5 минут, чтобы сделать ИИ вашим вторым мозгом

marsbitОпубликовано 2026-04-11Обновлено 2026-04-11

Введение

Клод Код + Obsidian: 5-минутное руководство по созданию «второго мозга» на базе ИИ. Система позволяет строить постоянно развивающуюся базу знаний, состоящую из трёх уровней: исходные данные (заметки, статьи), структурированное хранилище, управляемое ИИ, и слой правил (Schema) для организации. Ключевые операции: добавление данных (Ingest), запросы (Query) и проверка целостности (Lint). Это снижает когнитивную нагрузку, улучшает точность ответов ИИ и обеспечивает эффект сложного процента для знаний. Для работы требуется регулярное обновление данных. В статье приведены шаги по настройке, советы по использованию и потенциальные ограничения системы.

Примечание редактора: В этой статье представлена персональная система знаний, построенная на основе Claude Code и Obsidian. Её ядро — не традиционное использование RAG по принципу «каждый запрос — временный поиск», а попытка заставить ИИ постоянно строить и поддерживать развивающуюся базу знаний (Wiki).

Структурно систему можно разделить на три уровня:
· Во-первых, уровень исходных данных, включающий неизменяемые источники ввода: заметки, статьи, транскрипции и т.д.;
· Во-вторых, структурированная база знаний, поддерживаемая ИИ, которая постоянно обновляется, создавая перекрёстные ссылки и связи;
· В-третьих, уровень правил (Schema), который стандартизирует организацию знаний и логику работы системы.

Вокруг этой структуры система работает через три основных операции: Ingest (Захват) — постоянное включение внешней информации в систему; Query (Запрос) — обеспечение мгновенного доступа к знаниям; Lint (Проверка) — используется для проверки структурной согласованности и исправления потенциальных проблем.

В этом механизме знания не остаются разовым результатом диалога, а через цикл «запись — упорядочивание — повторное использование» постепенно накапливаются в долгосрочный актив для повторного использования. Автор утверждает, что такая модель придаёт знаниям эффект накопления, подобный «сложному проценту»: с одной стороны, снижает когнитивную нагрузку на индивида, с другой — повышает точность и контекстуальную согласованность вывода модели.

Однако эффективная работа этой системы основана на одном условии — постоянном вводе и поддержке. Без стабильного потока данных и обновления структуры этот «второй мозг» не сможет сформировать настоящий эффект накопления, и его преимущества ослабнут.

Далее следует оригинальный текст:

Claude Code + Obsidian — это самая мощная комбинация ИИ, которую я использовал.

Мне практически удалось построить «ИИ-второй мозг», который включил все мои мысли, чтение, письмо, онлайн-исследования и другой контент. Это включает мои бизнес-планы, все выпущенные YouTube-видео, написанные статьи и всё, что для меня важно.

Claude Code + Obsidian быстро набирает популярность на различных платформах, и это не случайно.

Лично для меня эта система ИИ значительно снизила мою когнитивную нагрузку, позволив сосредоточить силы на действительно важных вещах — будь то бизнес или личная жизнь.

Эта система может показаться сложной, но на самом деле её настройка занимает всего 5 минут. Что ещё важнее, она имеет встроенный механизм памяти и постоянно самооптимизируется по мере использования.

Далее я шаг за шагом покажу вам, как воссоздать эту систему «ИИ-второго мозга», которая действительно повысит вашу эффективность.

Рекомендую дочитать статью до конца — я приложу полный справочник по работе с Claude Code + Obsidian и все упомянутые ресурсы (все бесплатные).

Прежде чем начать

Эта система не является моим оригинальным изобретением, её вдохновил viral твит Андрея Карпати несколько дней назад о «LLM knowledge base».

Связанное чтение: https://x.com/karpathy/status/2039805659525644595

Этот твит стал вирусным, потому что он предложил решение ключевой боли в текущем развитии ИИ.

Проблема в следующем: каждый раз, когда вы начинаете новый диалог или переключаетесь на новый инструмент ИИ, вам приходится снова и снова вводить промпты, дополнять контекст, что почти равно началу с нуля.

Объединение этого системного промпта с Obsidian и Claude Code полностью решает эту проблему, одновременно значительно повышая качество вывода ИИ.

Как работает эта система?

Вся система состоит из четырёх основных модулей:

1. Ваши данные: включая статьи, заметки, транскрипции, идеи и т.д.

2. Организация: автоматическое упорядочивание в Obsidian с помощью Claude Code

3. Мгновенный доступ: вы можете в любой момент задать вопрос этой «базе данных» и получить ответ

4. Эволюционная память: система становится умнее по мере использования

В чём настоящая сила этой системы?

Как люди, наша когнитивная пропускная способность ограничена. Мы забываем, нам иногда трудно связывать разные идеи, и в конечном счёте есть предел информации, которую мы можем одновременно отслеживать и обрабатывать.

С помощью этой системы из четырёх модулей вы фактически снимаете с себя когнитивную нагрузку, поручая работу по «связыванию, упорядочиванию и пониманию информации» Obsidian и Claude Code.

Ваши идеи начинают систематически связываться, одна заметка может автоматически ссылаться на другую, и вы можете в любой момент через Claude извлекать, комбинировать и использовать этот контент.

В такой структуре ваши знания перестают быть разрозненными и становятся сетью, которую можно постоянно вызывать и реорганизовывать — практически без ограничений.

Как построить ваш ИИ-мозг за 5 минут

1. Скачайте Obsidian


Официальный сайт: https://obsidian.md/

2. Создайте ваш Vault (хранилище знаний)

После загрузки Obsidian предложит вам создать «Vault».

