obsidian-mind: 为 AI coding agents 提供持久化记忆库，用于追踪专业上下文和绩效证据

它解决了什么问题

AI coding agents（例如 Claude Code）通常在每次会话开始时都处于零状态，丢失了关于目标、团队动态和过去决策的上下文。Obsidian Mind 为这些 agent 提供了一个持久化、结构化的记忆系统，允许它们维护用户工作、项目和专业成长的长期知识图谱。

工作原理

该项目是一个 Obsidian vault 模板，旨在用作 agent 的工作目录。它结合了过程化钩子（procedural hooks）和 agent 驱动的内容管理：

• Lifecycle Hooks：TypeScript 脚本，可在会话开始时自动注入上下文（例如“North Star”目标），实时对用户提示词进行分类，并在写入 markdown 文件后进行验证。
• Vault-First Memory：持久化知识存储在 git 追踪的 markdown 文件中。Agent 管理这些笔记，将项目与人员和决策联系起来。
• Tiered Loading：为了节省 token，它使用轻量级的初始上下文注入，并依赖语义搜索（通过可选的 QMD 工具）按需提取特定信息。
• Agent Integration：通过配置文件和钩子，它集成了 Claude Code、Codex CLI 和 Gemini CLI。

适用人群

使用 AI coding agents 且希望其 AI 助手能够记住其专业上下文、为绩效评估追踪成就，并自动管理项目文档的软件工程师和开发人员。

亮点

• Automated Context Injection：在每次会话开始时自动加载活跃项目和任务。

• Semanic Search：可选集成 QMD 以实现对 vault 内容的高精度检索。

• Performance Tracking：一个内置系统，可将工作笔记与能力框架联系起来，自动为绩效评估生成证据。

• Specialized Subagents：专门用于“brag-spotting”（发现未记录的成就）和“slack-archaeology”（从 Slack 中重建事件）等任务的 agent。

• Agent Agnostic：通过使用一套共享的 markdown 约定和脚本，可在多个基于 CLI 的 AI agents 之间通用。