5 Menit, Jadikan AI sebagai Otak Kedua Anda

marsbitDipublikasikan tanggal 2026-04-11Terakhir diperbarui pada 2026-04-11

Abstrak

Ringkasan: Sistem ini menggabungkan Claude Code dan Obsidian untuk membangun "otak kedua AI" pribadi yang terus berkembang. Terdiri dari tiga lapisan: data mentah (catatan, artikel), basis pengetahuan terstruktur yang dikelola AI, dan lapisan aturan skema. Sistem beroperasi melalui tiga fungsi utama: Ingest (memasukkan data eksternal), Query (mengakses pengetahuan), dan Lint (memeriksa konsistensi). Keunggulannya termasuk mengurangi beban kognitif, meningkatkan akurasi output AI, dan menciptakan efek "bunga majemuk" pengetahuan yang terus terkumpul. Sistem dapat dibangun dalam 5 menit dengan mengunduh Obsidian, membuat vault, mengonfigurasi Claude Code, dan menambahkan prompt sistem. Kekurangan potensial: memerlukan pemeliharaan berkelanjutan, penggunaan ruang penyimpanan lokal, dan mungkin kurang cocok untuk yang tidak terbiasa dengan visualisasi data.

Catatan Editor: Artikel ini memperkenalkan sistem pengetahuan pribadi yang dibangun berdasarkan Claude Code dan Obsidian, yang intinya bukan lagi penggunaan mode RAG tradisional "pencarian sementara setiap kali query", tetapi mencoba membuat AI terus membangun dan memelihara Wiki (basis pengetahuan) yang dapat berevolusi.

Dari segi struktur, sistem ini dapat dibagi menjadi tiga lapisan:
· Pertama, lapisan data mentah, termasuk catatan, artikel, konten transkrip, dan sumber input lain yang tidak dapat dimodifikasi;
· Kedua, basis pengetahuan terstruktur yang dipelihara oleh AI, yang menyelesaikan referensi silang dan pembangunan hubungan melalui pembaruan berkelanjutan;
· Ketiga, lapisan aturan Schema, digunakan untuk mengatur cara organisasi pengetahuan dan logika operasi sistem.

Di sekitar struktur ini, sistem beroperasi melalui tiga jenis operasi inti: Ingest (penyerapan), terus memasukkan informasi eksternal ke dalam sistem; Query (pencarian), mencapai panggilan pengetahuan instan; Lint (pemeriksaan), digunakan untuk memeriksa konsistensi struktur dan memperbaiki masalah potensial.

Dalam mekanisme ini, pengetahuan tidak lagi berhenti pada hasil dialog satu kali, tetapi melalui siklus "tulis—atur—gunakan kembali", secara bertahap mengendap menjadi aset jangka panjang yang dapat digunakan kembali. Penulis dengan demikian menyatakan bahwa pola ini membuat pengetahuan memiliki efek akumulasi mirip "bunga majemuk": di satu sisi mengurangi beban kognitif individu, di sisi lain meningkatkan akurasi output model dan konsistensi konteks.

Namun, operasi efektif sistem ini juga dibangun di atas satu prasyarat — input dan pemeliharaan yang berkelanjutan. Jika kekurangan injeksi data yang stabil dan pembaruan struktur, "otak kedua" ini akan sulit membentuk efek akumulasi yang nyata, dan keunggulannya juga akan melemah.

Berikut adalah teks aslinya:

Claude Code + Obsidian, adalah kombinasi AI paling kuat yang pernah saya gunakan.

Saya hampir membangun sebuah "AI Second Brain" (Otak Kedua AI), yang memasukkan semua pemikiran, bacaan, tulisan, penelitian online, dan konten lainnya ke dalamnya. Ini mencakup rencana bisnis saya, semua video YouTube yang pernah saya publikasikan, artikel yang ditulis, serta segala hal yang penting bagi saya.

Claude Code + Obsidian dengan cepat menjadi populer di berbagai platform, dan ini bukanlah kebetulan.

Bagi saya pribadi, sistem AI ini sangat mengurangi beban kognitif saya, memungkinkan saya fokus pada hal-hal yang benar-benar penting — baik itu bisnis, maupun kehidupan pribadi.

