用AI+Obsidian搭建自动化知识库：视频转笔记到知识图谱

背景

我用Obsidian快两年了。双向链接和知识图谱确实好用，但有一个核心问题：Obsidian本身不生产内容，它只是一个容器。你的知识库能长多大，取决于你往里面手动写了多少笔记。

而手动写笔记太慢了。每天花半小时整理知识，最多写两三条笔记。大部分学过的东西根本没有时间写成笔记，学完就忘。

更关键的是，我现在最大的信息输入源是视频：B站教程、技术演讲、播客，这些内容占了每天信息摄入量的一半以上。它们进不了Obsidian，知识库就永远是残缺的。

最近跑通了一套方案：用Ai好记把视频转成结构化笔记，自动同步到Obsidian，再让LLM编译成互相链接的wiki。整个流程大部分是自动化的，这篇记录完整的工作流。

工具准备

核心环节是Ai好记。它解决了两个关键问题：

1. 在线视频链接直接解析，不用下载
2. 支持直接导出到Obsidian，不需要中间格式转换

第1步：视频转结构化笔记

输入

打开Ai好记，粘贴视频链接。支持的来源：

产出物

每个视频处理后得到：

1. 沉浸式阅读笔记

• 文字和视频关键帧截图整合在同一页面
• 原文/润色双版本切换
• 划线高亮、多色标记、写批注
• 点击段落跳转到视频对应时间点
• 22种语言划词翻译

2. 思维导图

• 自动生成多层级导图（2/3/4级展开）
• 节点点击跳转到视频对应片段
• 导出格式：PNG / PDF / SVG / Markdown / Xmind / JSON / TXT

3. 精华速览

• 500-1000字核心要点提炼
• 一分钟读完，快速判断内容价值

4. AI学习深度问答

• AI自动生成Q&A对
• 可直接用来做复习题

处理时间

45分钟的视频大约2-3分钟处理完成。支持批量处理——10个视频一次性丢进去，全部处理完大约15-20分钟。

第2步：筛选并导出到Obsidian

不是所有视频都值得进知识库。处理完之后先扫一眼精华速览，筛选出有价值的再导出。

导出方式

Ai好记支持一键同步到Obsidian。导出内容包括：

文件组织建议

给视频笔记单独建一个文件夹，按主题分类，不要跟日常笔记混在一起：

vault/ ├── 视频笔记/ │ ├── Python进阶/ │ │ ├── 01-异步编程.md │ │ ├── 01-异步编程-导图.png │ │ ├── 02-装饰器深入.md │ │ └── 02-装饰器深入-导图.png │ ├── 系统设计/ │ │ └── ... │ └── 产品方法论/ │ └── ... ├── 日常笔记/ │ └── ... └── 索引/ └── ...

格式兼容性

Ai好记导出的Markdown格式跟Obsidian完全兼容——标题、列表、加粗、代码块这些基本元素都没问题。图片是本地路径而非外部URL，Obsidian离线时也能正常显示。

第3步：LLM编译wiki（可选进阶）

这一步参考了Andrej Karpathy分享的LLM Wiki方法。核心思路是：让LLM读取你积累的所有笔记，自动编译成互相链接的wiki。

具体操作

用Claude或其他LLM读取视频笔记文件夹，让它：

1. 生成摘要— 每份笔记提炼核心要点
2. 建立反向链接— 识别不同笔记之间的关联概念，自动加上Obsidian的双向链接语法[[]]
3. 维护索引文件— 生成一个总索引，按主题/标签/日期组织

示例prompt

请读取以下文件夹中的所有Markdown笔记： @视频笔记/ 完成以下任务： 1. 为每篇笔记生成一句话摘要 2. 识别不同笔记之间的关联概念，用[[]]语法建立双向链接 3. 生成一个总索引文件 index.md，按主题分类

编译结果

LLM会自动生成：

• 每篇笔记的摘要块
• 跨笔记的双向链接（比如Python异步编程的"事件循环"自动链接到系统设计的"IO模型"）
• 一个结构化的总索引

这一步完全不需要手动操作。

完整工作流总结

第1步：摄入 看到有价值的视频 → 粘贴链接到Ai好记 → AI自动转成结构化笔记 ↓ 第2步：筛选+导入 扫读精华速览 → 筛选有价值的 → 一键导出到Obsidian ↓ 第3步：编译（可选） 让LLM读取所有笔记 → 自动建立双向链接+索引 ↓ 第4步：使用 在Obsidian里浏览wiki → 搜索知识点 → 点击链接跳转

我手动做的事情只有两个：

1. 筛选哪些视频值得处理
2. 偶尔在wiki里补充自己的思考

其他全部自动化。

Obsidian用户需要注意的几个细节

1. 时间戳链接

Ai好记导出的笔记带有时间戳（格式如05:23）。你可以在Obsidian里把这些时间戳做成指向原视频的超链接，需要回看的时候一键跳转。

思维导图的节点跳转本质上也是这件事——点击导图上的某个知识点，直接跳到视频中老师讲那段的地方。

2. 双向链接补充

视频笔记导入后，你可以手动给关键概念加上Obsidian的双向链接，跟已有笔记建立关联。

比如笔记里出现了"事件循环"，你可以手动改成[[事件循环]]，跟其他提到这个概念的笔记自动关联。

如果用第3步的LLM编译，这一步也可以自动化。

3. 标签体系

建议给每篇视频笔记打上标签：

--- tags: [Python, 异步编程, 进阶] 来源: B站 时长: 45分钟 处理时间: 2026-04-28 ---

Obsidian可以根据标签做筛选和搜索。

效率对比

以前一个月新增几十条笔记就算勤奋了。现在一个月新增几百条，每条都有结构、有链接、有索引。

这套方案适合你吗

不足之处

客观说几点：

1. LLM编译质量取决于素材质量— 如果丢进去的视频笔记本身结构混乱，编译出来的wiki也不会好。所以第一步的筛选和转录质量很重要。

2. 有一定学习成本— 需要你同时会用Ai好记、Obsidian、LLM三个工具。不是看了文章明天就能跑通的，得花一两天把每个环节走一遍。

3. 跑通后是复利型系统— 每投入一份素材，整个知识库都会变得更大、更深、更有价值。时间越长回报越大。

Ai好记地址：https://www.aihaoji.com

Obsidian地址：https://obsidian.md/

新用户享有免费额度，建议先拿5个视频跑通完整流程。有问题欢迎评论区交流。