用 Hermes + Obsidian 搭一个自动整理的 AI 笔记系统

笔记越记越乱？AI 来帮你理。

---

引言：你的笔记库是不是也变成了垃圾场？

说一个我自己的真实经历。

去年我开始认真做知识管理，Obsidian 里囤了 200 多篇笔记。论文摘要、会议纪要、灵感碎片、代码片段……什么都往里扔。结果三个月后，我自己都找不到当时记的东西了。

每次想回顾某个主题，我得在搜索框里输入关键词，然后对着一堆文件名猜哪个是我要的。更尴尬的是，有些笔记我根本不知道该叫它什么——内容我记得很清楚，但标题和标签？完全没印象。

这不就是典型的「记了等于没记」吗？

手动整理？试过。每周花两小时给笔记分类、打标签、写摘要。坚持了三周，放弃了。不是不想做，是这活儿太枯燥了，而且做得越久越发现，你永远整理不完。

直到我发现了 Hermes + Obsidian 这个组合。

简单说：让 AI 帮你自动分类笔记、生成摘要、打标签，你只管记，它帮你理。而且整个过程跑在你本地，笔记数据不离开你的电脑。

这篇文章，我把完整的搭建流程分享出来，从零开始，一步步带你搭好这个系统。

---

这套方案到底是什么？

先说清楚，这套系统由三个部分组成：

❶****Obsidian — 你的笔记库，本地优先的 Markdown 编辑器

❷****Hermes Agent — 一个开源的 AI Agent 框架，能读写文件、执行命令

❸****LLM Wiki — 基于 Karpathy 提出的 Wiki 模式，用 AI 自动组织知识的三层架构

把它们串起来之后，工作流大概是这样的：

你随手记笔记（Markdown）        ↓Hermes 定时扫描新的/修改过的笔记        ↓LLM 分析内容，自动分类、打标签、生成摘要        ↓笔记被归档到对应的目录        ↓Obsidian 的知识图谱自动更新，形成关联

整个过程不需要你做任何操作，笔记写完就放那儿，AI 会在后台帮你搞定。

---

为什么选 Obsidian？

市面上笔记工具那么多，Notion、Logseq、思源笔记……为什么我最后选了 Obsidian？

三个核心原因：

1. 数据完全在本地

Notion 虽然好用，但你的数据存在它的服务器上。哪天 Notion 服务挂了、涨价了、甚至倒闭了，你的笔记怎么办？

Obsidian 的数据就是你电脑上的 Markdown 文件。没有云服务依赖，没有数据锁定。你想迁移到任何工具都行，因为 Markdown 是通用格式。

2. Markdown 原生支持

Hermes Agent 处理 Markdown 文件非常方便——因为它本身就是基于文本的。你可以用 read_file 读取笔记内容，用 write_file 创建新笔记，用 search_files 搜索内容，用 patch 精确修改。

这意味着 AI 和你的笔记之间没有格式转换的障碍。

3. 插件生态 + 知识图谱

Obsidian 的插件生态是目前所有笔记工具里最强的。但更关键的是它的 Graph View——知识图谱视图。当你用 [[wikilinks]] 把笔记互相链接起来，Graph View 会自动可视化这些关联。

AI 帮你打标签、建立链接之后，打开 Graph View 就能看到知识网络的全貌。这种「看到知识在生长」的感觉，很上瘾。

---

Step 1：安装配置 Hermes

安装 Hermes

Hermes Agent 的安装很简单：

# macOS / Linuxcurl -fsSL https://hermes.nousresearch.com/install.sh | bash# 或者用 npmnpm install -g hermes-agent

安装完成后，运行初始化：

hermes init

这会在你的 home 目录下创建 ~/.hermes/ 配置目录。

配置 Obsidian 技能

Hermes 通过技能（skills）来扩展能力。Obsidian 技能是内置的，但你需要配置你的笔记库路径。

编辑 ~/.hermes/.env 文件：

# 指向你的 Obsidian vault 路径OBSIDIAN_VAULT_PATH=/Users/yourname/Documents/MyVault# 如果你不配置，默认是 ~/Documents/Obsidian Vault

如果你还没装 Obsidian，现在去装一个。下载地址：https://obsidian.md

装好之后创建一个 vault（笔记库），记下路径，填进配置里。

验证连接

配置好之后，我们可以测试一下能不能读到笔记：

hermes run '列出我的 Obsidian vault 里所有的 Markdown 笔记'

Hermes 会调用 search_files 工具，参数是 target:'files' 和 pattern:'*.md'，然后返回所有笔记文件的路径列表。

如果你看到你的笔记文件列表被列出来了，说明连接成功。

---

Step 2：打通笔记库

接下来，我们要建立一个更高级的知识管理架构——LLM Wiki。

这个概念来自 Andrej Karpathy 提出的「LLM as librarian」思路：让大语言模型充当你的图书管理员，自动把零散的笔记组织成结构化的知识库。

