obsidian-wiki多Vault管理与高级配置完整指南QMD语义搜索、_raw暂存区一次讲透【免费下载链接】obsidian-wikiFramework for AI agents to build and maintain a digital brain through Obsidian wiki | Memory System for Agents项目地址: https://gitcode.com/gh_mirrors/obs/obsidian-wikiobsidian-wiki 是让 AI Agent 通过 Obsidian 知识库自动构建、维护数字大脑的开源框架。本文面向新手一次讲透三件常被问倒的高级功能多 Vault 管理一个 Agent 服务多个知识库、QMD 语义搜索从关键词匹配升级为概念级检索、_raw 暂存区知识入库的第一中转站并附上高级配置速查表读完即可照做。 多Vault管理如何用一个Agent服务多个知识库很多用户会同时维护工作大脑和个人大脑——工作笔记涉及内部资料个人笔记涉及隐私混在一个 Vault 里并不安全。obsidian-wiki 用命名配置named config解决了这个问题全程零代码。一键创建命名Vault配置默认 Vault 写在全局配置~/.config/obsidian-wiki/config中。想新增一个 Vault只需/wiki-switch new work # 创建名为 work 的 Vault 配置它会在配置目录下生成config.work并重新指向当前激活的符号链接。之后随时用/wiki-switch name切换默认 Vault例如/wiki-switch personal切回个人库。完整流程见 docs/installation.md。高级技巧name 单次路由不改变默认库这是多 Vault 管理中最灵活的能力——在任何目录、任何一条请求里用名称把这次操作精确路由到指定 Vault且只对本次请求生效默认 Vault 纹丝不动work update wiki # 只更新工作库 research save this # 只写入研究库 wiki-query personal what do I know about MCP security读写技能都支持该语法写技能update、capture决定写到哪个库读技能query决定从哪个库查。其底层是统一的配置解析协议先看请求中的name内联覆盖再从当前目录逐级向上找.env最后回落到全局配置——所以不同项目、不同目录可以各自绑定不同 Vault 而互不串扰。相关实现位于 obsidian_wiki/client.py。接入已有旧Vault先预览再迁移如果你的 Vault 早于 obsidian-wiki 的记忆写入器建立它受generated_by标记保护——在你明确同意之前任何生成器都不会覆盖你的手写文件。迁移分两步安全可回滚obsidian-wiki memory migrate # 仅预览不改任何东西 obsidian-wiki memory migrate --apply # 先备份到 _archives/ 再正式接管预览会列出每一处变更哪些手写小节被保留、哪些章节将被重新生成、Key Takeaways是否带过去--apply会先写一份带时间戳的备份随时可恢复。 用obsidian-wiki doctor可随时体检它会自动报告迁移状态、坏掉的符号链接和损坏的 Vault 结构是管理多个 Vault 时的第一道哨兵。 QMD语义搜索让检索理解概念而不只是关键词默认情况下wiki-ingest和wiki-query使用 Grep/Glob 检索——零依赖、开箱即用但有个天然短板精确词匹配。你的笔记里写的是限流而页面里写的是throttlingGrep 就找不到了。QMD 是可选的语义搜索引擎支持 MCP 或本地qmd二进制两种接入方式打开后发生两件事wiki-query多了一趟语义检索在回落到 Grep 之前先对已编译的 Wiki 页面集合做 lexvec 混合搜索概念相关的页面即使措辞完全不同也能被命中并单独标注引文来源。wiki-ingest写页前先查原始资料集合新页落笔前自动关联相关原始文档帮你发现矛盾、决定新建页面还是并入已有页面。最快配置方法两步启用# 1. 注册两个集合必须互不重叠 qmd collection add /path/to/vault --name my-wiki qmd collection add /path/to/sources --name papers# 2. 写入配置 QMD_WIKI_COLLECTIONmy-wiki # wiki-query 用编译后的知识 QMD_PAPERS_COLLECTIONpapers # wiki-ingest 用原始资料 QMD_TRANSPORTmcp # 或 cli本地二进制 QMD_CLI_SEARCH_MODEquality # quality 重排最优 / balanced 均衡 / fast 纯语义⚠️新手最大的坑两个集合绝不能重叠。