yixiong-claude-marketplace/plugins/obsidian/skills/obsidian-workflow-pkm/SKILL.md

name, description

name	description
obsidian-workflow-pkm	Obsidian PKM 端到端编排层——专为"多步骤复合需求"设计，组合调用 obsidian-* 子技能。覆盖 Inbox→Zettelkasten 原子化、MOC 主题地图、PARA 项目归档、Karpathy LLM-Wiki、周报/月报汇总、季度知识库体检、文献批量导入、Web Clip→永久笔记。**优先匹配**：当用户说"整理 inbox/构建 MOC/做季度体检/汇总周报/clip 这篇文章"等多步骤指令时，先进入本技能（编排层）再下发子技能；单一原子操作（搜一篇笔记、改一个属性）请直接用 obsidian-search/meta 等专项子技能。触发词：整理 inbox、原子化笔记、构建 MOC、PARA 归档、LLM wiki、周报、月报、知识库体检、Zettelkasten 流程、web clip、网页剪藏、批量导入文献。

Obsidian Workflow · PKM 编排工作流

参照 lark-workflow-* 的命名与定位——这是编排层技能，调用各 obsidian-* 子技能完成端到端 PKM 流程。不用于单一原子操作，那些请用对应专项技能。

设计哲学：每个工作流都是"步骤序列 + 决策点 + 审计记录"。AI agent 按步骤执行、在决策点等待用户确认（按项目 CLAUDE.md 规则）、所有写入记录到 daily note。

---

何时使用

场景	工作流
清理 Inbox，把闪念变成永久笔记	Workflow 1: Inbox → Atomic → Permanent
从零构建一个主题的 MOC	Workflow 2: MOC Builder
已完成项目归档到 Archive	Workflow 3: PARA 归档
用 LLM 构建一个可维护的主题 Wiki	Workflow 4: Karpathy LLM-Wiki
生成周报/月报	Workflow 5: 周报 / 月报汇总
季度知识库健康度体检	Workflow 6: 季度体检
从网页/PDF 批量导入并原子化	Workflow 7: 文献批量导入
单篇网页剪藏 → 永久笔记	Workflow 8: Web Clip → Permanent

---

Workflow 1 · Inbox → Atomic → Permanent（Zettelkasten 核心流程）

目标：把 00-Inbox/ 中的零散捕获，重写为 50-Zettel/ 下的原子永久笔记，并自动补双向链接。

步骤

┌─────────────────┐
│ 1. 扫描 Inbox   │ obsidian-search 列出 00-Inbox/ 所有文件
└────────┬────────┘
         ↓
┌─────────────────┐
│ 2. 逐篇读取      │ obsidian (read) 读原文
└────────┬────────┘
         ↓
┌─────────────────┐
│ 3. AI 原子化改写 │ 一个概念一篇笔记，标题 = 概念主干
└────────┬────────┘
         ↓
┌─────────────────┐      ┌ 决策点 ┐
│ 4. 用户确认      │ ───→│ 继续?  │
└────────┬────────┘      └───┬────┘
         ↓                   ↓
┌─────────────────┐
│ 5. 找相关永久笔记 │ obsidian-search (search + backlinks)
└────────┬────────┘
         ↓
┌─────────────────┐
│ 6. 创建新笔记    │ obsidian (create) 到 50-Zettel/
│    + 补反链      │ obsidian-meta (property:set refs)
└────────┬────────┘
         ↓
┌─────────────────┐
│ 7. 移除原 inbox │ obsidian (delete) 或 move 到 40-Archive
└────────┬────────┘
         ↓
┌─────────────────┐
│ 8. 审计日志      │ obsidian-daily (daily:append)
└─────────────────┘

Bash 实现骨架

#!/bin/bash
# workflow_inbox_to_permanent.sh

set -e

# 审计函数
log() {
  obsidian daily:append inline content="
- \`$(date +%H:%M)\` **inbox→permanent** $1"
}

# Step 1: 列 Inbox
INBOX_FILES=$(obsidian files folder="00-Inbox" ext=md format=json)
COUNT=$(echo "$INBOX_FILES" | jq 'length')
log "扫描 Inbox：共 ${COUNT} 个待处理文件"

# Step 2-6: 逐篇处理（由 agent 驱动）
echo "$INBOX_FILES" | jq -r '.[] | .path' | while read -r path; do
  # Step 2: 读原文
  ORIG=$(obsidian read path="$path")

