obsidian-mind: 為 AI coding agents 提供持久化記憶庫，以追蹤專業情境與績效證據

它解決了什麼問題

AI coding agents（例如 Claude Code）通常在每次會話開始時都從零開始，會失去關於目標、團隊動態和過去決策的上下文。Obsidian Mind 為這些 agent 提供了一個持久、結構化的記憶系統，讓它們能夠維護使用者工作、專案和專業成長的長期知識圖譜。

運作方式

該專案是一個 Obsidian vault 模板，旨在作為 agent 的工作目錄使用。它結合了程序化鉤子（procedural hooks）與 agent 驅動的內容管理：

• Lifecycle Hooks：TypeScript 腳本，可在會話開始時自動注入上下文（例如「North Star」目標）、即時對使用者提示詞進行分類，並在 markdown 檔案寫入後進行驗證。
• Vault-First Memory：持久的知識儲存在由 git 追蹤的 markdown 檔案中。Agent 管理這些筆記，將專案與人員和決策連結起來。
• Tiered Loading：為了節省 token，它使用輕量級的初始上下文注入，並依賴語義搜索（透過選用的 QMD 工具）來按需提取特定資訊。
• Agent Integration：透過設定檔和鉤子，與 Claude Code、Codex CLI 和 Gemini CLI 進行整合。

對象是誰

使用 AI coding agents 的軟體工程師和開發者，希望其 AI 助手能記住其專業情境、例如追蹤成就以供績效評估，並自動管理專案文件。

重點特色

• Automated Context Injection：在每次會話開始時自動載入進行中的專案與任務。
• Semanic Search：可選擇性地與 QMD 整合，以實現對 vault 內容的高精度檢索。
• Performance Tracking：內建系統可將工作筆記連結至能力框架，自動生成績效評估的證據。
• Specialized Subagents：專用於特定任務的 agent，例如「brag-spotting」（尋找未被記錄的成就）和「slack-archaeology」（從 Slack 重建事件）。
• Agent Agnostic：透過共享的一套 markdown 慣例與腳本，可在多個基於 CLI 的 AI agents 之間通用。