23 January, 2026

Obsidian Skills：让 AI 智能体精通 Obsidian 知识管理

笔记

TL;DR

Obsidian Skills 不仅仅是一个技能包，它标志着 Agent Skills 生态正在从通用技能向垂直领域深度集成演进。过去，Agent Skills 主要侧重于任务类型的通用能力，比如代码审查、PDF 处理等广泛适用的场景。而 Obsidian Skills 的出现代表了一个重要转折点，工具官方开始主动拥抱 AI 代理，为自己的产品创建官方维护的专属技能包。这种垂直领域技能的价值在于深入理解工具的设计哲学，掌握最佳实践和惯用模式，与插件生态无缝对接，并能跟随工具版本同步更新，为用户提供权威且完整的解决方案。

本文通过详细介绍 Obsidian Skills 的三个核心技能（Obsidian Markdown、Obsidian Bases、JSON Canvas），展示了 AI 智能体如何真正理解 Obsidian 的独特之处。两个实战案例进一步证明了这些技能的实用价值，通过 Base 技能管理阅读清单，通过 Canvas 技能可视化知识网络，让 AI 成为知识管理的得力助手。随着更多工具厂商跟进，垂直领域技能将成为 AI 代理与专业工具深度融合的标准模式，最终实现用自然语言操作复杂工具的愿景。

引言：从 Agent Skills 到垂直领域应用

两周前，我写了一篇关于 Agent Skills 深度解析：为 AI 代理构建可复用的技能生态系统的文章，探讨了 Agent Skills 规范如何让 AI 智能体获得模块化、可复用的能力。文章发布后，很多读者对这个生态的发展前景表示乐观。

当时，我们主要关注的是通用技能 - 代码审查、PDF 处理、文档生成等适用于各种场景的技能。但 Agent Skills 的潜力远不止于此。

就在浏览 X 时，我发现了一个非常有意思的仓库：kepano/obsidian-skills。Kepano 是谁？Steph Ango，Obsidian 的 CEO。

这意味着什么？工具官方开始拥抱 Agent Skills 规范，并为自己的产品创建官方技能包。

这不仅仅是一个技能仓库那么简单。它标志着 Agent Skills 生态正在从通用技能向垂直领域深度集成演进。Obsidian Skills 成为了第一个由主流工具官方维护的 Agent Skills 实现。

本文将深入探讨：

为什么 Obsidian 需要专门的技能包？
Obsidian Skills 包含哪些核心能力？
AI 智能体如何使用这些技能？
这对整个 Agent Skills 生态意味着什么？

为什么 Obsidian 需要专门的技能包？

Obsidian 不只是 Markdown 编辑器

作为一名 Obsidian 的重度使用者，我已经使用 Obsidian 好几年了。从最初简单的 Markdown 笔记，到现在构建起包含数千篇笔记的个人知识库，Obsidian 早已成为我日常工作和学习不可或缺的工具。这几年的深度使用经验让我深刻理解到：Obsidian 远不只是一个 Markdown 编辑器。

在回答这个问题之前，我们需要先理解 Obsidian 的独特之处。

很多人初次接触 Obsidian 时，会把它当成一个 Markdown 编辑器。这就像把 Notion 当成文档编辑器，或者把 Figma 当成绘图软件一样 - 只看到了表面，错过了本质。

Obsidian 的三大核心理念：

本地优先（Local-first）
- 所有数据以纯文本形式存储在本地
- 你完全拥有和控制自己的数据
- 不依赖云服务，永远可访问
双向链接（Bi-directional Links）
- 不仅仅是链接到文件，而是建立知识网络
- 通过反向链接（backlinks）发现思维间的关联
- 知识图谱可视化思想的连接
可扩展性（Extensibility）
- 强大的社区插件生态（1000+ 插件）
- 可以深度定制工作流程
- 支持各种知识管理方法论（Zettelkasten、PARA、MOC 等）

关于 Obsidian 插件生态的深度实践

正是因为 Obsidian 强大的插件系统，让它能够满足各种个性化的知识管理需求。我之前写过几篇文章深入介绍 Obsidian 的插件生态：

提升 Obsidian 使用体验的插件与技巧 - 分享我日常使用的核心插件和配置技巧
Image Upload Toolkit 稳定版发布 这是我开发的一个实用的图片上传插件

作为插件开发者，我深刻体会到 Obsidian 的可扩展性不仅体现在丰富的 API，更在于它开放的生态和活跃的社区。这种开放性也是 Obsidian Skills 能够成功的基础 - 当工具本身拥抱开放和扩展，官方发布 AI Agent Skills 就成为了自然的演进。

基于这些理念，Obsidian 发展出了一套独特的 Markdown 扩展语法和功能，这就是 Obsidian Flavored Markdown。

Obsidian 特有的概念

对比标准 Markdown，Obsidian 提供了独特的扩展功能：

Wikilinks - 使用 [[笔记名]] 语法，支持链接到标题 [[笔记#标题]] 和块 [[笔记#^block-id]]
Callouts - 语义化信息框，如 > [!tip] > [!warning] > [!bug] 等
Embeds - 嵌入其他笔记 ![[会议记录#核心决策]] 实现 DRY 原则
Properties - YAML 元数据配合 Dataview 查询，像数据库一样管理笔记
Canvas - 可视化思维工具，使用开放的 JSON Canvas 格式

