Jun 19, 2026

HermesObsidian知识管理记忆系统RAG自动化AI Agent

知识管理与记忆系统——让AI拥有过目不忘的大脑

本文是 Hermes（小龙虾）实战系列的第二篇。上一篇我们解决了”装得上”和”跑得动”的问题——Hermes Agent 安装配置完全指南。这一篇要解决更难的问题：怎么让 AI 不再’熊瞎子掰苞米’，聊完就忘。

一、先聊聊”AI 健忘”这件事

你有没有过这样的体验：跟 ChatGPT 聊了一个项目方案，聊得天花乱坠，第二天打开新会话，它一脸无辜地问你”你好，有什么我可以帮你的？“——昨天聊的全白费了。

这不是你不够努力，而是 AI 天生结构上的限制。大语言模型没有记忆——每次对话都是对着一张白纸开始的，不管你之前跟它聊过多少。

当然，你可以通过”带上下文的新对话”把历史塞进去，但 token 限制像一堵墙，堵住了聊了几十个回合的长对话。你翻过这堵墙，发现后面还有一堵——就算能装下所有历史，AI 也分不清哪些是重点，哪些是闲聊。

1.1 记忆的三个层次

要解决这个问题，我们先要放下”AI 跟人一样会记忆”的幻想。它是一种硅基生物的记忆方式，需要在认知上适应它。经过几个月的折腾和踩坑，我把 AI 的记忆能力分成了三个层次：

层次	机制	类比	最长保留
L1：会话记忆	同一个 session 内的对话历史	人类的短期工作记忆	几千到几十万 tokens（取决于模型上下文窗口）
L2：个人档案	持久化的用户档案和偏好	名片夹里的小卡片	永久
L3：知识记忆	外部知识库（文件、笔记、数据库）	你的私人图书馆	永久

绝大多数 AI 工具只做到了 L1（会话记忆）和部分 L2（用户档案），而在 L3 上基本是空白。Hermes 比它们强就强在：它原生支持接入外部知识库作为 L3 记忆层。 这才是它”越用越聪明”的真正秘密。

1.2 本文目标：让 AI 拥有三层记忆

我们这一篇的目标非常具体：把 Hermes 的 L3 记忆层搭起来，配合 Obsidian 这套本地优先的笔记系统，让你的 AI：

聊过的人、项目、代码片段，隔一个月回来，它还记得；
你有几千篇微信收藏或浏览器书签，它能从中提取出对你有用的知识；
你能通过定时任务让它在每天清晨把昨天的零散记录自动整理、归档、建关联。

如果你已经看完了安装指南，完成了”装得上”的一步，那今天这篇就是从”能跑”到”好用”的关键一步。

二、为什么选 Obsidian？—— 知识管理工具的四个标杆

在选”给 AI 喂什么记忆”之前，先想清楚你要怎么管理知识。市面上的笔记工具很多：Notion、飞书文档、Logseq、Roam Research……但经过大量对比，我最终选了 Obsidian。原因有四条：

2.1 本地优先，隐私可控

很多知识管理工具的痛点在于数据不在你手里。Notion 数据在云端，导出不方便；飞书文档类似。而 Obsidian 的所有笔记都是纯文本的 Markdown 文件，存在你的本地硬盘里。你可以用 Git 做版本管理，用 iCloud/坚果云做多端同步，甚至可以交给 Hermes 直接读写。

对量化交易者来说，这一点尤其重要——策略代码、回测数据、投资笔记，这些不应该放在任何第三方服务器上。

2.2 双链图谱，知识网络自生长

Obsidian 的核心概念叫”双向链接”（Bi-directional Links）。你在笔记 A 中提到了笔记 B，只要用 [[笔记 B]] 的格式，Obsidian 会自动在笔记 B 的页面上生成”被笔记 A 引用”的反向链接。

当笔记数量超过 50 篇后，突然有一天你会发现：图谱视图里开始出现”横跨两个领域”的连接。比如我的库里有条来自”动量策略”笔记的链接指向了”行为金融学”——因为我在分析动量因子的持续性时，提到了行为金融学中的”处置效应”。这种”跨域连接”是知识网络的价值所在，它帮你发现你自己都没意识到的知识关联。

