文章总结： Obsidian1.12版本引入CLI命令行接口，标志着该工具正从个人笔记软件向企业级知识管理平台演进。文章结合Karpathy的LLMWiki概念与企业知识管理4C框架，指出个人知识管理与企业级系统在逻辑上趋同，并建议用户以原子化、元数据丰富、高度互联的方式构建笔记，以适应未来AI驱动的自动化处理与知识网络构建。 综合评分： 85 文章分类： 解决方案,安全运营,安全建设,其他

Obsidian开始”长出”企业的样子了：一个CLI功能透露的信号

爱唠叨的Nil

2026年5月9日 11:54 江苏

在小说阅读器读本章

去阅读

#

先说个有意思的事

最近我把Obsidian更新到1.12版本（2026年2月27日发布），发现了一个新功能：CLI命令行接口。

说实话，我一开始没当回事。命令行嘛，不就是极客玩具。但仔细看了一下更新说明，我发现这玩意儿有点不一样——它让你能在终端里控制Obsidian，还能调用插件、做自动化。

然后我又看到了Karpathy（OpenAI创始成员、前特斯拉AI总监）最近提的一个概念：LLM Wiki。

这两个东西放在一起，突然让我意识到一件事：我们手里的Obsidian，可能正在悄悄变成一个”企业级”知识管理系统。

Obsidian 1.12：一个被低估的更新

2026年2月27日，Obsidian发布了1.12版本。最重要的更新就是CLI功能。

这个CLI能干什么？官方说：

• 脚本自动化：写脚本自动处理笔记
• 外部工具集成：把Obsidian和其他工具串起来
• 插件管理：命令行操控插件

但我觉得最关键的是：Obsidian开始允许”程序化访问”你的知识库了。

以前你用Obsidian，是在图形界面里点点点。现在你可以写一段脚本，让程序自动读取你的笔记、自动分类、自动生成索引。这不就是RAG系统的核心吗？

Karpathy的LLM Wiki：另一种思路

再说Karpathy提出的概念。

传统RAG是这样工作的：

文档 → 分块 → Embedding → 向量数据库 → 检索 → LLM回答

Karpathy觉得这套太复杂了。他提出的LLM Wiki是这样的：

原始笔记 → LLM编译 → 结构化Wiki → 直接塞给LLM

不需要向量数据库，不需要Embedding，不需要复杂检索管线。LLM自己维护一个Markdown知识库，按需读取。

但Karpathy也承认一个问题：知识量大了，一个context window装不下。

所以他加了一层向量检索作为补充。这就是”混合架构”。

企业知识管理4C框架：原来个人也在用

有意思的是，当我看到36氪报道的企业知识管理框架时，发现了一个惊人的重合。

企业知识管理有个”4C”框架：

• Codify（隐性→显性）：把脑子里的知识写成文档
• Capture（捕获）：在创建时提取实体、关系、意图
• Content（内容审核）：领域专家验证
• Circulate（流通）：从”拉”（搜索）变成”推”（推荐）

你发现没有？

• Obsidian的[[双向链接]]：不就是把散落的信息”Codify”成关系网络？
• LLM Wiki的编译过程：不就是Capture，把混乱笔记变成结构化Wiki？
• Obsidian的Callout标注：不就是一种轻量级Content审核？
• 插件的自动推荐：不就是Circulate，从搜索变成推送？

个人知识管理和企业知识管理，底层逻辑是一样的。

GraphRAG：企业的做法和Obsidian用户在做的事

企业知识管理还有一个关键概念：知识图谱。

企业用RDF和OWL这些标准定义实体及其关系。目的是让AI能进行”多跳推理”——比如把”安全策略”和”某区域的特定软件版本”关联起来。

邦飞利公司实践后，答案准确率提升了40%。

巧了，Obsidian用户其实早就在做类似的事：

• 用[[双向链接]]手动建立关系
• 用标签（Tags）建立分类体系
• 用Canvas画布可视化思维导图

唯一的区别是：企业用的是”结构化数据库+AI推理”，我们用的是”手动的链接+人脑推理”。

但方向是一样的：让知识从孤岛变成网络。

我观察到的趋势

说了这么多，我想表达的是：

个人知识管理工具正在向企业级架构靠拢，而大多数人没意识到自己在做什么。

具体表现：

1. 从工具到平台：Obsidian从”笔记软件”变成”知识操作系统”，CLI就是标志
2. 从手动到自动：从手动写笔记，到LLM辅助编译、自动分类
3. 从个人到协作：虽然Obsidian目前还是本地工具，但协作功能在增强

反过来，企业知识管理也在”个人化”：

1. 去中心化：不再是IT部门集中管理，而是各个业务部门”自建”
2. 轻量化：不再追求”大而全”，而是”够用就好”
3. 工具民主化：员工可以自己选择工具，只要能接入企业知识库就行

最终，两端会在某个点汇合。

对Obsidian用户的建议

说了这么多趋势，给几点实操建议：

1. 把笔记当”数据库”来写

企业知识管理有个原则：”一篇文章对应一个问题”。你的Obsidian笔记也应该这样。不要写那种50页的”万能笔记”，而是写清晰的、原子化的知识点。

2. 重视元数据

给笔记加上日期、标签、类型等元数据。这不只是为了好看——这是给AI（或者未来的你自己）提供”理解”你的知识库的线索。

3. 开始用双向链接

不要孤立地写笔记，每篇笔记都应该和其他笔记有联系。这种联系就是你的”个人知识图谱”。

4. 尝试CLI（如果你是技术爱好者）

Obsidian CLI允许你写脚本自动化处理笔记。比如：自动为某类笔记添加标签、自动生成索引、自动汇总某个主题的所有笔记。

5. 理解”AI就绪”的概念

企业衡量知识管理的指标叫”AI就绪度”。作为个人，你也可以问自己：我的笔记能被AI理解吗？如果要让AI帮我处理这些笔记，需要做什么改动？

写在最后

我一直觉得，用Obsidian的人是在”用最简单的方式，学习最复杂的知识管理思想”。

那些企业花大价钱请顾问做的事情，那些大公司构建复杂RAG系统的事情，其实和我们在Obsidian里做的事情本质一样：把混乱的信息，变成可理解、可复用、可推理的知识网络。

只是我们用的是双向链接，他们用的是知识图谱。 我们用的是手动的分类，他们用的是AI自动的聚类。 我们用的是本地笔记，他们用的是分布式数据库。

但方向一致，逻辑相通。

所以，如果你用Obsidian，不要觉得自己只是在”记笔记”。 你在做的事情，比你想象的更有价值。

本文由AI辅助创作，经人工审核修改

参考来源

1. Obsidian Changelog 1.122. 36氪《人工智能时代知识管理战略》3. 腾讯云《从零搭建个人Wiki RAG：Karpathy范式的本地知识库》

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：爱唠叨的Nil 《Obsidian开始”长出”企业的样子了：一个CLI功能透露的信号》