 Claude Code 則按照 Starter 內的規則，處理資料收錄、整理、連結與查詢。

如果只是把 PDF 或會議紀錄全部丟進同一個資料夾，檔案雖然變多，知識並沒有因此更容易使用。這套流程真正要解決的是：新資料進來後，是否保留原始來源、是否能找到和舊知識的關係，以及未來回答問題時能不能回到證據。

因此，多格式匯入只是入口。主要結果是可持續累積的 raw 原始證據、wiki 知識頁、有理由的雙向關係，以及附來源的查詢答案。

套件內容

下載後已經幫你決定好的事情

這不是一個空的 Obsidian Vault。資料夾角色、來源紀錄、重複檢查、知識頁格式、關係規則與完成條件都已經放進套件。

開始說明: START-HERE.md 告訴模型與使用者第一次如何開啟、放入資料與提問。
AI 執行規則: AGENTS.md 與 CLAUDE.md 分別提供 Codex 和 Claude Code 可直接讀取的維護契約。
資料分層: inbox 保存你放入的原檔，raw 保存可追溯文字，wiki 保存可重複使用的知識。
自動檢查: 套件包含格式轉換、SHA-256 重複偵測、索引檢查與雙向知識連結驗證。

開始之前

需要安裝什麼

必要的是 Codex 或 Claude Code，以及 Python 3.11 以上版本。Obsidian 是建議使用的閱讀介面，但不是資料庫本身，也不是流程能否運作的必要條件。

Windows: 支援 Windows 10／11，套件內有 PowerShell 啟動工具。
macOS: 支援目前版本的 macOS，套件內有 shell 啟動工具。
第一次執行: 第一次處理文件時，可能會下載固定版本的解析套件到本地 .vault-runtime；來源檔不會因此上傳。

前往 Obsidian 官方下載

收錄規則

你說完一句話後，模型實際要完成哪些事

只有整條流程都通過，模型才回覆「已收進知識庫。」；不需要另外產生一篇耗費 token 的工作報告。

1
保存原始檔
只處理你放進 inbox 或明確指定的檔案，原檔保留不覆寫。
2
轉成可追溯證據
支援格式會轉成固定的 Markdown raw 紀錄，同時留下相對路徑、格式、SHA-256 與轉換限制。
3
檢查重複與既有知識
同一份內容不重複收錄；模型先搜尋現有 wiki，再決定更新既有頁面或建立新頁面。
4
建立有理由的雙向關係
只有能說明關係類型時才連結，例如「補充證據」、「適用條件」或「相反案例」。只因關鍵字相同不算關係，也不強迫每份資料都要連到別頁。
5
更新索引並驗證
確認來源引用、索引位置、連結是否存在、關係是否雙向；任何一項失敗都不能回報完成。

使用方式

從下載到第一次查詢

你提供一份支援的文件，以及一句『把這份資料收進知識庫』

不用先整理成完美筆記，也不用自己決定檔名、分類與知識頁位置。

你拿到保留來源、彼此連結的知識頁，以及可回查答案

之後不必打開 Obsidian 逐頁找資料，也能直接要求模型帶著來源回答。

1
下載並解壓縮 v2.0.0，確認電腦已安裝 Python 3.11 以上版本。
2
用 Codex 或 Claude Code 開啟資料夾；需要視覺化閱讀與雙向連結時，再用 Obsidian 開啟同一個資料夾。
3
把一份支援的檔案放進 inbox，然後只要說：『把這份資料收進知識庫。』
4
模型會保留原檔、建立可追溯的 raw 紀錄、檢查既有知識、更新 wiki、加入有意義的雙向連結並驗證結果。
5
接著直接提問，並要求答案引用 wiki 知識頁與 raw 原始來源。

來源與驗證

真正留下的不是一篇 AI 摘要

每次整理都同時留下事實基準與可閱讀的知識頁。新頁面還必須檢查既有知識；有實質關係就建立雙向連結，沒有足夠理由時則明確保留為 no-match，不為了讓圖譜看起來熱鬧而硬連。

raw: 保存從原檔擷取的內容、日期、格式、雜湊與來源路徑，後續整理不覆寫。
wiki: 把可重複使用的結論整理成知識頁，標明來源，也寫清楚它和其他頁面的關係。
related: 關係必須有類型、連結必須存在，而且兩邊都要能看到彼此；共同關鍵字本身不算證據。
query: 回答以 Vault 內容為準，同時引用 wiki 與 raw；資料不足就說明缺少的證據。

使用邊界

哪些格式可以直接放，哪些需要先處理

流程只處理使用者主動放進或明確指定的資料，不會掃描電腦其他位置，也不會把來源上傳到線上轉檔服務。掃描 PDF、圖片、音訊、影片與舊版 Office 格式目前不支援；找不到證據時必須說明缺少什麼，不能自行用網路內容補成內部事實。

可直接處理: Markdown、TXT、JSON、YAML、CSV、可選取文字的 PDF、DOCX、PPTX、XLSX 與 XLSM。
目前不支援: 掃描 PDF、圖片、音訊、影片，以及舊版 DOC、PPT、XLS；需要先做 OCR、轉錄或轉檔。

Starter Kit 不包含任何人的現成知識。你仍要判斷資料是否適合交給目前使用的 AI 工具處理；結構驗證也不能保證模型每次都能做出相同的語意判斷。

使用情境

哪些資料適合先收進來

不要一開始就搬完整硬碟。先挑一個範圍小、會反覆查找，而且能立刻提出問題的主題，確認收錄與查詢流程符合你的需求。

工作專案決策與復盤

放入需求與會議紀錄，以及版本變更和驗收結果。

可以問
「當時為什麼放棄方案 B？最後採用的條件是什麼？」

學習課程與研究筆記

放入課程筆記與論文摘要，也可以放入閱讀標註和自己的理解。

可以問
「這幾份資料對 RAG 評估有哪些共同結論？」

創作文章與內容研究

放入訪談與參考資料，以及草稿和發布後的觀察。

可以問
「哪些觀點有來源支持？還有哪些地方只有假設？」

追蹤工具與實驗紀錄

放入工具評估與測試結果，也保留版本差異和失敗紀錄。

可以問
「我以前試過哪些方法？結果與未解問題是什麼？」

來源與下載

取得與版本

已建立固定的 v2.0.0 GitHub 版本。儲存庫與下載連結已公開。

v2.0.0 固定 ZIP 已通過 Windows 與 macOS 自動驗證。ZIP 的 SHA-256 為 35fc47cf84bb929a66c07000f1f605a9d3f0daa1d33a1f7ddf8ad5fcdfd27b82；第一筆非本人端到端使用驗證仍待完成。

關聯內容

個人知識系統