  # Step 3: AI 原子化（由 agent 完成，此处伪代码）
  #   - 分析 ORIG 内容，抽取 1~N 个原子概念
  #   - 为每个概念生成 ZID、标题、正文、建议标签

  # Step 4: 展示拆解结果给用户，等待确认
  echo "原文: $path"
  echo "拆解为:"
  echo "  1. 概念A - <标题>"
  echo "  2. 概念B - <标题>"
  read -p "继续? (y/N) " confirm
  [ "$confirm" != "y" ] && continue

  # Step 5: 搜索相关永久笔记
  for concept in "$CONCEPTS"; do
    RELATED=$(obsidian search query="$concept" path="50-Zettel" limit=5 format=json)
    # agent 挑出 top-3 作为 refs
  done

  # Step 6: 创建永久笔记
  ZID=$(date +%Y%m%d%H%M%S)
  TITLE="<AI 生成的概念标题>"
  CONTENT="---
zettel_id: ${ZID}
title: ${TITLE}
created: $(date +%Y-%m-%d)
source: ${path}
refs: [[[相关笔记1]], [[相关笔记2]]]
tags: [concept, <auto-tag>]
---

# ${TITLE}

<AI 原子化后的正文>

## 相关
- [[相关笔记1]]
- [[相关笔记2]]
"
  obsidian create path="50-Zettel/${ZID} - ${TITLE}.md" content="$CONTENT"

  # Step 7: 清理 Inbox 原文
  obsidian move path="$path" to="40-Archive/inbox-$(date +%Y-%m)/$(basename "$path")"
  log "处理完成：$path → 50-Zettel/${ZID}"
done

---

Workflow 2 · MOC Builder（主题地图构建）

目标：给定一个主题关键词，自动从 vault 中召回相关笔记，组织成一个 MOC（Map of Content）入口。

步骤

1. 输入主题关键词（如"云原生运行时经济学"）
2. 多关键词扩展 → 由 agent 生成 3-5 个相关词
3. 对每个词跑 obsidian-search（限定到 50-Zettel/）
4. 合并去重 → 候选列表
5. 按笔记的 created 日期排序 → 时间线
6. 按 tags 聚类 → 主题分组
7. AI 生成 MOC 结构：
   ## 核心概念
   ## 实践案例
   ## 相关研究
   ## 时间线
8. 用户确认结构
9. 创建 60-MOC/<主题>.md
10. 为每篇被引用的笔记补反链（可选）

关键命令链

TOPIC="云原生运行时经济学"
KEYWORDS=("云原生" "运行时" "GraalVM" "虚拟线程" "冷启动")

# Step 3-4: 召回
RESULTS=""
for kw in "${KEYWORDS[@]}"; do
  RESULTS+=$(obsidian search query="$kw" path="50-Zettel" limit=20 format=json)
done

# Step 5-6: 由 agent 合并/排序/聚类

# Step 9: 创建 MOC
obsidian create path="60-MOC/${TOPIC}.md" content="# MOC · ${TOPIC}

> 本主题地图由 AI 于 $(date +%Y-%m-%d) 构建

## 核心概念
- [[笔记1]]
- [[笔记2]]

## 实践案例
- [[笔记3]]

## 相关研究
- [[笔记4]]

## 时间线
- 2024-01 [[早期笔记]]
- 2025-06 [[中期笔记]]
- 2026-04 [[最新笔记]]
"

---

Workflow 3 · PARA 归档

目标：扫描 10-Projects/，找出 status: done 且超过 14 天无更新的项目，批量移到 40-Archive/。

步骤

#!/bin/bash
# workflow_para_archive.sh

# 1. 找 done 状态项目
obsidian files folder="10-Projects" format=json | \
  jq -r '.[] | .path' | while read -r path; do

  # 2. 读 status
  STATUS=$(obsidian property:read name=status path="$path" 2>/dev/null)
  UPDATED=$(obsidian property:read name=updated path="$path" 2>/dev/null)

  # 3. 判断是否符合归档条件
  if [ "$STATUS" = "done" ]; then
    DAYS_AGO=$(( ($(date +%s) - $(date -d "$UPDATED" +%s)) / 86400 ))
    if [ "$DAYS_AGO" -gt 14 ]; then
      # 4. 先检查反链（确保没有活跃项目仍在引用）
      BACKLINKS=$(obsidian backlinks path="$path" total)
      if [ "$BACKLINKS" -gt 0 ]; then
        echo "⚠ 跳过（有 ${BACKLINKS} 个反链）：$path"
        continue
      fi

      # 5. 用户确认（按项目 CLAUDE.md 规则）
      read -p "归档 $path ? (y/N) " confirm
      [ "$confirm" != "y" ] && continue

      # 6. 移到 Archive
      NEW_PATH="40-Archive/$(basename $(dirname $path))/$(basename $path)"
      obsidian move path="$path" to="$NEW_PATH"

