投研知识库搭建手册 #1:为什么我选择 Obsidian + Markdown

投研知识库搭建手册 #1:为什么我选择 Obsidian + Markdown

投研知识库搭建手册 #1:为什么我选择 Obsidian + Markdown

你有没有想过,你日常积累的那些笔记、文章、想法,怎样才能让 AI 真正「读懂」并为你所用?

前面有提到过,打算把知识库从 Notion 迁移到 Obsidian,最近花了点时间研究方案。我的知识库会多涵盖自媒体创作和技术开发两个额外板块,但搭建的方法论都是互通的。

Obsidian vs Notion

首先讲讲为什么迁移。

之前选择 Notion 的根本原因是博客的程序是基于 Notion 数据库的,一直沿用到今天。如今博客已经换成 Ghost 了,和 Notion 没半毛钱关系,不过写作习惯依然放在 Notion,自己写了个脚本工具做同步发布。

另一个原因则是现在 AI Agent 工具愈发强大了,无论是 Claude Code / OpenAI Codex 还是 GitHub Copilot。在强大的模型加持之下,能做的事情更多了。而建立一个本地知识库似乎对于这些工具而言更加方便。

Obsidian 是基于文件的,官方把它叫做「File over app」,意思是:文件数据重于软件应用。

File over App

可以这么理解:

对于 Notion 来说,你所写的所有内容都存在它的数据库,它通过一个非常复杂的技术概念给你组装起来。而 Obsidian,你的所有笔记都是存在本地硬盘的一个个 markdown 文件。

对于 AI 来说,去读取一个本地的 markdown 文件相比于调用 API 解析 Notion 返回的数据来说要容易太多了。

这里所说的 AI,指的是安装在本地的 AI Agent 软件,比如 Claude Code 这些。

Notion vs Obsidian

非得是 Obsidian 吗?

其实本地的知识库,核心是你撰写的那一堆 markdown 文件,Obsidian 只是集管理、编辑、预览于一体的一个软件而已。

如果你愿意,完全可以使用 Typora(Mac 端很优雅的 Markdown 编辑器),甚至 VS Code(微软出品的写代码的编辑器)进行编辑和管理。

哪怕只是用文件夹 + 文本编辑器都行。

我选择 Obsidian 看中这几点:

  • 高度可定制,甚至整个软件界面都可以配置,甚至使用 CSS(一种前端语言,用于定义用什么颜色、字体、排版方式渲染)做样式定制。
  • 支持 JavaScript 开发自定义插件,插件可以在 Mac 和 iOS 端运行。
  • 社区插件丰富,基本想要的功能都有,如果没有,自己开发或者魔改一个都很方便。
  • 对于 iCloud 支持还可以,适合 Mac 和 iOS 双持用户。

非得是 Markdown 吗?

现有的任何模型都能很自然地读取 markdown 文件。

Markdown 文件可以看作是一个富文本的「源码形式」,也可以看作是一种非常方便的手写网页 HTML 的语言。

Markdown 原本最广泛地被用于给代码写说明书,几个 # 号、* 号、- 号,就能区分六级标题、粗体和列表。非常适合写文档说明书。

后来很多有文本输入的地方都支持了 Markdown,包括像滴答清单这样的 To-Do app。

Markdown 其实没有什么标准规范,只是大家约定俗成,它有很多「方言」。像 Obsidian 所支持的和 GitHub 所支持的,就有所差异。但我们所常用的那几个,都一样。

对于非技术出身的人来说,只需要掌握以下这些即可:

# 一级标题
## 二级标题
...
###### 六级标题

**粗体**

- 无序列表
  - 嵌套的无序列表
- 无序列表项2

1. 有序列表
2. 有序列表项2

这些对 AI 来说非常有用。AI 模型会通过多级标题来识别区分你的指令/文档的板块,会通过粗体来领会到你在强调一个事情,会通过列表来识别它要完成的 To-Do list。

AI 如何理解 Markdown

我的 Obsidian 知识库架构

规划了这样一套目录结构:

ObsidianVault/
├── 00-Inbox/                  # Webhook/接收端:存放临时剪藏、下载的研报 PDF、待处理素材
├── 10-Drafts/                 # Dev 环境 (内容):正在撰写中的各类文案、博文草稿
├── 20-Projects/               # Dev 环境 (代码):进行中的独立开发项目文档、脚本规划
├── 30-Outputs/                # Prod 环境:定稿的纯文本产出,供外部 Python 脚本读取分发
│   ├── innomad.io/            # 长图文:个人网站/博客文章定稿
│   └── Micro/                 # 短图文:推文串、小红书文案等短内容
├── 40-Resources/              # Dependencies (依赖库):沉淀的原子化知识和素材库
│   ├── AI/                    # AI 相关:Prompt 模板、工具测评、工作流设计
│   ├── Dev/                   # 独立开发技术:代码片段、架构思路、iOS/扩展开发笔记
│   └── Finance/               # 投资理财:美股/期权分析、个股档案、财报阅读笔记
├── 80-Archive/                # 冷数据区:已上线的项目文档、废弃的草稿、不再关注的标的
├── 90-Journal/                # 日志与监控:时间轴记录
│   ├── Daily/                 # 每日流水:含每日交易记录、情绪复盘
│   └── Reviews/               # 周期复盘:周度/月度总结报告
└── 99-System/                 # 核心配置:系统级文件与脚本变量
    ├── Attachments/           # 附件全家桶:如果是相对路径模式,此文件夹可仅存通用配图
    ├── Templates/             # 模板库:存放标准化的 YAML Frontmatter 和排版模板
    └── _LocalConfig/          # 一些配置文件

