大家好,我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。
有道云笔记最近把 LLM Wiki 和 Agent Skills 做成了可以直接上手的能力。
我看到这个变化时,第一个判断不是“云笔记要替代 Obsidian”,而是:如果你还没真正理解 LLM Wiki,先别急着搬家。
先用一个低成本入口,跑通一次“资料进入、结构归档、关系维护、Agent 可读”的闭环。它不一定是最终形态,但能让你快速看清楚:LLM Wiki 到底在解决什么问题。
问题不是笔记放在哪,而是 Agent 能不能接得住
很多人的知识库,其实只是一个更大的文件传输助手。
看到文章先收藏,想到观点先扔进去,读到一句话先截图,项目里遇到问题先复制到某个文档。
一开始很有成就感,因为输入越来越多。但过一段时间会发现,真正要用的时候,还是找不到、连不上、复用不了。
比如你要写一篇关于 Agent Skills 的文章,过去可能已经收藏过 MCP、Skills、LLM、Agent、知识库相关内容。但真正检索时会卡在几个地方:
第一,文件名不统一。有的叫“Agent 标准化”,有的叫“技能系统”,有的叫“AI 工具学习”。
第二,来源不清楚。你忘了这句话是自己判断、产品文档、项目经验,还是别人文章里的观点。
第三,关系没有维护。MCP、Skills、LLM Wiki、Obsidian、内容生产、Agent 执行环境之间有关联,但在知识库里是孤岛。
第四,Agent 不知道怎么用。你把一堆 Markdown、截图、网页剪藏丢给它,它可以临时总结,但很难持续维护结构。
所以,知识库真正要解决的不是“保存”,而是“让人和 Agent 都能理解”。
LLM Wiki 值得关注,也正是因为这一点。它不是某个软件的专属功能,而是一种文件组织和知识表达方式:让每篇内容有标题、来源、主题、关联对象和可追踪路径,让 LLM 看到结构,而不只是看到文本。
第一次先跑最小闭环
很多工程师天然喜欢本地文件。
我也一样。本地 Markdown、Git、Typora、Obsidian 这些组合,对工程师非常友好。可控、透明、可迁移,也容易和脚本、代码仓库、Agent 执行环境结合。
但如果你还没理解 LLM Wiki,第一步不要陷入工具选择:要不要用 Obsidian?插件装哪些?目录怎么拆?双链怎么维护?要不要用 Git 管版本?
第一天最重要的问题是:你能不能把一篇资料,变成一份 Agent 能读懂、能归档、能关联、能复用的知识单元。
按照有道云笔记的 LLM Wiki 快速上手思路,可以先跑四个动作。
第一,准备环境。
安装并配置 YoudaoNote CLI 和 API Key,用 youdaonote version 看版本,必要时先升级。然后安装 Wiki Skill,让 Agent 能读写你的云笔记。
第二,创建知识库。
你可以直接对 Agent 说:
1 | 帮我创建一个知识库,主题是 AI 研究 |
这一步会生成一套基础结构,比如原始素材、实体、概念、对比、查询记录、索引、结构说明和操作日志。
第三,摄入资料。
比如:
1 | 把这篇文章整合进我的 ai-wiki:https://example.com/article |
Agent 会把原文放入 raw/,识别实体和概念,创建或更新页面,补交叉引用,并更新 index.md 和 log.md。
第四,查询和检查。
你可以问:
1 | 在 ai-wiki 里,Transformer 和 RNN 各自适合什么场景? |
如果回答有价值,就归档到 queries/。资料变多以后,再让 Agent 审计知识库,检查孤立页面、矛盾说法、索引缺口和没有关联的内容。
这里还有一个小区别:基础 Skill 更像日常笔记助手,适合保存会议纪要、待办和剪藏;Wiki Skill 面向长期知识资产,适合摄入资料、维护关联、归档结论和检查结构。不要把两类能力混在一起。
什么时候值得做,什么时候先别做
如果你只是偶尔记笔记,不做长期内容输出,不做项目知识沉淀,也不打算让 Agent 参与整理和复用,那么没必要一上来就研究 LLM Wiki。
普通文件夹、搜索、标签,已经足够。
如果你的资料主要是强隐私内容,比如客户合同、内部经营数据、未公开方案,也不要急着接入外部工具。先把数据边界、脱敏规则、权限模型想清楚。
如果你还没有稳定输入来源,比如一个月只收藏两三篇文章,也没必要先搭复杂系统。系统复杂度应该跟输入规模和复用频率匹配。
但如果你每天都有大量文章、项目资料、读书笔记、会议记录进入知识库,经常需要把过去资料转成文章、方案、培训材料或项目判断,并且已经开始用 Agent 辅助写作、查资料、整理代码或管理项目,那 LLM Wiki 就不是概念,而是一个很实际的工程问题。
先练结构,再决定工具
这篇文章不是建议大家都留在云笔记,也不是说 Obsidian 不值得用。
我的判断是:如果你还没有跑通过 LLM Wiki,不要先把精力花在工具迁移上。
先完成一次最小闭环:
1 | 创建知识库 -> 摄入资料 -> 查询验证 -> 归档结论 -> 检查结构 |
跑完以后再判断:哪些字段真的有用,哪些目录适合你的工作,哪些内容必须本地化,哪些流程需要 Git、脚本或 Obsidian 来增强。
这时候再迁移,判断会清楚很多。
真正有价值的知识系统,不是看起来复杂,而是能在未来任务里被正确调用。先让 Agent 接得住,再谈工具长期形态。
我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。