⚡️ 本次 Flash Lesson 重點

這堂課將帶你用 Obsidian × Claude，建立一套會持續整理、連結與更新的 LLM Wiki 知識管理系統。

你將不再只是把網頁、PDF、會議記錄與文章收藏進資料夾，而是透過 Raw、Wiki、Schema 三層架構，讓 AI 自動將零散素材轉換成結構化知識，並持續更新既有筆記之間的關聯。

完成系統後，Claude 不需要每次都重新閱讀所有資料，而是能透過你的知識庫理解歷史脈絡、分類邏輯與過去累積的內容，逐漸成為真正了解你的個人 AI 顧問。

☝️ 你會學到

• 如何建立 Raw、Wiki、Schema 三層知識庫架構，分別管理原始資料、核心知識與 AI 執行規則
• 如何透過 Obsidian Web Clipper，將網頁內容快速保存到 Raw 原始資料層，保留來源並避免資料散落
• 如何讓 Claude 自動解析文章、PDF、網頁與會議記錄，轉換成結構化 Markdown 筆記
• 如何讓 AI 主動找出新舊筆記之間的關聯，建立實體、概念、摘要與雙向連結
• 如何透過 claude.md 定義知識分類、整理格式與更新規則，讓 Claude 成為符合你需求的知識管理員
• 如何使用 index.md 建立輕量化索引，讓 AI 能快速定位知識庫中的相關內容
• 如何將高品質的 AI 問答結果回填至 Wiki，讓知識庫隨著每次查詢持續累積與增值
• 如何定期執行知識庫健康檢查，找出矛盾、過時、重複或缺乏連結的筆記
• 如何透過 Cloudian、Claude Code 或 MCP，建立適合不同使用程度的 AI 知識管理工作流

這不是一堂單純教你整理 Obsidian 筆記的課，而是一次把 AI 從「資料解釋器」升級成「知識編譯器」的實戰示範，讓知識不只是被保存，而是能持續更新、互相補強並形成複利。

👥 適合對象

• AI 知識管理初學者
  已經使用過 ChatGPT 或 Claude，希望進一步建立個人 AI 知識庫，不再每次對話都從零開始的人
• Obsidian 使用者
  已經累積大量筆記，但資料彼此缺乏連結，希望透過 AI 自動整理、分類與更新的人
• 內容創作者／研究工作者
  每天需要閱讀大量文章、PDF、網站與研究資料，希望建立可持續查詢與追蹤的研究系統的人
• 產品經理／設計師
  需要長期整理使用者研究、產品決策、設計規範與競品資料，希望保留完整工作脈絡的人
• 自由工作者／顧問
  需要管理不同客戶、專案、會議記錄與交付內容，希望建立可快速查詢的工作知識庫的人
• 知識管理重度使用者
  收藏了大量網頁、電子報、文件與筆記，卻經常找不到資料或忘記曾經收藏過什麼的人
• Claude Code 使用者
  希望進一步透過 Claude Code，自動執行知識整理、更新、關聯與健康檢查流程的人
• 想建立個人 AI 顧問的人
  希望透過 MCP 讓 Claude 長期讀取自己的 Obsidian Vault，並根據歷史資料與個人脈絡提供回答的人。

⏱️ 課程內容

• 核心理念｜認識 LLM Wiki
  了解傳統知識庫與 RAG 的限制，建立能持續整理與更新的 AI 知識系統。
• Part 01｜Raw、Wiki、Schema 三層架構
  區分原始資料、核心知識與 AI 規則，建立清楚且可追溯的知識庫結構。
• Part 02｜知識整理與自動關聯
  將文章、PDF、網頁與會議記錄轉成 Markdown 筆記，並自動建立知識連結。
• Part 03｜查詢回填與健康檢查
  快速查找內容、回填重要結果，並找出過時、重複或孤立的筆記。
• Part 04｜Obsidian × Claude 工具鏈
  整合 Obsidian、Web Clipper、Claude Code 與 MCP，建立完整知識管理流程。
• Part 05｜個人化知識工作流
  應用在會議、研究、設計筆記與個人 AI 顧問，打造持續成長的 LLM Wiki。