2.3 可编程——API 和插件让自动化成为可能

Obsidian 有丰富的 API 和社区插件支持。你可以：

用 Templater 插件创建笔记模板；
用 Dataview 插件像 SQL 一样查询笔记元数据；
用 Periodic Notes 创建日记/周记/月记。

更重要的是，Obsidian 的底层是本地 Markdown 文件，任何能读写文件的程序都可以操作它——这给了 Hermes 极大的发挥空间。

2.4 生态成熟，社区活跃

Obsidian 的社区插件生态系统目前是世界上所有笔记工具中最活跃的。几乎你能想到的每一个知识管理需求，都能找到对应的插件。这意味着我们不需要从零造轮子，只需要把现成的工具拼起来。

如果你还没用过 Obsidian，建议先看看Ski11 的 Obsidian 入门视频（YouTube）——30 分钟就能上手。如果你完全不想折腾，只想 AI 帮你管理，直接跳到第三节从 Obsidian 设置开始。

三、搭建 AI 记忆系统

本节的每一个命令都可在终端直接复制运行。按照以下步骤，你将在 30 分钟内搭建好一个具备三层记忆的 AI 知识系统。

3.1 安装 Obsidian 并创建知识库

Windows 用户：wget 替换为 curl -O，或直接浏览器下载；WSL 用户注意路径用 /mnt/c/Users/你的用户名/Documents/Obsidian。

第一步：访问 obsidian.md 下载 Obsidian 客户端。别急着打开——先建好知识库的目录结构再配置。

第二步：创建一个专门给 AI 用的知识库。在文件系统上新建一个目录：

# Linux/Mac
mkdir -p ~/hermes-vault

# Windows/WSL
mkdir -p ~/hermes-vault
# 或者使用 Windows 路径：/mnt/c/Users/你的用户名/Documents/hermes-vault

第三步：用 Obsidian 打开这个目录：启动 Obsidian → “打开本地文件夹” → 选择 ~/hermes-vault → “使用”。Obsidian 会在该目录下自动生成 .obsidian 配置目录。

⚠️ 重要问题：路径不一致

如果你在 Obsidian 桌面客户端用 Windows 路径（C:\Users\...\hermes-vault），而 Hermes 在 WSL 中用 Linux 路径（/mnt/c/Users/.../hermes-vault）访问——这两个路径指向的是同一个目录。只要 Obsidian 配置中的路径和 Hermes .env 中的路径保持一致，就不会有问题。跨平台时用相对路径是最安全的选择。

3.2 安装 Obsidian 核心插件

一定要装的三个核心插件（社区插件）：

插件	安装方式	作用
Omnisearch	设置→社区插件→浏览→搜索”Omnisearch”	全文搜索，比 Obsidian 默认搜索快 10 倍，支持模糊匹配和拼音搜索
Templater	同上→搜索”Templater”	高级模板系统，支持 JavaScript 模板函数，约 2.4M
Dataview	同上→搜索”Dataview”	把笔记当数据库查，支持 SQL-like 查询，约 2.8M

建议安装的辅助插件：

插件	作用
Periodic Notes	自动创建日记/周记/月记
Tag Wrangler	批量管理标签
Kanban	看板模式管理项目
Excalidraw	手绘风格的白板绘图

所有插件安装完成后 重启 Obsidian。

3.3 设置知识库目录结构

在 Obsidian 中创建以下目录结构（可以直接在文件管理器里创建，也可以参考我的博客搭建经验中提到的内容组织方式）：

hermes-vault/
├── inbox/          # 收件箱——所有原始信息的暂存区
├── notes/          # 永久笔记——经过整理的知识点
├── projects/       # 项目笔记——按项目组织的产出物
├── daily/          # 日记——由 Periodic Notes 自动创建
├── templates/      # 模板——Templater 用的模板文件
├── attachments/    # 附件——图片、PDF 等
└── archive/        # 归档——已过时不常用的旧笔记

这个结构遵循了知识管理中的 “处理→理解→应用→归档” 四步法。后续的自动化和定时任务都会围绕这个目录结构设计。

3.4 配置 Hermes 连接 Obsidian

Hermes 通过环境变量来配置知识库路径。编辑 Hermes 配置：

hermes config set KNOWLEDGE_BASE ~/hermes-vault

或者直接在 .env 文件（通常在 ~/.hermes/ 下）中追加：

# Obsidian / Knowledge Base
KNOWLEDGE_BASE=~/hermes-vault
SUMMARY_API_KEY=your_openrouter_key
SUMMARY_MODEL=openrouter/anthropic/claude-sonnet-4-20250514