      # 7. 审计
      obsidian daily:append inline content="
- 📦 归档项目：$path → $NEW_PATH"
    fi
  fi
done

---

Workflow 4 · Karpathy LLM-Wiki（AI 驱动主题 Wiki）

目标：针对一个研究主题，用 LLM 自动收集 → 综合 → 结构化成一份可维护的 Wiki。

参考：Karpathy《LLM Knowledge Bases in Obsidian》

步骤

1. 输入主题 + 10~20 个初始源（URL / PDF / 论文）
2. 对每个源：
   - 下载/读取内容
   - AI 提炼：核心观点 + 关键事实 + 术语表
   - 写入 20-Literature/<source>.md
3. 综合阶段：
   - AI 读所有 Literature 笔记
   - 生成 Wiki 大纲（章节结构）
   - 用户确认大纲
4. 写作阶段：
   - 按大纲逐章生成内容
   - 每个事实标注来源（[[20-Literature/xxx]]）
   - 写入 30-Resources/wiki-<topic>.md
5. 迭代：
   - 用户提新问题 → AI 查 Literature 补答
   - 用户贡献新源 → Step 2~4 增量更新
6. 维护：
   - 每次更新在 frontmatter 记录 `last_updated`
   - 每月跑一次"过期源检测"（URL 404 / 事实过时）

SCHEMA.md 片段（告诉 agent 如何维护 Wiki）

## Wiki 维护约定

- Wiki 文件位于 `30-Resources/wiki-<topic>.md`
- 每个事实必须有 `[[20-Literature/xxx]]` 来源标注
- Frontmatter 必须包含：
  - `topic: <主题>`
  - `last_updated: <日期>`
  - `sources_count: <数字>`
  - `open_questions: <list>`
- 更新 Wiki 时，只追加或修订，不删除旧段落（保留版本演化）

---

Workflow 5 · 周报 / 月报汇总

目标：自动从每日笔记、完成任务、git log、PR 列表中生成周报。

#!/bin/bash
# workflow_weekly_report.sh

WEEK=$(date +%Y-W%V)
LAST_MONDAY=$(date -d "last monday" +%Y-%m-%d 2>/dev/null || date -v -mon +%Y-%m-%d)

# 1. 收集本周每日笔记内容
DAILY_CONTENT=""
for i in {0..6}; do
  DATE=$(date -d "${LAST_MONDAY} +${i} days" +%Y-%m-%d 2>/dev/null)
  CONTENT=$(obsidian read path="90-Daily/${DATE}.md" 2>/dev/null)
  DAILY_CONTENT+="$CONTENT\n\n"
done

# 2. 收集已完成任务
DONE=$(obsidian tasks done verbose format=json)

# 3. 收集搜索关键词（AI 写作/代码/会议/学习）
WRITING=$(obsidian search:context query="写作" limit=10 format=json)
MEETINGS=$(obsidian search:context query="会议" limit=10 format=json)

# 4. AI 生成周报
REPORT="# 周报 · ${WEEK}

## ✅ 本周完成
<agent 从 DONE 提取>

## 📝 主要产出
<agent 从 DAILY_CONTENT 提取>

## 🧠 学习与思考
<agent 从 DAILY_CONTENT 的晚间回顾提取>

## 📅 下周计划
<agent 从未完成任务推导>
"

# 5. 写入 vault
obsidian create path="99-Log/weekly-${WEEK}.md" content="$REPORT" open

---

Workflow 6 · 季度知识库体检

目标：三件套 + 元数据一致性检查 + 归档建议。

检查项

# 1. 图谱健康三件套
obsidian orphans format=json > /tmp/q-orphans.json
obsidian deadends format=json > /tmp/q-deadends.json
obsidian unresolved verbose format=json > /tmp/q-unresolved.json

# 2. 元数据一致性
obsidian files format=json | jq -r '.[] | .path' | while read -r p; do
  # 检查每篇是否有 created 字段
  obsidian property:read name=created path="$p" 2>/dev/null || echo "MISSING_CREATED: $p"
  # 检查每篇是否有 tags
  obsidian property:read name=tags path="$p" 2>/dev/null || echo "MISSING_TAGS: $p"
done > /tmp/q-metadata.txt

# 3. Tag 体系审计
obsidian tags counts sort=count format=json > /tmp/q-tags.json
# 由 agent 找出：低频 tag、命名不一致、未层级化

# 4. 归档建议
obsidian files folder="10-Projects" format=json | \
  jq -r '.[] | .path' > /tmp/q-projects.txt
# 由 agent 读每个项目的 status + updated，提 done + stale 归档建议