AI 智能体面临的挑战

理解了 Obsidian 的这些独特功能后，问题就显而易见了：

没有 Obsidian Skills 的 AI 智能体：

生成标准 Markdown 链接 []()
不知道 Callouts 语法，只会用简单的引用块 >
不会添加 Properties 元数据
不理解 Block References 和 Embeds
无法生成 Canvas 文件

结果：内容虽然可读，但失去了 Obsidian 的核心价值 - 双向链接、知识网络、可查询元数据、内容复用等等。就像请了一个只会写纯文本的助手来管理复杂的知识库。

拥有 Obsidian Skills 的 AI 智能体：

使用 Wikilinks [[]] 建立知识网络
用合适类型的 Callouts 突出信息
添加结构化 Properties 便于查询
正确使用 Block References 和 Embeds
生成规范的 Canvas 文件

结果：原生 Obsidian 体验，充分利用工具的所有优势。

Obsidian Skills 深度解析

理解了为什么需要专门技能后，让我们深入了解 Obsidian Skills 提供了什么。

技能全貌

仓库结构：

kepano/obsidian-skills/
├── .claude-plugin/           # Claude Code 插件配置
├── skills/
│   ├── obsidian-markdown/    # Obsidian Flavored Markdown
│   ├── obsidian-bases/       # Obsidian Bases 格式
│   └── json-canvas/          # JSON Canvas 格式
├── LICENSE
└── README.md

三个核心技能，每个都针对 Obsidian 生态的不同方面。

技能 1：Obsidian Markdown - 核心技能

Obsidian Markdown 最重要的技能，覆盖了 Obsidian Flavored Markdown 的所有扩展语法。

覆盖的核心特性：

链接系统 - Wikilinks [[]]、链接到标题和块、搜索链接
嵌入系统 - 嵌入笔记、图片、PDF、音频等 ![[]]
Callouts - 13+ 种语义化标注框，支持可折叠和嵌套
Properties - YAML frontmatter 支持多种数据类型
Tags - 内联标签和嵌套标签
Block References - 块引用和精确引用
高级格式 - 高亮、任务列表、Mermaid 图表、LaTeX 公式、注释等

通过这个技能，AI 可以生成包含完整 Obsidian 特性的笔记，充分利用双向链接、元数据查询、内容嵌入等功能。

我觉得这个技能对于熟练掌握了 Obsidian Flavored Markdown 语法的用户用处就不打了，而且我更喜欢自己记录笔记，因为记录的过程也是学习、整理和记忆的过程。

技能 2：Obsidian Bases - 结构化数据

Obsidian Bases 提供纯文本的结构化数据格式，适用于项目管理、联系人管理、库存管理等需要数据库功能的场景。

核心能力
- 创建/编辑 Base 记录（键值对、多行记录）
- 与 Markdown 笔记通过 Wikilinks 建立关联
- 按字段过滤/分组/排序，支持日期、枚举、布尔
- 由 AI 生成模板、批量导入/规范化字段
基本示例（单条记录；多条记录以空行分隔）

name: 任务：完善登录页
status: in-progress
priority: high
owner: [[张三]]
due: 2026-03-31
related: [[产品需求文档]]

典型用法
- 项目任务/里程碑台账（状态、负责人、Due、优先级）
- 轻量 CRM（联系人、公司、跟进记录）
- 物料/知识清单（来源、版本、标签）

技能 3：JSON Canvas - 可视化思维

JSON Canvas 是 Obsidian 的开放格式规范，用于描述无限画布。AI 可以生成思维导图、知识图谱、工作流程图等可视化内容。

核心能力
- 创建节点（text/file/link/group）与连线（edges）
- 将现有笔记作为 file 节点嵌入，形成可视化知识图谱
- 生成布局（坐标/尺寸）与分组，支持后续人工拖拽微调
最小示例

{
  "nodes": [
    { "id": "n1", "type": "text", "text": "发布计划", "x": 0, "y": 0, "width": 200, "height": 60 },
    { "id": "n2", "type": "file", "file": "产品需求文档.md", "x": 280, "y": 0, "width": 380, "height": 300 }
  ],
  "edges": [ { "id": "e1", "fromNode": "n1", "toNode": "n2" } ]
}

典型用法
- 需求→方案→任务链路图（将关键笔记嵌入，串联产出）
- 读书/论文的知识地图（概念节点 + 引用原文的文件节点）
- 研讨会/复盘的决策脉络图（分组归档，连线表达因果）