版本注意：如果你用的是 OpenClaw（Hermes 社区版），某些配置项名称可能不同。建议查看 Hermes Agent 安装指南来确认版本差异。

3.5 测试连接是否成功

重启 Hermes 后，在终端中输入：

# 测试知识库能否被访问
hermes tool knowledge list

# 创建一个测试笔记
hermes tool knowledge write "测试笔记" "这是我的第一条自动写入笔记，由Hermes创建。"

# 查看刚刚创建的笔记
hermes tool knowledge read "测试笔记"

如果你看到类似 Content written to /home/user/hermes-vault/inbox/测试笔记.md 的输出，说明你的 AI 终于有记忆了。 🎉

四、知识管理实战

4.1 日常使用：存、查、看关联

知识库搭好后，日常使用总结起来就三个动作：存进去、查出来、看关联。

存进去：最自然的操作

当你遇到任何有价值的碎片信息——无论是跟 Hermes 聊天的结论、读书笔记、策略灵感、代码片段——只需要说：

“把这个记下来：动量因子的衰退速度在低成交额市场比高成交额市场快 30%。放 projects 目录。”

Hermes 会自动在 ~/hermes-vault/projects/ 下创建一篇笔记，文件名用当前时间戳+关键词，内容格式化为 Markdown。如果它识别到笔记内容和已有笔记相关，会在文件末尾自动添加 [[相关笔记]] 的链接。

如果你想让 Hermes 能够引用你已有的工作成果，可以参考我写的白马股多因子选股策略来学习如何建立因子笔记。

查出来：用自然语言问答

当你需要用到知识时，不需要关心笔记存在哪个目录里，直接问：

“我之前记过动量衰减的数据吗？”

Hermes 会在整个知识库中做全文搜索（通过 Omnisearch），并在回复中标注信息来源。如果找不到，它会诚实告诉你，并建议补充方向。

看关联：发现你不知道的联系

这是知识网络最有价值的地方。当笔记积累到一定程度后，你可以让 Hermes：

“帮我看看 projects 目录下，有哪些笔记之间没有建立双向链接？”

或者更具价值：

“把我三周前记的量化笔记和上周的 AI 笔记放在一起，看能提炼出什么共同主题。“

4.2 知识库分类体系

为了让 AI 更好地理解和归类知识，我设计了一套 6 类节点分类体系：

节点类型	文件夹	标志属性	示例
概念节点	`notes/concepts/`	定义 + 来源	”动量因子是什么”
策略节点	`notes/strategies/`	规则 + 参数 + 回测结果	”双低可转债轮动”
工具节点	`notes/tools/`	安装方式 + 用法 + 踩坑记录	”DuckDB 安装与配置”
代码节点	`notes/code/`	完整代码 + 关键函数说明	”backtrader 回测模板”
项目节点	`projects/`	目标 + 进展 + 待办	”2026 Q2 实盘系统搭建”
决策节点	`notes/decisions/`	背景 + 选项 + 结果 + 反思	”为什么放弃聚宽选了 Ptrade”

AI 能根据分类自动决定将笔记放入哪个文件夹。例如当你提到”写一个关于 ETF 轮动的回测”，Hermes 会明白这是一个策略节点。你也可以参考我的ETF 轮动策略来了解相关内容。

4.3 三条黄金法则

在使用过程中，我总结出了三条确保知识库健康的黄金法则：

法则一：先存到 INBOX，再慢慢整理。 不要纠结于”这个放哪里”——所有不确定归类的信息先丢进 inbox/。每周整理一次 inbox，一次不超过 15 分钟。

法则二：每个笔记只记一件事，但要把这一件事记透。 如果一个笔记包含”动量因子定义”和”DuckDB 安装步骤”，说明它应该被拆成两篇。每个概念应该有全局唯一的”知识锚点”。

法则三：像写代码一样写笔记。 笔记要能被未来的你和 AI 理解。如果是代码，放完整可运行的版本；如果是策略，写清楚参数和逻辑；如果是决策，写清楚为什么做这个选择。未来的你不记得今天的上下文，但 AI 能帮你复原它。

五、高级自动化

5.1 7 个核心定时任务

Hermes 的 cron 调度是让它”真正成为生产力工具”的魔法。

任务 1：INBOX 自动归档

# 每天早 08:00 执行
hermes skill run inbox-processor

从 inbox/ 中读取所有未被分类的笔记，根据内容和模板库自动整理到 notes/ 下对应的子目录。在归档完成后，将原始文件移到 archive/。更多关于 cron 的细节可以参考cron 调度指南。

