# 策展 · X (Twitter) 🔥🔥

> 作者：Roland.W (@rwayne) · 平台：X (Twitter) · 日期：2026-05-14

> 原始來源：https://x.com/rwayne/status/2054523563248611675

## 中文摘要

# Hermes+Obsidian+LLM Wiki 搭建本地知識庫

> 內容比較多，可以收藏之後全文複製給你的 Claude Code 或者 Codex 閱讀，叫它幫你操作。也可以上廁所的時候慢慢看，可以學到新的知識！

你可能遇到過這些問題。

推特看到好文，一頓複製貼上。想找出來學習，得手動翻半天。

Notion 裡存了幾百篇筆記，但這些筆記之間是孤立的。你根本不知道某個概念在其他地方出現過。

每次問 AI 問題，它都從零開始搜尋，臨時拼湊答案。沒有積累，沒有記憶，token 還廢掉一半。

更要命的是，你的筆記存在別人的伺服器上。哪天服務關了，資料就沒了。

ok 我搭建的這套系統解決了這些問題。

四個核心優點：

1. 完全自動化：你不需要手動整理筆記，AI 自動幫你做

2. 本地儲存：資料永遠屬於你自己，不會上傳到任何伺服器

3. 持久化積累：知識會不斷積累，不是每次從零開始

4. 只需提問：你只需要提問和探索，其他交給 AI

簡單來說，你把文件交給系統，系統自動整理成結構化的知識網路。你可以用雙向連結自由瀏覽。

整條鏈路是：文件匯入 → AI 整理 → Wiki 生成 → 雙向連結。

全程不需要你手動操作任何圖形介面，檔案丟進去自動成網。

# 三個工具，各有分工

這套系統由兩個工具組成。

Obsidian：筆記展示層

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678708-diaHIMgp8bkAAKDrEjpg.jpg)


Obsidian 是一款本地雙向連結筆記工具。

完全免費，跨 Windows、Mac、Linux 三平台。

它最核心的特點是雙向連結。

什麼叫雙向連結？

在筆記裡輸入兩個方括號，比如 [[Claude-Code-筆記]]，Obsidian 會自動把它變成一個紫色連結。

如果「Claude-Code-筆記」這篇筆記存在，點擊就能跳轉。

如果不存在，點進去就會建立它。

這就是雙向連結的用法，非常簡單。

它不需要你手動維護，Obsidian 自動幫你建立關係。

傳統筆記軟體的問題是什麼？

寫了幾十篇筆記，但這些筆記之間是孤立的。根本不知道「蘋果」這個詞在其他所有地方出現過。

Obsidian 的 Graph View 可以把所有筆記和它們之間的連結關係視覺化成一張圖。

一眼就能看到知識結構。看到哪些節點是孤島，哪些是樞紐。

另外，Obsidian 完全免費。個人使用沒有任何限制。

所有資料都在本地，不會上傳到任何伺服器。

# Hermes Agent：自動化執行引擎

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678158-iaHIMhIEla8AAZ7BHpng.png)