创建 Wiki 目录结构

在你的 Obsidian vault 里（或者单独一个目录），创建以下结构：

# 如果用独立的 wiki 目录mkdir -p ~/wiki/{raw/{articles,papers,transcripts,assets},entities,concepts,comparisons,queries}

目录说明：

|
目录
|
用途
|
| — | — |
| raw/articles |
原始文章，不做修改
|
| raw/papers |
论文原文
|
| raw/transcripts |
会议/播客转录
|
| raw/assets |
图片等附件
|
| entities |
实体笔记（人名、工具、公司等）
|
| concepts |
概念笔记（技术原理、方法论等）
|
| comparisons |
对比笔记（工具A vs 工具B）
|
| queries |
查询结果缓存
|

这就是经典的三层架构：原始素材 → 知识页面 → 元数据层。

创建 SCHEMA.md

在 wiki 根目录创建 SCHEMA.md，这是整个知识库的「规矩」：

---domain: 个人知识管理tag_taxonomy:  - type: [entity, concept, comparison, query]  - topic: [AI, programming, productivity, tools]  - status: [draft, reviewed, archived]frontmatter_format:  - title  - tags  - created  - source  - summary---# Wiki Schema## 实体（Entities）独立存在的对象：人、工具、公司、项目等。## 概念（Concepts）抽象的知识单元：技术原理、方法论、模式等。## 对比（Comparisons）两个或多个实体/概念的对比分析。## 查询（Queries）特定问题的搜索和综合结果。

这个 SCHEMA.md 文件告诉 AI：你的知识库有哪些类型的内容，每个类型该用什么标签，frontmatter 该包含哪些字段。

Hermes 在处理笔记时会读取这个文件，确保输出符合你的规范。

把 Wiki 当成 Obsidian Vault

如果你把 ~/wiki 作为 Obsidian 的 vault 路径，那么 wiki 目录里的所有 Markdown 文件都会直接出现在 Obsidian 里。

配置 Obsidian 的附件文件夹指向 raw/assets/，这样图片等附件也会自动归到正确的位置。

---

Step 3：自动整理实战

终于到了核心部分——让 AI 自动帮你整理笔记。

场景一：自动分类和打标签

假设你刚写了一篇关于 RAG 技术的笔记，随手丢进了 vault。现在让 Hermes 帮你处理。

hermes run '  读取 ~/wiki/raw/articles/rag-notes.md 的内容，  分析这篇文章属于什么类型（entity/concept/comparison），  根据 SCHEMA.md 的规范，为它生成合适的标签，  在 frontmatter 中添加 tags、summary 字段，  然后把文件移动到对应的目录（entities/ 或 concepts/）'

Hermes 执行的步骤：

❶ 用 read_file 读取笔记内容

❷ 用 read_file 读取 SCHEMA.md，了解分类规范

❸ 调用 LLM 分析内容，决定分类

❹ 用 patch 修改 frontmatter，添加标签和摘要

❺ 用 move_file 移动到正确目录

整个过程大概 10-20 秒，比你自己手动整理快多了。

场景二：自动生成摘要

对于长文章或论文，你可能希望 AI 生成一个简短的摘要放在开头：

hermes run '  读取 ~/wiki/raw/papers/transformer-attention.md，  生成一段 200 字以内的中文摘要，  用 patch 工具把摘要插入到文件开头的 frontmatter 中'

Hermes 会生成类似这样的 frontmatter：

---title:AttentionIsAllYouNeed笔记tags: [AI, transformer, attention, paper]created:2024-03-15source:https://arxiv.org/abs/1706.03762summary:Google2017年提出的Transformer架构，用自注意力机制替代RNN/LSTM，实现并行计算和长距离依赖建模，成为后续BERT、GPT等模型的基础架构。---

场景三：建立笔记间的链接

这是最有价值的功能——AI 自动发现笔记之间的关联，建立 [[wikilinks]]。

hermes run '  扫描 ~/wiki/concepts/ 目录下所有笔记，  分析每篇笔记的内容，  找到笔记之间存在语义关联的地方，  在合适的位置插入 [[wikilinks]] 链接到相关笔记'

举个例子，一篇关于 RAG 的笔记可能被自动链接到：

• [[向量数据库]]（技术依赖）

• [[LLM Prompt Engineering]]（相关技术）

• [[知识图谱 vs RAG]]（对比笔记）

• [[LangChain]]（实现工具）

打开 Obsidian 的 Graph View，你会看到一张知识网络在慢慢生长。

场景四：批量处理存量笔记

如果你已经有大量笔记需要整理，可以写一个批处理 prompt：

hermes run '  扫描 ~/wiki/ 目录下所有 .md 文件，  筛选出没有 tags 字段的笔记，  逐个读取内容，分析类型，  为每篇笔记补充 frontmatter（tags、summary、type），  将它们移动到正确的子目录'