任务 2：每日晨报自动生成

# 每天早 07:00 执行
hermes skill run morning-briefing

Hermes 会：

读取昨天的日记（daily/YYYY-MM-DD.md）
扫描项目目录下所有笔记，提取最近的修改
检查收件箱是否堆积
生成一份 5 条以内的今日摘要，发送到配置好的消息渠道

任务 3：知识连接发现器

# 每周一早 09:00 执行
hermes skill run connection-finder

在全库中查找语义上相关但没有建立双向链接的笔记对，为每对生成建议的链接方向和支持理由。这个任务最好用 Claude Sonnet 或更高级的模型。

任务 4：知识库健康检查

# 每月 1 号早 10:00 执行
hermes skill run vault-health-check

检查并报告：孤立笔记（没有任何链接的笔记）、过期笔记（超过 90 天未修改）、未分类条目（inbox/ 中超过 7 天的笔记）的数量。

任务 5：项目健康监控

# 每日检查，周五发报告
hermes skill run project-health-monitor

检查 project 目录下的笔记，对比预期进度和实际产出。如果某个项目超过 2 周没有更新，自动提醒。

任务 6：周报自动生成

# 周五 18:00 执行
hermes skill run weekly-digest

汇总本周所有知识活动——新增笔记数、修改笔记数、发现的跨域连接、收件箱处理率。生成一份 Markdown 周报。

任务 7：碎片灵感捡拾

# 每 2 小时运行一次（9:00–21:00）
hermes skill run idea-catcher

在非会话时间段，Hermes 会主动检索它近期觉得”重要但还没记下来”的信息片段，自动整理到 inbox/。

5.2 索引策略优化

随着知识库增长到数百甚至上千篇笔记，搜索效率变得关键。下面是我实测有效的索引策略：

层级索引：知识库按目录结构天然分层（inbox → notes/strategies → notes/concepts）
标签索引：为每篇笔记打上 2~3 个标签，方便快速筛选
链接索引：双向链接本身是一种强大的索引，知识图谱的密集程度直接决定了检索质量
关键词索引：通过 Omnisearch 的全文索引，支持拼音搜索和模糊匹配

当知识库超过 500 篇笔记时，建议启用 Omnisearch 的索引优化：

Settings → Omnisearch → 开启 "Exclude folder" 排除 archive/
Settings → Omnisearch → 开启 "Show context" → 3 lines
Settings → Omnisearch → 索引策略 → 选择 "On file change"

六、长期效果：90 天知识复利

6.1 知识复利是怎么发生的

知识复利的机制很简单：当你积累的知识足够多，新知识和旧知识之间的”化学反应”会越来越频繁。

以我自己为例：

第 1~30 天：每天产生 3~5 篇笔记，主要是收件箱转归档。图谱上的节点在增加，但还没形成明显的网络。
第 31~60 天：连接发现器开始稳定输出建议。平均每周产生 4~6 条跨域连接。你会开始发现”原来这篇和那篇是同一个主题”的感觉。
第 61~90 天：知识网络变得足够稠密，连接发现器的输出质量质变。有一个周末，我发现自己的动量策略笔记、DuckDB 数据工程笔记、Ptrade 部署笔记之间产生了 3 条没人提醒过的连接。

6.2 量化你的知识库

你可以用以下指标跟踪知识库的健康度：

指标	健康值	衡量什么
笔记总数	> 200	知识库的广度
链接密度	> 2.0（每篇笔记平均连接数）	知识的网络化程度
收件箱清空率	> 90%	信息处理效率
孤立笔记率	< 10%	知识是否”落单”
跨域连接率	> 15%	跨领域思考的活跃度

6.3 适合的阅读顺序

如果你是从零开始的 Hermes 新手，建议按这个顺序阅读本系列：

Hermes Agent 安装配置完全指南 — 装得上、跑得动
本文：知识管理与记忆系统 — 让 AI 真正拥有记忆
Skill 技能系统与多 Agent 协作 — 从单兵变团队
消息平台接入实战 — 出现在你每个屏幕
模型配置与零成本方案 — 让 AI 用得起、用得好
安全防护与进阶玩法 — 别让你的 AI 裸奔