因为OBSIDIAN_VAULT_PATH里包含_raw/直接对整个 Vault 目录qmd collection add会把草稿层和编译层混在一起——被取代的旧草稿会像正式页面一样被检索、被引用。正确做法是在~/.config/qmd/index.yml里给 Wiki 集合加上ignore: _raw/**和log.md然后qmd update。放心大胆地用集合名留空时QMD 步骤会被静默跳过、自动回落 Grep任何配置失误都不会让流程报错中断graceful degradation 是内建承诺。全部变量见 docs/configuration.md。 _raw暂存区知识入库的第一中转站_raw/是 Vault 内的草稿暂存区随手笔记、剪贴板粘贴、语音速记、网页剪藏统统丢进去不用当场整理。它解决的是灵感来了但没时间写成结构化页面的真实场景。三步走捕获 → 晋升 → 归档捕获编码过程中最快的入口是/wiki-capture --quick——扫描当前对话、提取 bug 和踩坑点60 秒内写出结构化草稿不启子代理、不碰 manifest。晋升下次wiki-ingest运行时会自动把_raw/里的文件晋升为正式 Wiki 页面也可以显式执行/wiki-ingest promote my raw pages归档原始文件随后被移入_raw/_archived/既不重复处理、也不丢失草稿——这是暂存区最重要的设计每份捕获都有下落。目录由wiki-setup自动创建位置可用OBSIDIAN_RAW_DIR改默认就是_raw。浏览器插件网页内容直送_raw项目自带一个零构建的 Chrome 插件 extensions/brain/把剪藏 → 暂存 → 晋升变成三个鼠标动作打开chrome://extensions开启开发者模式点加载已解压的扩展程序选择extensions/brain目录之后点插件图标即可把当前网页或选中文字写成 Markdown 存入_raw/还能反过来用 Vault 内容填网页表单插件坚持本地优先——没有任何页面内容会被发送到服务器这与整个 obsidian-wiki 数据留在自己机器上的理念一致。⚙️ 高级配置速查表变量作用默认值OBSIDIAN_VAULT_PATH必填Vault 绝对路径—OBSIDIAN_RAW_DIR_raw暂存区位置Vault 内相对名_rawOBSIDIAN_CATEGORIES页面分类目录concepts,entities,skills,references,synthesis,journalOBSIDIAN_LINK_FORMATwikilink或markdown链接风格只影响新写入wikilinkQMD_WIKI_COLLECTIONwiki-query 的语义集合空关闭(空)QMD_PAPERS_COLLECTIONwiki-ingest 的原始资料集合空关闭(空)QMD_CLI_SEARCH_MODEquality/balanced/fastqualityLINT_SCHEDULE健康检查频率daily/weekly/manualweeklyOBSIDIAN_HOT_MAX_WORDShot.md热缓存字数上限500配置解析顺序值得记住一次就终身受用name内联覆盖 → 最近.env从 CWD 向上找→ 全局配置~/.config/obsidian-wiki/config→ 提示执行 setup。这个优先级保证了项目级临时改和全局默认可以各管各的也是多 Vault 不串台的根本原因。 完整变量清单含历史挖掘、信任分级、GitHub 同步、可见性标签见 docs/configuration.mdwiki-switch等全部 39 个技能见 docs/skills.mdVault 同步到私有仓库的版本管理玩法见 docs/configuration.md底层实现为 obsidian_wiki/sync.py。 总结多 Vault 管理/wiki-switch new work建命名配置work单请求路由/wiki-switch改默认——三层机制覆盖临时、局部、全局三种切换粒度且任何 Vault 切换都不会破坏其他 Vault 的配置隔离。QMD 语义搜索两个互不重叠的集合分别喂给wiki-query和wiki-ingest概念级匹配 写前查重配置不全时自动回落 Grep永远不会报错。_raw 暂存区/wiki-capture --quick捕获 →wiki-ingest晋升 → 自动归档到_raw/_archived/浏览器插件让网页剪藏也走同一条流水线。三条路径共同指向同一个目标让你的数字大脑按主题分库、按概念检索、按草稿渐进地长大——这正是 obsidian-wiki 作为 Agent 记忆系统的核心设计哲学。【免费下载链接】obsidian-wikiFramework for AI agents to build and maintain a digital brain through Obsidian wiki | Memory System for Agents项目地址: https://gitcode.com/gh_mirrors/obs/obsidian-wiki创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考