Sistem ini mungkin terlihat agak rumit, tetapi sebenarnya hanya membutuhkan 5 menit untuk dibangun. Yang lebih penting, ia memiliki mekanisme memori, yang akan terus mengoptimalkan diri seiring penggunaan.

Selanjutnya, saya akan membawa Anda langkah demi langkah untuk mereplikasi sistem "AI Second Brain" ini, yang benar-benar dapat meningkatkan efisiensi Anda.

Saya sarankan Anda membaca hingga akhir artikel — saya akan melampirkan lembar contekan operasi Claude Code + Obsidian yang lengkap, serta semua sumber daya yang disebutkan dalam artikel (semuanya gratis).

Sebelum Memulai

Sistem ini bukanlah orisinalitas saya sendiri, inspirasinya berasal dari tweet viral Andrej Karpathy beberapa hari lalu tentang "LLM Knowledge Base".

Bacaan terkait: https://x.com/karpathy/status/2039805659525644595

Alasan tweet ini dengan cepat menjadi viral adalah karena memberikan ide untuk memecahkan titik sakit kunci dalam perkembangan AI saat ini.

Masalahnya adalah: setiap kali Anda memulai percakapan baru, atau beralih ke alat AI baru, Anda harus berulang kali memasukkan kembali prompt, melengkapi konteks, hampir sama dengan memulai dari nol.

Dan setelah menggabungkan prompt sistem ini dengan Obsidian dan Claude Code, masalah ini dapat diatasi sepenuhnya, sekaligus secara signifikan meningkatkan kualitas output AI.

Bagaimana Sistem Ini Bekerja?

Seluruh sistem terdiri dari empat modul inti:

1. Data Anda: termasuk artikel, catatan, konten transkrip, ide inspirasi, dll.

2. Cara pengorganisasian: Diselesaikan secara otomatis oleh Claude Code di Obsidian

3. Panggilan instan: Anda dapat bertanya kapan saja ke "basis data" ini, dan mendapatkan jawaban

4. Memori evolusioner: Sistem akan terus menjadi lebih pintar seiring penggunaan

Kekuatan sebenarnya dari sistem ini terletak pada apa?

Sebagai manusia, bandwidth kognitif kita terbatas. Kita lupa, kadang sulit menghubungkan ide-ide yang berbeda, informasi yang dapat dilacak dan diproses secara bersamaan pada akhirnya ada batasnya.

Dan dengan bantuan sistem yang terdiri dari empat modul ini, Anda sebenarnya melepaskan beban kognitif Anda sendiri, menyerahkan pekerjaan "menghubungkan, mengatur, dan memahami informasi" kepada Obsidian dan Claude Code.

Pemikiran Anda mulai terhubung secara sistematis, satu catatan dapat secara otomatis dikaitkan dengan catatan lain, dan Anda dapat kapan saja mengekstrak, menggabungkan, dan memanggil ulang konten-konten ini melalui Claude.

Dalam struktur seperti ini, pengetahuan Anda tidak lagi terpisah-pisah, tetapi menjadi jaringan yang dapat terus dipanggil dan disusun ulang — hampir tanpa batas.

Cara Membangun Otak AI Anda dalam 5 Menit

1. Unduh Obsidian


Situs web resmi: https://obsidian.md/

2. Buat Vault (Basis Pengetahuan) Anda

Setelah pengunduhan selesai, Obsidian akan meminta Anda untuk membuat "Vault".

Anda dapat memahaminya sebagai folder di komputer, di sini kami akan menyimpan semua konten, dan membiarkan Claude Code mengakses dan mengelola data ini.

Nama Vault ini dapat diatur sesuka hati — misalnya saya sendiri menyebutnya "Obsidian Vault".

Vault ini adalah tempat Obsidian menyimpan semua data dan catatan Anda, semua konten akan disimpan dalam bentuk file MD (Markdown).

3. Atur Claude Code

Selanjutnya, Anda perlu mengonfigurasi cara untuk mengakses Claude Code. Bagi saya (dan kemungkinan besar bagi kebanyakan orang), metode termudah adalah langsung menggunakan klien desktop.

Di antarmuka obrolan utama, klik "Select Folder (Pilih Folder)", lalu temukan dan pilih Obsidian Vault yang baru saja Anda buat.

4. Atur System Prompt (Prompt Sistem)

Setelah Anda memilih folder, langkah selanjutnya adalah menempelkan prompt sistem Andrej Karpathy ke dalam kotak obrolan utama.