Hermes Agent 是 Nous Research 開發的自主 AI Agent。

它最大的特點是內建學習循環，能從經驗中建立技能、改進技能。

在這套知識管理工作流裡，Hermes 承擔的功能是自動化執行引擎。

它內建了 llm-wiki skill，可以直接按 LLM Wiki 的檔案結構規範操作知識庫。

這意味著什麼？

你不需要手動建立資料夾、整理筆記、添加雙向連結。

你只需要告訴 Hermes「把這篇文章寫入知識庫」，Hermes 就會自動：

- 提取文件中的關鍵實體（人物、工具、專案）

- 提取核心概念（方法論、技術原理）

- 建立結構化的 Markdown 檔案

- 添加雙向連結連接相關概念

- 更新知識庫索引

這裡要強調一個重要的使用規則：只有當你明確要求的時候，Hermes 才會操作知識庫。

具體來說：

- 當你說「寫入知識庫」「匯入知識庫」「把這個檔案放進知識庫」的時候，Hermes 才會執行匯入操作

- 當你說「結合知識庫」「查一下知識庫」「根據知識庫回答」的時候，Hermes 才會去搜尋

日常的普通對話，Hermes 不會主動去動你的知識庫。

這樣做的好處是什麼？

你的知識庫不會被無關的對話污染。只有真正需要結合知識內容的提問，才會觸發搜尋。

# LLM Wiki ：知識庫標準

LLM Wiki 不是一個獨立的應用，而是一套知識庫檔案結構規範。

它定義了如何組織知識：

```
knowledge_base/
├── raw/sources/        # 原始素材
├── wiki/entities/      # 實體（人物、工具、專案）
├── wiki/concepts/      # 概念（方法論、原理）
├── wiki/index.md       # 知識庫索引
└── wiki/log.md         # 更新日誌
```

這套結構的核心思路是：讓 AI 增量建構一個持久化的 Wiki。

什麼叫持久化？

你匯入一篇文件，系統不會只是索引一下就完事了。

它會真正理解這篇文件，提取裡面的關鍵實體、概念、關係，然後生成或更新對應的 Wiki 頁面。

這些 Wiki 頁面會保存在本地。

隨著你匯入的文件越來越多，這個 Wiki 會越來越豐富。

頁面之間會形成引用和關聯，矛盾的地方會被標註。

當你再提問的時候，不需要從原始文件裡臨時拼湊了。

Wiki 裡已經有了結構化的知識，直接基於 Wiki 回答就行。

而且會標註來源，告訴你這個結論來自哪篇文件。

# 完整工作流演示

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678165-diaHIMhXGawAAKDgvjpg.jpg)

現在把兩個工具串起來看。

整個工作流的入口是 Hermes Agent。

## 第一步：下達指令

比如你說「把這篇 AI 寫小說的文章寫入知識庫」。

這句話裡有明確的動作「寫入知識庫」，所以 Hermes 知道需要執行知識庫寫入操作。

## 第二步：Hermes 自動整理

Hermes 透過內建的 llm-wiki skill 自動完成以下操作：

- 讀取文件內容

- 提取關鍵實體（人物、工具、專案）

- 提取核心概念（方法論、技術原理）

- 建立結構化的 Markdown 檔案

- 添加雙向連結連接相關概念

- 更新知識庫索引和日誌

全程不需要你動手。

## 第三步：檔案結構生成

Hermes 會按 LLM Wiki 規範建立檔案：

```
knowledge_base/
├── raw/sources/           # 原始文章
├── wiki/entities/         # 實體檔案（工具、人物）
├── wiki/concepts/         # 概念檔案（方法論）
├── wiki/index.md          # 知識庫索引
└── wiki/log.md            # 更新日誌
```

每個檔案都包含：

- 元資料（標籤、建立時間）

- 核心內容

- 雙向連結指向相關頁面

## 第四步：Obsidian 展示知識網路

打開知識庫目錄，把它作為 Vault 拖進 Obsidian。

現在你就擁有了一個由 AI 精心整理過的知識庫。

雙鏈網路可以自由瀏覽，Graph View 可以看到知識點之間的關聯強度。

## 第五步：無限循環

這個過程可以無限循環。

每次匯入新文件，知識網路都會自動更新。

已有的頁面會被補充新的資訊，與新內容矛盾的地方會被標註。

不同文件裡提到的同一個概念會被關聯到同一個 Wiki 節點上。

久而久之，知識庫會變得越來越準確，越來越豐富。

# 安裝步驟

## 第一步：安裝 Obsidian

打開官網 obsidian.md，下載 macOS 版本。

安裝之後，打開 App。

它會讓你選擇或建立一個 Vault。

Vault 就是筆記倉庫，本質上就是一個資料夾，裡面裝滿了 Markdown 檔案。

你可以把已有的筆記資料夾直接匯入，也可以新建一個空白的 Vault。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678182-iaHIMhsKZaQAAGehWjpg.jpg)