这个过程会花一些时间，取决于你的笔记数量。但你只需要跑一次，之后新笔记都会被自动处理。

---

进阶玩法

基础功能跑通之后，你还可以玩得更花。

定时任务：每天自动整理

Hermes 支持 cron 定时任务。你可以设置每天早上 9 点自动扫描和整理新笔记：

hermes cron create \  --prompt '扫描 ~/wiki/raw/ 目录，找到今天新增或修改的笔记，进行分类、打标签、生成摘要，移动到正确目录' \  --schedule '0 9 * * *'

这样你每天只管往 raw 目录里扔笔记，AI 会在你上班前帮你整理好。

自动归档：超过 30 天的笔记

hermes cron create \  --prompt '检查 ~/wiki/entities/ 和 ~/wiki/concepts/ 中超过 30 天未修改的笔记，在 frontmatter 中添加 status: archived 标签' \  --schedule '0 2 * * 0'  # 每周日凌晨 2 点执行

跨设备同步：obsidian-headless

如果你有多台设备（比如服务器 + 笔记本），可以用 obsidian-headless 实现同步：

# 在服务器上npm install -g obsidian-headlessob login --email your@email.com --password 'your-password'ob sync-create-remote --name "LLM Wiki"cd ~/wikiob sync-setup --vault "<vault-id>"ob sync --continuous

这样 Hermes 在服务器上处理笔记，你的笔记本和手机上的 Obsidian 会自动同步更新。

可以用 systemd 把 sync 进程跑在后台：

# /etc/systemd/system/obsidian-sync.service[Unit]Description=Obsidian Wiki Sync[Service]Type=simpleExecStart=/usr/local/bin/ob sync --continuousWorkingDirectory=/home/user/wiki[Install]WantedBy=multi-user.target

增强搜索：语义检索

普通的 Obsidian 搜索是关键词匹配。配合 Hermes 的 LLM 能力，你可以做语义搜索：

hermes run '  在 ~/wiki/ 目录下搜索与「如何让大模型处理长文本」相关的笔记，  不要只匹配关键词，要理解语义后返回最相关的结果'

Hermes 会用 search_files 的 target:'content' 模式搜索，然后用 LLM 对结果进行语义排序。

---

一些踩坑经验

在搭建这套系统的过程中，我踩了几个坑，提前告诉你：

1. LLM 的分类有时不准

AI 对笔记的分类不总是完美的，尤其是边界模糊的内容。建议定期人工抽查一下分类结果，根据实际情况调整 SCHEMA.md 的规范。

2. Wikilinks 会断链

如果你删除或重命名了一个笔记，其他笔记里的 [[wikilinks]] 会变成死链。Obsidian 有一个「断链检查」功能，定期用一下。Hermes 也可以帮你批量修复：

hermes run '  扫描 ~/wiki/ 下所有笔记，  找出所有 [[xxx]] 格式的链接，  检查 xxx 对应的文件是否存在，  列出所有断链'

3. 大文件处理要分段

如果单篇笔记特别长（比如完整的会议转录），直接丢给 LLM 可能会超出 token 限制。Hermes 内部会处理分段，但如果你发现摘要质量下降，可能是分段导致上下文丢失。解决方案是用 max_tokens 参数控制输出长度。

4. 成本考量

每次 AI 处理笔记都会调用 LLM API，是有成本的。粗略估算，处理一篇 2000 字的笔记大概消耗 （取决于你用的模型）。如果你每天处理篇，一个月大概3-9，完全可以接受。

但如果你用的是本地模型（比如 Ollama 跑的 Llama），那就是零成本。

---

写在最后

搭这套系统花了一个下午，但用了三个月之后，我可以很负责任地说：这是我今年做过最值的技术投入之一。

现在的体验是这样的：我随手记一些东西，不用管分类、不用管标签、不用管它放在哪个目录。Hermes 在后台默默帮我整理。第二天打开 Obsidian，所有笔记都在该在的位置，摘要写好了，标签打好了，和相关笔记的链接也建好了。

我不需要「整理笔记」这件事了。我只需要「记笔记」。

知识管理的本质不是整理，而是用的时候能找得到。AI 帮你解决了整理的问题，你就可以把精力完全放在「记」和「用」上。

这套方案不完美，AI 的分类偶尔会出错，链接偶尔会断，成本也不是零。但比起手动整理的痛苦，这些都不算什么。

如果你也被笔记管理折磨过，试试这个组合。不需要一次性搭好所有功能，先从最简单的「自动分类」开始，慢慢加。你会爱上这种笔记自己生长的感觉。

---

智元记 —— 让 AI 成为你的第二大脑。