知识库架构工作流

整体上我的知识库会覆盖几个板块:

  • 博客文章
  • 技术开发
  • 投资交易

其中:从 00 到 30 是灵感收集和内容创作等的自然工作流。重点是 30,是发布到线上的文章存档。

后面的 40 作为不需要发布或者不能发布的知识,比如素材、投研的资料等等。90 作为日志区域,主要记录一些交易错题复盘。

最后的 99 则是作为系统辅助,Obsidian 的附件目录、模版目录都会在这里。

为什么加上数字?因为 Obsidian 软件默认按照字母排序,冠上数字,一目了然,尽管有点丑。

一挪迈的思考

建立知识库,首先需要问问自己:你真的有知识需要管理吗?

很多人其实没想清楚要管理什么。我个人认为,强管理的一定是你自己生产的知识。即便是网络上收藏的一篇文章,你也得消化了,形成自己的理解,然后管理起来。单纯替别人管理别人的内容,没有任何意义。

其次,要思考如何去沉淀自己的知识。如果你的文件都是 PPT、Word,你该怎么处理?

后面,我也会再分享这些话题。

工具永远在变,留下来的只有你写下的东西。

如果你也在折腾自己的知识体系,欢迎评论区聊聊你的方案。

原创不易,如认为有价值,请不吝赞赏充电⚡️

微信赞赏码
微信 扫码,为我买一杯咖啡☕️
公众号二维码
关注公众号,获取最新文章推送

相关阅读

Claude 投研方法论:11 篇实战开箱懒人包

Claude 投研方法论:11 篇实战开箱懒人包

过去这几周,一直在开箱 Anthropic(目前最先进的 AI 公司之一) 开源的金融投研套件(financial-services-plugins)。这是一套包含了 51 个 skill(可认为是给 AI 用的程序),覆盖股票研究、财务分析、财富管理、私募股权、投行等领域。这是华尔街机构真实在用的方法论。 这个开箱系列把其中对个人投资者有意义的部分拆解出来,用通俗的方式讲清楚,并做到了每篇附一个可以直接用的 Prompt。 今天整理一下目录,方便大家回顾和查找。 选股篇:怎么找到值得研究的股票 一:机构「主题挖掘」方法论,个人投资者也能用 从一个投资主题出发,沿着价值链找受益公司。五步走:定义论点、画价值链、找受益者、用护城河和估值过滤、盯催化剂。自上而下的选股思路。 二:机构的选股方法 五套量化筛选器:价值型、成长型、质量型、动量型、

Claude 金融投研套件开箱收官:机构的投资灵感生产线

Claude 金融投研套件开箱收官:机构的投资灵感生产线

这个系列写到现在,估值讲了、财报讲了、持仓管理讲了、行业研究也讲了, Claude 这个金融投研套件的开箱也要收官了。 今天拆解 Claude 开源的金融投研套件(financial-services-plugins),最后一个核心内容:Idea Generation(选股灵感)。 说白了,后面的流程再完善,如果最前面"找到值得研究的标的"这一步卡住了,一切都是零。 机构分析师有一套系统化的方法来产生投资灵感,叫 Idea Generation。它把"找机会"这件事从灵光一闪变成了一套可重复的流程。 灵感的两个来源 机构找投资机会,基本就两条路: 路径一:量化筛选(自下而上) 设好条件,让数据帮你过滤。比如"P/E 低于行业平均、连续 5 年盈利增长、内部人在买入"

机构分析师研究一个新行业的五步速写法

机构分析师研究一个新行业的五步速写法

前九篇我们一直在聊股票:怎么选、怎么估、怎么管。但有个更前置的问题一直没讲: 你凭什么相信这个行业值得你投? 很多人的投资路径是这样的:看到一个新闻"某公司股价暴涨了 50%",然后冲进去研究这只股票,再决定买不买。但是,这个顺序是反的。 机构分析师的顺序是:先搞懂这个行业是怎么运作的、谁在赚钱、未来五年会怎么变,然后才去问"这个行业里谁是最好的标的"。 今天继续拆 Claude 开源的金融投研套件(financial-services-plugins),来看看行业全景(Sector Overview) 这套框架。 为什么要做行业研究? 举个例子,毕业生找工作。 路径 A(散户思路):听说程序员工资高,直接学编程,甚至转码。 路径 B(机构思路):先研究一下整个科技行业的结构和趋势,发现云计算和 AI 是未来五年的大趋势,然后再去看这个趋势里哪些岗位最吃香,最后才决定学什么技能。