进阶
用 Git、自定义 Skills、本地 AI 与多 Vault 边界,把基础系统演进成自己的工作方式。
完成本课后,你将能够
- 用 Git 审查和回退 AI 对 vault 的修改
- 写出触发清楚、范围明确的自定义 Skill
- 为本地 AI、多 Vault 和迁移做务实判断
9.1 用 Git 管理 Vault
Vault 是普通文件夹,因此可以直接用 Git 保存历史。它带来三件事:完整改动记录、AI 操作透明性,以及批量整理时随时回退的信心。
cd /path/to/your/vault
git init
git add -A
git commit -m "初始化 vault"
把经常变化且只记录窗口布局的 .obsidian/workspace.json、.obsidian/workspace-mobile.json 加入 .gitignore。每次 AI 修改后先看 git diff,确认后再提交。不要在有未保存重要改动时使用破坏性回退命令。
9.2 自定义 Skills
自定义 Skill 可以是一段写在 CLAUDE.md 或 Skill 文件中的明确工作流。原书给出三类例子:自动为日记添加 backlinks、每周把 raw/ 编译到 wiki/、遇到新概念时按规则创建 Wiki 页面。
一条可靠规则需要四个部分:
- 触发明确:当我说“处理今天的日记”时,而不是“你觉得合适时”。
- 范围明确:只读取指定目录,不扫描无关文件。
- 输出明确:页面结构、命名和报告格式固定。
- 先小范围测试:先处理几个文件,再扩展到整个 vault。
当我说“编译本周笔记”时:
1. 只读取 raw/ 中最近 7 天修改的 Markdown 文件;
2. 按 SCHEMA.md 提炼概念并搜索 wiki/ 中的已有页面;
3. 先输出新增、更新和冲突计划,得到确认后再写入;
4. 不改写 raw/,完成后更新 INDEX.md 并给出 git diff 摘要。
9.3 本地 AI
当 vault 含有敏感内容、需要离线工作,或不希望数据离开电脑时,可以用 Ollama 运行本地模型,再与 Smart Connections、Copilot 或 Text Generator 配合。
代价也要写清:本地模型能力通常弱于顶级云端模型,需要合适硬件,首次下载模型仍需网络。务实策略不是二选一,而是普通内容使用能力更强的云端服务,敏感内容切换到本地。
9.4 多 Vault 策略
一个 vault 的优势是搜索和链接不分裂。只有工作与个人、公开与私有等边界确实需要隔离时,才拆成多个 vault。
拆分前记住:wikilinks 不能跨 vault 工作;每个 vault 有独立配置和 CLAUDE.md;Claude Code 一次只在一个工作目录中运行。初学者先从一个 vault 开始,边界成熟后再拆。
9.5 从已有文件夹迁移
如果内容本来就是 Markdown,迁移步骤可以很短:用 Obsidian 打开现有文件夹,安装必要 Skills,调整 CLAUDE.md,开始使用。目录、Git 历史和 Skills 都可保留。
迁移中可能需要清理与新界面重复的路由或手工索引,但不要一次删除。先观察 Obsidian 搜索、图谱和现有规则如何协作,再逐项退役冗余流程。
本课练习:制定 30 天演进计划
- 第 1 周:初始化 Git,并审查一次 AI 修改
- 第 2 周:把一个稳定工作流写成明确规则
- 第 3 周:只用少量文件测试规则
- 第 4 周:评估隐私边界、插件数量和是否真的需要多 Vault
- 写下不会在这 30 天内引入的复杂度
最后的原则
工具会变化,但你的 Markdown 文件、长期积累和判断仍然属于你。系统的目标不是拥有最复杂的配置,而是让记录更容易、关系更清楚、知识更能被再次使用。
练习做完了吗?
勾选练习项后标记本课完成。进度会保存在当前浏览器。