# 5. 生成体检报告
obsidian create path="99-Log/health-$(date +%Y-Q$((($(date +%m)-1)/3+1))).md" content="$REPORT"

输出报告模板

# 知识库季度体检 · 2026-Q2

## 🧪 体检结论
- 总笔记数：X
- 孤立笔记：X（占 Y%）
- 断头笔记：X
- 未解析链接：X
- 元数据缺失：X

## 🔴 高危问题
- ...

## 🟡 优化建议
- ...

## 🟢 健康指标
- ...

## 行动项（自动生成 task）
- [ ] 清理 N 篇孤立笔记
- [ ] 修复 N 个未解析链接
- [ ] 合并 N 个低频 tag

---

Workflow 7 · 文献批量导入

目标：从网页/PDF 批量导入到 20-Literature/，每篇自动生成：摘要、关键词、与现有知识库的关联。

# 依赖：Web Clipper 或 obsidian-advanced-uri 插件
# 简化流程：

URLS=("https://..." "https://..." "https://...")

for url in "${URLS[@]}"; do
  # 1. 下载原文（用 Bash curl 或 Clipper）
  CONTENT=$(curl -s "$url" | <html-to-markdown>)

  # 2. AI 提炼
  SUMMARY="<AI 生成的 300 字摘要>"
  KEYWORDS="<AI 生成的关键词列表>"

  # 3. 找已有相关笔记
  RELATED=""
  for kw in $KEYWORDS; do
    RELATED+=$(obsidian search query="$kw" limit=5 format=json)
  done

  # 4. 创建 Literature 笔记
  TS=$(date +%Y%m%d%H%M%S)
  obsidian create path="20-Literature/${TS}-$(slugify).md" content="---
type: literature
title: <原文标题>
source: ${url}
created: $(date +%Y-%m-%d)
tags: [literature, ${KEYWORDS}]
related: [$(agent 填充)]
---

## 摘要
${SUMMARY}

## 关键词
${KEYWORDS}

## 原文要点
<AI 提炼的 bullet points>

## 与现有知识库的关联
- [[相关笔记 1]]
- [[相关笔记 2]]

## 原文链接
${url}
"
done

---

Workflow 8 · Web Clip → Permanent（单篇网页剪藏）

目标：用户给一个 URL（或一段文字），AI 抓取→清洗→提炼→落 30-Resources/ 或 50-Zettel/，比 Workflow 7（批量文献）更轻量、即时。

与 Workflow 7 的区别

维度	Workflow 7	Workflow 8
触发	一批 URL/PDF	单条 URL/选文
目录	20-Literature/	30-Resources/ 或 50-Zettel/
时机	批处理	即时单次
决策点	一次全批确认	每次都确认

步骤

┌──────────────────┐
│ 1. 抓取网页正文  │ defuddle（社区标准）/ WebFetch / curl + readability
└────────┬─────────┘
         ↓
┌──────────────────┐
│ 2. 清洗为 Markdown│ 去广告/导航/评论；保留正文 + 图链 + 代码块
└────────┬─────────┘
         ↓
┌──────────────────┐      ┌ 决策点 ┐
│ 3. 用户预览原文   │ ───→│ 落库?  │
└────────┬─────────┘      └───┬────┘
         ↓                    ↓
┌──────────────────┐
│ 4. AI 提炼摘要+关键词│
└────────┬─────────┘
         ↓
┌──────────────────┐
│ 5. obsidian-search│ 找已有相关笔记
│    关联召回       │
└────────┬─────────┘
         ↓
┌──────────────────┐
│ 6. 创建笔记       │ frontmatter: source=url, type=clip
│    + 双向链接     │
└────────┬─────────┘
         ↓
┌──────────────────┐
│ 7. daily:append   │ 审计：URL + 落位路径
└──────────────────┘

Bash 实现骨架

#!/bin/bash
# workflow_web_clip.sh

URL="$1"
TARGET_DIR="${2:-30-Resources}"  # 默认 30-Resources，可指定 50-Zettel

# 1. 抓取 + 清洗（按可用性优先级回退）
if command -v defuddle &>/dev/null; then
  # 社区首选：defuddle 专门为 LLM 设计，去 chrome
  CLEAN=$(defuddle "$URL" --markdown)
elif command -v readability-cli &>/dev/null; then
  CLEAN=$(readability-cli "$URL" --output md)
else
  # 兜底：让 AI agent 走 WebFetch + 手工清洗
  CLEAN=$(echo "USE WebFetch tool with prompt: extract main content as clean markdown")
fi

