AgriciDaniel/claude-obsidian

解决的问题

claude-obsidian 将标准的 Obsidian 仓库转变为一个本地优先、具备出处意识的知识系统。它解决了 AI 生成的笔记与原始来源脱节的问题，通过确保每个主张都有证据支撑，并让用户完全拥有其 Markdown 格式的文件，从而防止“幻觉”现象。

如何工作

该系统作为 Claude Code（及其他兼容的 Agent Skills 主机）的插件运行。它实现了一个可重复的循环：捕获本地源、在引用来源的页面中建立主张的根基，并通过链接笔记和可视化地图连接知识。

关键技术机制包括：

• 事务安全写入：对仓库的每一次更改都被视为可恢复的事务，需经过预飞行计划和 SHA-256 哈希审批流程，防止静默覆盖。
• 出处追踪：维护来源和主张的账本，以追踪权威性、置信度和矛盾。
• 本地优先架构：仓库保持为 Markdown 和 JSON 文件的目录，避免使用云数据库或隐藏缓存。
• 检索：使用确定性的 BM25 检索，可选地结合余弦重排序以实现更精确的证据收集。

适用人群

希望利用 LLM 合成信息，但又不希望丢失原始来源上下文或牺牲数据主权的研究人员、知识工作者和 Obsidian 用户。

主要亮点

• 15 个集成技能：包含专门用于数据摄入（wiki-ingest）、查询（wiki-query）、代码检查（wiki-lint）和自动研究（autoresearch）的工具。
• 方法论支持：支持多种归档惯例，包括 Zettelkasten、PARA 和 LYT。
• 可视化映射：与 Obsidian Canvas 集成，可创建可视化知识地图。
• 严格的信任边界：明确将产品代码与用户知识仓库分离，确保数据安全。
• 基于证据：高风险主张需两个独立来源支持，优先选择有根据的拒绝，而非虚构引用。