Как превратить Obsidian в базу знаний для ИИ-агентов

Знакомая ситуация: вы битый час отлаживаете хитрый баг в React или настраиваете специфический конфиг Nginx вместе с Claude или Cursor. В итоге побеждаете, закрываете чат, а через неделю сталкиваетесь с похожей проблемой. И что происходит? Вы снова начинаете объяснять нейронке контекст с нуля. Весь тот «опыт», который вы выработали вместе, просто испарился в недрах истории чатов.

Андрей Карпати (тот самый из OpenAI и Tesla) как-то предложил концепцию LLM Wiki: вместо того чтобы каждый раз прогонять RAG по гигабайтам мусора или надеяться на память модели, нужно один раз кристаллизовать знания в связанные Markdown-файлы. Проект obsidian-wiki превращает эту идею в рабочий инструмент, который делает ваш Obsidian настоящим «внешним мозгом» для ИИ-агентов.

Зачем это нужно, когда есть обычный RAG

Обычный RAG (Retrieval-Augmented Generation) работает по принципу «зачерпнуть побольше и надеяться на лучшее». Он берет куски ваших файлов, превращает их в векторы и скармливает модели. Проблема в том, что в этих файлах много шума, а связи между концепциями часто теряются.

obsidian-wiki работает иначе. Это фреймворк, который заставляет вашего ИИ-агента (будь то Claude Code, Cursor или Windsurf) работать как редактор базы знаний. Когда вы узнаете что-то новое в процессе кодинга, агент не просто запоминает это в рамках сессии, а идет и обновляет соответствующую страницу в вашем Obsidian.

https://raw.githubusercontent.com/Ar9av/obsidian-wiki/main/https://github.com/user-attachments/assets/b44cf63b-3197-4fb1-8e18-dbc9a39f27a7

Что умеет этот «цифровой мозг»

Проект поставляется как набор «скиллов» (skills) — специальных инструкций, которые понимают современные ИИ-агенты. Вот несколько вещей, которые меня зацепили.

Умный импорт знаний

Команда /wiki-ingest — это не просто копипаст. Агент читает исходники (PDF, логи чатов, скриншоты или просто текст), вытаскивает оттуда суть, сущности и связи. Если вы обсуждали дебаг утечки памяти, агент создаст страницу про этот паттерн, добавит краткое резюме в frontmatter и свяжет её с существующими заметками.

Дельта-трекинг

Никто не хочет переваривать всю библиотеку документов при каждом обновлении. Система ведет манифест всех обработанных файлов. При следующем запуске агент видит только то, что изменилось или появилось нового. Это экономит токены и ваше время.

Кросс-агентный поиск

Это, пожалуй, самая киллер-фича. Допустим, вы работаете в Claude Code, но помните, что пару недель назад обсуждали что-то важное в сессии с Codex. Вы пишете /wiki-codex "ownership в Rust", и агент лезет в историю другого инструмента, достает оттуда нужные куски, дистиллирует их в базу знаний и выдает вам готовый ответ.

Автоматическое связывание

В Obsidian сила в ссылках. Скилл cross-linker сканирует ваш волт (vault) и автоматически расставляет [[wikilinks]] там, где вы упомянули существующие концепции, но забыли на них сослаться. В итоге граф знаний растет сам по себе.

https://raw.githubusercontent.com/Ar9av/obsidian-wiki/main/https://github.com/user-attachments/assets/f2980840-4b5b-438a-8264-5ad1de42f483

Как это устроено технически

В основе лежит Python-пакет, который можно поставить через pip. Он берет на себя грязную работу по настройке конфигов и симлинков для разных агентов.

pip install obsidian-wiki
obsidian-wiki setup --vault ~/my-second-brain

После этого в вашем проекте появляются файлы вроде CLAUDE.md или .cursor/rules/obsidian-wiki.mdc. Это «точки входа», через которые ИИ-агент понимает, что у него теперь есть доступ к базе знаний и набор команд для работы с ней.

Интересно, что проект поддерживает даже визуальную часть. Команда /graph-colorize может переписать ваш graph.json в Obsidian, чтобы раскрасить узлы графа по тегам или категориям. Мелочь, а наглядно.

Практические сценарии

Я вижу несколько реальных кейсов, где это экономит кучу нервов:

1. Онбординг в проект. Вы скармливаете агенту документацию и старые логи чатов команды. Он строит вики по архитектуре. Теперь новый разработчик может спрашивать не коллег, а /wiki-query "почему мы выбрали именно эту БД?".
2. Личная база паттернов. Нашли элегантное решение для сложной анимации? /wiki-capture — и оно сохранено в структурированном виде, а не похоронено в истории чата за прошлый вторник.
3. Исследования. Скилл wiki-research позволяет агенту автономно гуглить тему в несколько итераций и сразу раскладывать результаты по полочкам в Obsidian.

Стоит ли пробовать

Если вы активно используете ИИ-агентов для написания кода и чувствуете, что каждый новый чат — это «день сурка», то obsidian-wiki точно заслуживает вечера на изучение.

Проект еще молодой, и местами может не хватать стабильности (особенно если у вас огромный волт на тысячи файлов), но сама концепция «агент как садовник вашего цифрового сада» — это именно то, куда движется современная разработка.

Начать можно с малого: создайте пустую папку, натравите на неё obsidian-wiki setup и попробуйте скормить ей историю своих последних чатов. Возможно, вы удивитесь, как много полезного вы уже успели обсудить с ИИ, но благополучно забыли.