# 2. AI 提炼
TITLE=$(echo "$CLEAN" | head -1 | sed 's/^#\s*//')
SUMMARY="<AI 300 字摘要>"
KEYWORDS="<AI 提炼关键词，逗号分隔>"

# 3. 关联召回
RELATED=$(obsidian search query="$KEYWORDS" limit=5 format=json | jq -r '.[].path')

# 4. 落库
SLUG=$(echo "$TITLE" | tr ' ' '-' | tr -dc 'a-zA-Z0-9-_一-龥')
DATE=$(date +%Y-%m-%d)
PATH_NEW="${TARGET_DIR}/${DATE}-${SLUG}.md"

obsidian create path="$PATH_NEW" content="---
type: clip
title: ${TITLE}
source: ${URL}
created: ${DATE}
tags: [clip]
related: [${RELATED}]
---

## TL;DR
${SUMMARY}

## 关键词
${KEYWORDS}

## 正文（清洗后）
${CLEAN}

## 与现有知识库
- 见 frontmatter related 字段
"

# 5. 审计
obsidian daily:append content="\n- [web-clip] ${URL} → [[${PATH_NEW}]]"

注意

• defuddle 是 Obsidian 团队官方维护的 web→markdown 清洗工具（github.com/kepano/defuddle），比 readability-cli 更专为 LLM 优化（去 token 浪费）
• 没装 defuddle 时，AI agent 应主动用 WebFetch 工具 抓取并 prompt 模型"清洗为正文 markdown"
• 去重检查：落库前先 obsidian search query="source: ${URL}"，避免同一篇 clip 两次

---

通用工作流约定

1. 决策点 × 步骤 × 审计

每个工作流都是 执行 → 决策点 → 审计：

• 执行：由 agent 自动调用各 obsidian-* 技能
• 决策点：在"写入前"、"删除前"、"移动前"三类操作必须等待用户确认（项目 CLAUDE.md 规则 4）
• 审计：每个写入操作在 obsidian-daily（日志）+ 99-Log/ai-actions-<date>.md（结构化记录）

2. 安全栏杆

• 批量操作前 git checkpoint（或 obsidian-history 手动快照）
• 批量操作前 obsidian sync off（避免同步抖动）
• Agent 一次只能动 1 个工作流；不能并发两个写入 workflow

3. 命名约定

• 工作流脚本：workflow_<name>.sh，放在 vault 根的 99-Log/scripts/ 或用户 ~/.claude/scripts/
• 工作流日志：99-Log/workflow-<name>-YYYYMMDD.md
• 工作流模板：70-Templates/workflow-<name>.md

---

与其他 obsidian-* 技能的调用关系

graph TD
    WF[obsidian-workflow-pkm]
    CORE[obsidian 核心]
    SEARCH[obsidian-search]
    META[obsidian-meta]
    TASKS[obsidian-tasks]
    DAILY[obsidian-daily]
    BASES[obsidian-bases]
    HIST[obsidian-history]

    WF --> CORE
    WF --> SEARCH
    WF --> META
    WF --> TASKS
    WF --> DAILY
    WF --> BASES
    WF --> HIST

    DAILY -.审计日志.-> WF
    HIST -.检查点.-> WF

---

常见陷阱

现象	原因	对策
工作流中途失败导致状态不一致	没有事务	先 git checkpoint；失败后从 checkpoint 恢复
Agent 在决策点没等用户	没实现交互	脚本用 read -p，交互式 agent（如 Claude Code 的 AskUserQuestion）用其原生询问机制
批量处理把同一笔记处理两次	没用 idempotent 标记	处理完在 frontmatter 加 processed_by: inbox_workflow
MOC 构建召回漏掉笔记	关键词单一	用 3~5 个扩展词 + 标签 + 出/反链三路召回
周报漏数据	daily note 没写	先跑 obsidian files folder=90-Daily 检查覆盖
归档误移有反链的项目	没检查 backlinks	归档前必须 backlinks total == 0 断言
Literature 导入重复	未去重	用 URL hash 做 ID，frontmatter source_hash
LLM-Wiki 越改越乱	没版本化	每次大改前 git commit + last_updated 更新

---

参考

• Andrej Karpathy · LLM-Powered Knowledge Bases in Obsidian
• Addo Zhang · Obsidian Skills for AI Agents（Medium 2026.2）
• Tiago Forte · PARA Method
• Niklas Luhmann · Zettelkasten
• Nick Milo · Linking Your Thinking (LYT) + Maps of Content
• dsebastien · 16 Practical AI Use Cases with Obsidian