Anda dapat menyalin prompt ini di sini: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

Input Anda seharusnya terlihat seperti ini:

Tip kecil: Jika Anda tidak ingin, juga tidak perlu membuka Obsidian secara manual. Cukup serahkan folder MD (yaitu Vault Anda) serta data terkait ke Claude Code, ia dapat langsung membaca, menulis, dan memodifikasi file-file ini — dan konten ini akan secara otomatis disinkronkan ke "otak kedua" Obsidian Anda.

5. Bangun Basis Data Anda

Setelah Anda memasukkan prompt sistem di atas, Claude Code akan mulai menanyakan beberapa sumber data, untuk menginisialisasi dan secara bertahap mengisi "otak kedua" Anda.

Anda dapat membayangkan Obsidian sebagai "buku catatan kosong" — pada awalnya Anda perlu secara aktif memasukkan konten, basis data akan dibangun secara bertahap. Konten yang dapat diimpor termasuk: catatan, file CSV, file Markdown / teks, dll.

Beberapa saran praktis:

· Ekspor data dari alat catatan yang sudah ada yang Anda gunakan

· Jika Anda menggunakan Notion, dapat diekspor sebagai file CSV

· Minta Claude (atau model besar lainnya) untuk mengatur informasi tentang Anda, digunakan untuk menginisialisasi "otak kedua" Anda

· Impor sekaligus artikel, koleksi, ide inspirasi, dll. yang sudah Anda miliki — ini adalah waktu terbaik untuk membangun data awal, dan dapat ditambahkan kapan saja di kemudian hari

Perlu diperhatikan, basis data dengan volume data besar seperti milik saya, tidak dibangun dalam semalam, tetapi dibentuk melalui input terus-menerus dan akumulasi bertahap seiring waktu.

Seperti itulah, "AI Second Brain" Anda telah selesai dibangun dan dapat mulai dijalankan. Selanjutnya, saya akan berbagi beberapa tips lanjutan untuk membantu Anda menggunakannya dengan lebih efisien.

Tips Lanjutan (Pro Tips)

1. Ekstensi Chrome Obsidian

Jika Anda ingin menambahkan data ke sistem dengan lebih mudah, Anda hanya perlu menginstal ekstensi Chrome Obsidian. Ini memungkinkan Anda, saat menjelajahi web, langsung mengklik "Add to Obsidian (Tambahkan ke Obsidian)", untuk menyimpan konten langsung ke basis pengetahuan Anda. Ini akan membuat proses membangun "otak kedua" menjadi sangat mudah.

Saya sendiri juga sering menggunakan fungsi ini untuk mengumpulkan artikel, data web, bahan penelitian, dll.

Perlu diperhatikan, data yang ditambahkan melalui ekstensi, awalnya hanyalah "sumber data yang terisolasi".

Selanjutnya Anda dapat memberi tahu Claude Code: "Saya baru saja menambahkan [x] di Obsidian, tolong bantu saya mengintegrasikan konten ini ke Wiki saya."

Claude Code akan secara otomatis membangun hubungan antara data baru ini dengan konten yang ada, menghasilkan tautan, membuatnya benar-benar terintegrasi ke dalam "otak kedua" Anda. Ini juga alasan mengapa kombinasi alat ini sangat kuat.

2. Pisahkan Pembuatan Folder (Vault)

Andrej Karpathy menyarankan menggunakan dua folder (Vault) independen:

· Satu untuk konten pekerjaan / bisnis

· Satu untuk manajemen kehidupan pribadi / tujuan

Pengalaman penggunaan saya sendiri juga, struktur seperti ini paling jelas dan paling efektif.

3. Praktikalitas

Salah satu penggunaan paling berharga dari sistem ini yang saya temukan, sebenarnya sederhana: membuat prompt LLM Anda lebih tepat sasaran.

Ketika model dapat mengakses informasi pribadi lengkap Anda, rencana bisnis, latar belakang penulisan, dan konteks lainnya, ia dapat menghasilkan prompt yang lebih "disesuaikan", lebih mendekati situasi nyata, dan berkualitas tinggi (bahkan "Super Prompt").

Tentu saja, penggunaan sistem ini jauh lebih dari ini, tetapi jika Anda hanya ingin memulai dari satu skenario paling praktis, saya sangat menyarankan Anda mulai dari "meningkatkan kualitas Prompt".

