Hermes+Obsidian完整教程：复刻Karpathy两千万人围观的知识库

AI应用风向标（公众号：ZhidxcomAI） | 作者｜毕伟豪 | 编辑｜漠影

智东西 7月8日 报道

Hermes Agent 已成为我日常开发、完整万人围观文档分析及文件处理的教程首选 AI 工具。然而，复刻长期存在一个痛点：它缺乏有效的两千长期知识沉淀机制。虽然 Hermes 具备持久记忆功能（如 MEMORY.md记录偏好，识库USER.md保存个人信息），完整万人围观但这些文本文件容量有限（仅数千字符），教程无法承载多年积累的复刻工作笔记、项目文档及研究资料。两千

真正高价值的识库知识往往散落在本地文件夹中。市面上虽有众多 AI 知识库产品，完整万人围观但若希望深度集成 Hermes，教程Hermes + Obsidian是复刻最佳解决方案。

Obsidian是两千一款基于本地 Markdown 文件的笔记软件，通过结构化存储打造个人知识库。识库开发者 zaimiri 提出 “Hermes Agent + Obsidian Vault = AI Brain”的理念：Obsidian 负责存储，Hermes 负责理解、管理与关联。这种组合让 AI 接入了一个持续进化的“第二大脑”。

鉴于此，本文将从零开始，演示如何搭建这套高效的知识管理体系。

一、基础搭建：Obsidian 安装与 Hermes 联动

1. 安装与初始化

• 下载：访问 Obsidian 官网，下载对应系统版本。
• 配置：全程无需账号，本地运行，安装耗时不足 5 分钟。
• 创建 Vault：首次启动时选择“Create new vault”，指定一个本地文件夹作为知识库根目录。

核心优势：Obsidian 使用标准 Markdown 格式，Hermes 无需适配特殊格式，直接读取即可。

2. 核心功能解析

• 双向链接 (Wikilinks)：在笔记间建立关联，点击即可跳转，形成知识网络。
• 知识图谱 (Graph View)：自动生成可视化关系图，直观展示知识节点的紧密度与孤立点。

注：初期无需关注插件或美化，重点在于建立 Hermes 与 Obsidian 的连接。

3. 启用 Hermes Obsidian Skill

Hermes 内置 obsidian-skill，通过操作本地文件实现对 Obsidian 的管理。

快速上手提示词：

“我下载了黑曜石，我现在不知道该怎么在 Hermes 中使用它，给我一个详细的使用方法。”

Hermes 将自动加载技能并输出操作指南，主要涵盖：新建、查找、修改笔记。

实战演示：创建教程笔记

提示词：“帮我在 Obsidian 中创建一套上手指南，包含主教程、Markdown 速查和一篇新闻示例，要能体现出 Obsidian 的双向链接功能。”

结果：Obsidian 中自动生成结构清晰的笔记，并在知识图谱中显示关联关系。

实战演示：自动化整理周报

操作：将 6 月周报汇总文件发给 Hermes。
提示词：“分析这个文件，把它整理到我的工作总结仓库中，然后把仓库里冗余的未命名文件夹删掉。”

结果：Hermes 自动拆分文档，创建“周报索引”与“周报”笔记，并清理空文件，极大提升了文档维护效率。

二、进阶玩法：复刻 Karpathy 的 LLM-Wiki 体系

若仅用于整理笔记，上述功能已足够。但要实现真正的“AI 大脑”，需引入 LLM-Wiki概念。

1. 什么是 LLM-Wiki？

源自 AI 大神 Andrej Karpathy 的知识管理方案。其核心逻辑是：
1. 输入：用户投入原始资料（文章、论文等）。
2. 分析：AI 自动识别概念、实体及关系。
3. 结构化：自动拆分为独立页面，并通过双向链接串联。
4. 进化：Obsidian 知识库随输入不断扩展，形成类似维基百科的结构。

Hermes 官方已将此逻辑封装为内置 Skill。

2. 一键初始化知识库

复制以下提示词，即可初始化一个全中文的 AI/大模型研究知识库：

加载llm-wiki技能，初始化一个全中文的AI/大模型/Agent研究知识库，路径~/wiki。如已存在则先读取SCHEMA+index+log定向。要求：1. 目录名全中文：原始资料/（文章、论文、访谈记录、附件）、实体/、概念/、对比/、查询/2. 标签体系用中文（7类）：- 模型/架构：模型、架构、大语言模型、多模态、开源模型、国产大模型- 训练/技术：训练、微调、LoRA、RLHF、推理优化、量化、对齐- Agent：Agent、工具调用、RAG、多智能体、代码Agent、Agent框架- 公司/组织：公司、创业公司、实验室、OpenAI、Google、Meta、Anthropic、中国公司- 人物：人物、研究者、创始人- 产业/商业：融资、产品、评测、监管、政策- 元信息：对比、时间线、争议、预测、概览3. 页面标题和正文全中文，文件名可用英文小写+连字符4. 每页frontmatter必含：title、created、updated、type、tags、sources输出：wiki结构、标签清单、就绪状态

初始化效果：

3. 自动化知识摄入

假设你从 Hugging Face 获取了一份 191 行的 AI Agent 术语表。

• 传统方式：手动放入文件夹，日后检索困难。
• LLM-Wiki 方式：

  提示词：“把这篇文章加入Wiki”

执行结果：
Hermes 在 1 分钟内完成全文解析，自动分类并生成十余篇独立笔记（如 Agent, Model, Tool Use, Context Engineering 等），且全部采用中文分类与双向链接。

知识图谱体验：
打开“Agent”页面，可见其引用了“Tool Use”、“Skill”等概念。点击链接即可跳转，浏览体验高度类似维基百科，知识密度与关联性显著提升。

4. 智能检索与汇总

当需要特定领域资料时，无需手动翻找：

提示词：“帮我把 Obsidian 里关于智能体资料找出来。”

Hermes 将检索所有相关笔记，列出清单并推荐重点内容，甚至可直接汇总所有相关内容。

三、注意事项与优化建议

尽管体验流畅，但在实际使用中需注意以下两点：

1. 文件冲突处理
2. 现象：若同时在 Obsidian 中打开某笔记，又让 Hermes 修改，Obsidian 可能提示文件变更冲突。

3. 解决：修改前关闭对应标签页，或手动刷新文件状态。

4. 关于 MCP (Model Context Protocol)

5. 建议：初期无需配置 MCP。
6. 理由：本教程中的读取、修改、创建等基础功能，Hermes 自带的 Obsidian Skill 已完全胜任。MCP 适合高阶用户探索更复杂的集成场景，对于常规知识管理而言，属于过度配置。

结语

Hermes + Obsidian 的核心价值：让 AI 从“记忆偏好”进化为“理解知识”。

过去，整理分类、建立索引占据大量时间；现在，机械性工作交由 Hermes 处理。接入 Obsidian 后，Hermes 更像是一位研究助理，将散落各处的资料重新组织、关联。

最终建议：配置过程仅需片刻，真正的投入在于持续积累。知识库越丰富，Hermes 的推理与检索能力越强，这套组合释放的价值也将呈指数级增长。

(责任编辑：焦点)