## 第二步：安裝 LLM Wiki

訪問 GitHub 上的 nashsu/llm-wiki，在 Releases 找到最新版本。

https://github.com/nashsu/llm_wiki

下載 macOS 的 DMG 或 App tar.gz 檔案。

解壓縮後把 LLM Wiki App 拖到應用程式資料夾。

雙擊打開 App。

第一次使用需要新建一個專案，點擊 New 或加號按鈕。

點擊右下角的設定圖示，選擇模型供應商，填入你的 API Key。

LLM Wiki 支援 OpenAI、Claude、Minimax 以及任何 OpenAI 相容的 API 介面。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678144-iaHIMhuB8akAEg9fSjpg.jpg)

## 第三步：安裝 Hermes Agent

Hermes Agent 是 Nous Research 開發的自主 AI Agent，負責自動化執行。

支援系統：macOS、Linux、Windows

安裝步驟：

打開終端機，執行安裝指令：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安裝完成後，重新載入設定：

source ~/.zshrc

檢查是否安裝成功：

hermes

如果能進入 Hermes 對話介面，說明安裝成功。

首次設定：

執行設定精靈：

hermes setup

選擇模型提供商：

hermes model

根據你的帳號選擇（OpenAI、Claude、OpenRouter 等）。

設定知識庫規則（重要）：

首次使用時，告訴 Hermes 你的知識庫規則：

我的知識庫目錄是：/Users/你的使用者名稱/Documents/knowledge_base

規則：
1. 只有我明確說"寫入知識庫"時，才可以寫入知識庫。
2. 只有我明確說"結合知識庫"時，才先搜尋知識庫再回答。
3. 所有知識頁使用 Markdown 和 [[雙向連結]]。
4. 使用 LLM Wiki 檔案結構管理知識庫。

以後就可以直接說"寫入知識庫"或"結合知識庫"，Hermes 會自動執行。

## 使用規則

用好這套工作流只需要記住三條規則。

## 規則 1：說「寫入知識庫」，Hermes 來整理

當你有新的文件需要管理，產品文件、會議記錄、學習筆記、技術方案。

你只需要告訴 Hermes「把這篇文章寫入知識庫」。

Hermes 會透過內建的 llm-wiki skill 自動：

- 提取文件中的關鍵實體和概念

- 建立結構化的 Markdown 檔案

- 添加雙向連結

- 更新知識庫索引

全程不需要你動手。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678091-iaHIMh3eVa8AAPR3Xjpg.jpg)

## 規則 2：說「結合知識庫」，Hermes 來搜尋

當你需要基於資料庫來回答問題，比如「根據我們已有的產品文件，介紹一下我們的技術架構」。

你加上「結合知識庫」這幾個字，Hermes 就會搜尋知識庫中的相關文件。

AI 整合之後給你一個完整的回答，並且標註來源。

日常的普通對話，Hermes 不會主動去讀知識庫。

比如你問「今天天氣怎麼樣」，直接回答，不會去查你的資料庫。

這樣知識庫不會被無關內容污染，每次搜尋的結果也更精準。


![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778725678170-iaHIMh5fIaMAA0SyZjpg.jpg)

## 規則 3：Obsidian 隨時可用

wiki 目錄可以直接拖進 Obsidian 當 Vault 使用。

雙鏈跳轉、Graph View、全文搜尋，所有 Obsidian 的功能隨時可用。

你可以在 Obsidian 裡邊瀏覽、編輯筆記。

所有內容都是純 Markdown，可以在任何工具之間遷移。

## 總結

寫入知識庫，Hermes 自動整理。你說，Hermes 做。

結合知識庫，AI 搜尋、整合，回答你的問題。

知識庫目錄，Obsidian 展示，雙鏈自由瀏覽。

兩個工具各有分工：

- Hermes Agent 是自動化執行引擎，負責接收指令，提取結構化知識，按 LLM Wiki 規範建立檔案

- Obsidian 是筆記展示層，負責雙向連結和知識網路視覺化

用好這套工作流，你不需要手動整理筆記。

不需要每次都從零開始搜尋。

讓 AI 替你做繁瑣的知識管理工作，你只需要專注於提問和探索。

Roland｜醫學與經濟學全獎博士｜《中國企業 AI 轉型白皮書》作者｜持續分享 AI 跨界實踐、認知升級、第一性思考｜X：@rwayne

## 標籤

教學資源, 開源專案, LLM, Hermes, Obsidian, Claude