4. Orphans (Node Terisolasi)

Di Obsidian, "Orphans" mengacu pada titik data yang belum terhubung dengan catatan lain.

Fungsi ini sangat berguna, karena dapat membantu Anda:

· Menemukan ide yang belum terintegrasi

· Menemukan "area lemah" dalam basis data

· Menilai konten mana yang layak untuk diperluas atau diperdalam lebih lanjut

Dengan kata lain, ini tidak hanya alat pengorganisasian, tetapi juga mekanisme yang membantu Anda menemukan titik buta dalam pemikiran.

Anda dapat mengklik "tiga titik" di sudut kanan atas, menemukan dan mengaktifkan sakelar Orphans, untuk melihat konten mana yang belum membangun hubungan.

Kekurangan Potensial Sistem Ini

Di depan kami sudah banyak membahas kelebihan, skenario penggunaan, dan metode optimasi, lalu apa kekurangannya? Dalam kondisi apa Anda tidak terlalu cocok menggunakan sistem ini?

1. Orang yang tidak terbiasa dengan visualisasi

Salah satu keunggulan inti sistem ini adalah dapat menyajikan data secara visual. Jika Anda sendiri tidak bergantung atau tidak terbiasa dengan cara ini, maka bantuannya bagi Anda mungkin terbatas.

2. Membutuhkan biaya pemeliharaan tertentu

Jika Anda tidak bersedia terus memelihara sebuah basis data, maka sistem ini mungkin tidak cocok untuk Anda. Meskipun biaya pemeliharaannya tidak tinggi, tetapi jika tidak terus memasukkan data ke "otak kedua", maka akan sulit memberikan nilai.

3. Penggunaan penyimpanan)

Semua konten akan disimpan secara lokal dalam bentuk file Markdown, ini akan memakan ruang perangkat tertentu. Hal ini juga perlu dipertimbangkan sebelumnya.

Pertanyaan Terkait

QApa yang dimaksud dengan 'Otak Kedua AI' yang dijelaskan dalam artikel?

AOtak Kedua AI adalah sistem pengetahuan pribadi yang dibangun menggunakan kombinasi Claude Code dan Obsidian, yang berfungsi sebagai ekstensi kognitif untuk menyimpan, mengorganisir, dan menghubungkan semua pemikiran, bacaan, tulisan, dan konten penting pengguna secara terstruktur dan dapat berevolusi.

QBagaimana tiga lapisan struktur sistem pengetahuan ini diuraikan?

ASistem ini terdiri dari tiga lapisan: 1) Lapisan data mentah (catatan, artikel, konten transkrip), 2) Basis pengetahuan terstruktur yang dikelola AI (terus diperbarui dengan referensi silang), dan 3) Lapisan aturan Schema (mengatur organisasi pengetahuan dan logika sistem).

QApa tiga operasi inti yang menjalankan sistem ini?

ATiga operasi intinya adalah: Ingest (menyerap informasi eksternal ke dalam sistem), Query (memanggil pengetahuan secara instan), dan Lint (memeriksa konsistensi struktur dan memperbaiki masalah potensial).

QBagaimana cara memulai membangun sistem ini dalam 5 menit menurut panduan?

ALangkahnya: 1) Download Obsidian, 2) Buat Vault (repositori pengetahuan), 3) Setel Claude Code dengan memilih folder Vault, 4) Tempelkan system prompt dari Karpathy, 5) Mulai impor data untuk membangun basis data.

QApa kelemahan potensial dari sistem 'Otak Kedua AI' ini?

AKelemahannya: 1) Kurang cocok untuk yang tidak terbiasa dengan visualisasi data, 2) Memerlukan biaya pemeliharaan berkelanjutan dengan input data rutin, 3) Menggunakan ruang penyimpanan lokal untuk file Markdown.