技术实现：AI 智能体如何使用这些技能

Obsidian Skills 采用 Agent Skills 规范的渐进式披露原则，关于这一原则的分析可以看上一篇文章。简单来说：

首先是工作流程：

启动 - AI 加载技能元数据 (仅名称和描述，几百字节)
匹配 - 基于用户输入的关键词识别相关技能
激活 - 加载完整的技能指令 (10-20 KB)
执行 - 按照指令生成符合 Obsidian 规范的内容

效率提升也是很明显的：

传统方式：每次对话发送完整指令 (50-100 KB)
Agent Skills：按需加载，减少 70-90% 的上下文消耗

安装

KiloCode（笔者常用）原生支持 Agent Skills，安装最简单。这里使用工具 ai-agent-skills，但是其还没支持 KiloCode：

注意： ai-agent-skills 对 KiloCode 的支持已通过 PR #4 提交，目前正在审核中。合并后即可使用 --agent kilocode 参数。目前可以将 npx ai-agent-skills 替换为 npx github:addozhang/ai-agent-skills。

# 使用 AI Agent Skills CLI
npx ai-agent-skills install kepano/obsidian-skills --agent kilocode

命令行中有时我也会使用 OpenCode，OpenCode 也同样支持 Agent Skills。在 OpenCode 中安装：

# 使用 AI Agent Skills CLI
npx ai-agent-skills install kepano/obsidian-skills --agent opencode

检查安装情况

在 OpenCode 中输入 显示所有的 skill：

实战案例

通过两个真实的应用场景，看看 Obsidian Skills 如何解决实际问题。

案例 1：使用 Base 技能管理阅读清单

背景：作为一名技术从业者，我通过 Readwise 进行碎片化阅读，收集感兴趣的文章、推文和博客。Readwise 官方提供了 Obsidian 插件，可以自动同步高亮和笔记到本地知识库。但同步后的内容是独立的 Markdown 文件，缺少统一的视图来管理和浏览。

需求：想要创建一个 " 最近阅读文章 " 的视图，按时间倒序展示所有阅读过的文章，方便回顾和管理。

使用 Obsidian Skills 的解决方案：

通过简单的 prompt：

为所有 category 为 article 的 md 文件创建一个 base 视图，按照创建日期的倒序排序

AI 会自动识别并激活 Obsidian Bases 技能，根据 Base 格式规范生成符合标准的 .base 文件。

生成的 Base 文件示例 (阅读清单.base)：

filters:
  and:
    - category == "articles"
formulas:
  created_date: if(date, date(date).format("YYYY-MM-DD"), "")
  days_since: if(date, date(date).relative(), "")
properties:
  title:
    displayName: 标题
  author:
    displayName: 作者
  date:
    displayName: 创建日期
  formula.days_since:
    displayName: 天数前
  url:
    displayName: 链接
views:
  - type: table
    name: 文章列表
    groupBy:
      property: date
      direction: DESC
    order:
      - file.name
      - title
      - author
      - date
      - formula.days_since
      - url
    summaries:
      file.name: Unique
    columnSize:
      note.date: 127
  - type: cards
    name: 卡片视图
    order:
      - file.name
      - title
      - author
      - date
      - url

视图：

价值体现：

自动化管理：无需手动整理，AI 自动创建和维护视图
结构化数据：通过 Base 格式统一管理元数据
灵活筛选：可以按标签、日期、作者等维度筛选和排序
知识关联：通过 Wikilinks 链接到原文笔记，保持知识网络的连贯性

这个功能对于需要管理大量阅读材料的知识工作者特别有用 - 研究人员、博主、学生等都可以用类似方式管理自己的知识输入。

案例 2：使用 Canvas 技能可视化知识网络

背景：前几年我在 Kubernetes 网络方面写过多篇博客文章，涉及 CNI、Service Mesh、网络策略、Ingress 等多个主题。这些文章散落在 " 笔记 " 目录中，虽然有互相引用，但缺少一个全局视图来展示它们之间的关系。

需求：创建一个可视化的思维导图，将所有 Kubernetes 网络相关的笔记串联起来，形成一个清晰的知识地图。

使用 Obsidian Skills 的解决方案：

通过一个简单的 prompt：

根据我"笔记"目录中所有关于"kubernetes 网络"的内容，制作一个思维导图

AI 会自动识别并激活 JSON Canvas 技能，根据 Canvas 格式规范生成符合标准的 .canvas 文件，包含节点、分组和连线的完整布局。

创建的 “Kubernetes 网络思维导图.canvas“文件内容太长，就不贴上来了。

在 Obsidian 中打开后的效果：

通过 Canvas Skill 可以实现

自动发现关联：AI 理解笔记之间的语义关系，无需手动指定连接
层次化组织：通过分组（Group）展示知识的层次结构
可视化知识网络：一目了然地看到各个主题之间的关系
动态更新：当添加新笔记时，可以快速更新 Canvas，保持知识图谱的完整性
嵌入原文：Canvas 中的节点是实际的笔记文件，可以直接查看和编辑内容

这种可视化特别适合：

学术研究：整理文献综述，梳理研究脉络
技术学习：构建知识体系，理清概念关系
项目管理：展示项目文档间的依赖关系
内容创作：规划系列文章的结构和关联