Bacaan Terkait

Mengapa Bitcoin Bertahan di $64.000 Setelah Jeda Ketat dari The Fed

Bitcoin berakhir di bulan Juli mendekati level $64.000, bertahan di tengah volatilitas pasca keputusan Federal Reserve AS untuk mempertahankan suku bunga dalam kisaran 3,50-3,75%. Meskipun tiga anggota komite voting mendukung kenaikan suku bunga, sinyal keseluruhan dari Fed tetap ketat, membatasi minat terhadap aset berisiko. Pasar kripto menunjukkan ketahanan dengan aliran bersih masuk $32,1 juta ke ETF Bitcoin spot, mengakhiri serangkaian arus keluar. Di sisi lain, ETF Ethereum mengalami penarikan dana sekitar $18,65 juta. Kapitalisasi pasar agregat bertahan di sekitar $2,29 triliun. Secara teknis, Bitcoin menemukan dukungan di zona $63.000-63.500 dengan hambatan utama di dekat $66.000. Sementara Ethereum diperdagangkan sekitar $1.900 dengan tekanan harga, metrik jaringan seperti antrian validator yang panjang menunjukkan komitmen jangka panjang. Pergerakan di altcoin beragam: ETF Solana mencatat aliran masuk yang kuat sekitar $19 juta, sementara XRP dan BNB bergerak dalam konsolidasi. Regulasi juga menjadi perhatian setelah penundaan pembahasan CLARITY Act di Senat AS hingga musim gugur, mengurangi harapan disahkannya undang-undang tersebut pada tahun 2026. Hari terakhir bulan Juli akan dipantau untuk data makro AS seperti inflasi dan pengeluaran konsumen, yang dapat memengaruhi pergerakan pasar. Skenario dasar untuk Bitcoin adalah konsolidasi dalam kisaran $63.000-66.000. Kelangsungan aliran masuk institusional dan pertahanan level kunci akan menjadi sinyal penting untuk pemulihan pasar di paruh kedua tahun 2026.

cryptonews.ru2j yang lalu

Mengapa Bitcoin Bertahan di $64.000 Setelah Jeda Ketat dari The Fed

cryptonews.ru2j yang lalu

Parker Lewis Menjawab Mengapa Bitcoin Tetap Menjadi Uang Terbaik

Parker Lewis, salah satu analis Bitcoin paling terkemuka, mengkritik keras strategi pemasaran perusahaan publik yang memposisikan diri sebagai perbendaharaan kripto. Menurutnya, upaya mereka mengumpulkan modal melalui penjualan "kredit digital" dalam bentuk saham preferen abadi mendistorsi esensi mata uang kripto pertama. Lewis menekankan bahwa Bitcoin tidak memiliki hasil tetap pada tingkat algoritmanya, dan janji dividen reguler adalah permainan berisiko tinggi yang didanai terutama oleh investor baru di pasar yang naik. Untuk menunjukkan risikonya, ia membandingkan pasar kredit global sebesar $300 triliun dengan pasar saham preferen abadi yang hanya $1 triliun, menunjukkan bahwa lembaga keuangan menghindari risiko abadi ini, mengalihkannya ke investor ritel. Ia juga membantah klaim bahwa Bitcoin "terlalu volatil untuk 99% populasi". Volatilitas, katanya, adalah konsekuensi matematis alami dari adopsi massal aset baru dengan pasokan tetap. Setiap gelombang pengguna baru menyebabkan lonjakan harga karena mereka harus menawar lebih tinggi kepada pemegang awal. Lewis menyarankan untuk membeli Bitcoin langsung daripada saham perusahaan seperti MicroStrategy, karena lebih aman secara matematis daripada mempercayakan dana kepada manajer korporat. Fokus pada derivatif korporat mengalihkan perhatian dari ancaman utama: depresiasi uang fiat yang cepat. Lewis mengilustrasikan inflasi sebenarnya dengan "Indeks Ribeye"-nya, mencatat kenaikan harga steak premium dari $19,99 menjadi $37,99 sejak musim semi 2020, setara dengan inflasi 12-13% per tahun, lebih tinggi dari data resmi. Strategi keuangan yang paling bijaksana dan aman dalam inflasi global adalah kepemilikan langsung atas Bitcoin pertama dan kendali penuh atas kunci pribadi. Mengejar imbal hasil korporat yang meragukan melalui saham perbendaharaan kripto hanya meningkatkan risiko sistemik, sementara pemahaman tentang uang terdesentralisasi yang sejati dapat melindungi tabungan dari gejolak makroekonomi.

cryptonews.ru2j yang lalu

Parker Lewis Menjawab Mengapa Bitcoin Tetap Menjadi Uang Terbaik

cryptonews.ru2j yang lalu

Trading

Spot
活动图片