Можно думать об этом как о папке на компьютере, где мы будем хранить весь контент и предоставим Claude Code доступ к этим данным и управление ими.

Название Vault можно задать любое — я, например, назвал его «Obsidian Vault».

Этот Vault — место, где Obsidian хранит все ваши данные и заметки, всё содержимое сохраняется в виде MD (Markdown) файлов.

3. Настройте Claude Code

Далее вам нужно настроить способ доступа к Claude Code. Для меня (и, скорее всего, для большинства) самый простой способ — использовать настольное приложение.

В главном окне чата нажмите «Select Folder (Выбрать папку)», найдите созданный вами Obsidian Vault и выберите его.

4. Установите системный промпт (System Prompt)

После выбора папки следующий шаг — вставить системный промпт от Андрея Карпати в главное окно чата.

Скопировать этот промпт можно здесь: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

Ваш ввод должен выглядеть так:

Подсказка: Если не хотите, вам не обязательно открывать Obsidian вручную. Достаточно предоставить папку с MD-файлами (ваш Vault) и связанные данные Claude Code, и он сможет напрямую читать, записывать и изменять эти файлы — а контент автоматически синхронизируется с вашим «вторым мозгом» в Obsidian.

5. Постройте вашу базу данных

После ввода системного промпта Claude Code начнёт запрашивать некоторые источники данных для инициализации и постепенного наполнения вашего «второго мозга».

Можно представить Obsidian как «чистый блокнот» — сначала вам нужно активно вводить контент, чтобы база данных постепенно строилась. Можно импортировать: заметки, CSV-файлы, Markdown / текстовые файлы и т.д.

Некоторые практические советы:

· Экспортируйте данные из ваших текущих инструментов для заметок

· Если используете Notion, экспортируйте в CSV

· Попросите Claude (или другую большую модель) упорядочить информацию о вас для инициализации «второго мозга»

· Импортируйте сразу ваши existing статьи, закладки, идеи и т.д. — это лучшее время для создания initial данных, можно дополнять позже

Важно отметить, что такая большая база данных, как у меня, строится не сразу, а постепенно, с постоянным вводом и накоплением со временем.

Всё, ваш «ИИ-второй мозг» собран и готов к работе. Далее я поделюсь некоторыми продвинутыми советами, чтобы использовать его ещё эффективнее.

Продвинутые советы (Pro Tips)

1. Chrome-расширение для Obsidian

Если вы хотите轻松 добавлять данные в систему, просто установите Chrome-расширение Obsidian. Оно позволяет при просмотре网页 одним щелчком «Add to Obsidian (Добавить в Obsidian)» сохранять контент прямо в ваше хранилище знаний. Это делает процесс построения «второго мозга» очень удобным.

Я сам часто использую эту функцию для сбора статей, веб-данных, исследовательских материалов и т.д.

Важно отметить, что данные, добавленные через расширение, изначально являются просто «изолированным источником данных».

Далее вы можете сказать Claude Code: «Я только что добавил [x] в Obsidian, пожалуйста, интегрируй этот контент в мою Wiki.»

Claude Code автоматически установит связи между этими новыми данными и existing контентом, сгенерирует ссылки,真正 интегрируя их в ваш «второй мозг». В этом и заключается сила этого набора инструментов.

2. Раздельное создание папок (Vault)

Андрей Карпати рекомендует использовать две отдельные папки (Vault):

· Одна для работы / бизнес-контента

· Одна для личной жизни / управления целями

Мой собственный опыт использования также показывает, что такая структура是最清晰、最有效的.

3. Практичность

Я обнаружил, что одно из самых ценных применений этой системы довольно просто: сделать ваши LLM-промпты более точными.

Когда модель имеет доступ к вашему полному личному контексту, бизнес-планам, истории написания и т.д., она может генерировать более «кастомизированные», более贴近现实的高окачественные промпты (даже «супер-промпты»).

Конечно,用途 этой системы不止这些, но если вы хотите начать с самого практичного сценария, я强烈 рекомендую начать именно с «повышения качества промптов».

4. Orphans (Изолированные узлы)

В Obsidian «Orphans» — это точки данных, не связанные с другими заметками.

Эта функция очень полезна, потому что она помогает:

· Найти ещё не интегрированные идеи

· Обнаружить «слабые места» в базе данных

· Определить, какой контент值得 дальнейшего расширения или углубления

Другими словами, это не только инструмент организации, но и механизм, помогающий обнаружить слепые зоны в мышлении.

Вы можете点击 «три точки» в правом верхнем углу, найти и включить переключатель Orphans, чтобы查看, какие内容 ещё не связаны.

Потенциальные недостатки этой системы

Выше мы много говорили о преимуществах, сценариях использования и оптимизации. В чём её недостатки? В каких случаях эта система может вам не подойти?

1. Людям, не привыкшим к визуализации

Одно из ключевых преимуществ системы — возможность визуального представления данных. Если вы сами не依赖或не习惯这种方式, то её польза для вас может быть ограничена.

2. Требует некоторых затрат на维护

Если вы не готовы постоянно поддерживать базу данных, эта система可能 не для вас. Хотя维护成本不高, но без постоянного ввода данных в «второй мозг» ему будет трудно发挥价值.

3. Занимаемое место

Весь контент хранится локально в виде Markdown-файлов, что занимает некоторое место на устройстве. Это тоже нужно учитывать.

Связанные с этим вопросы

QКаковы три основных уровня структуры системы «AI второго мозга», описанной в статье?

AСистема состоит из трёх уровней: 1) Слой исходных данных (заметки, статьи, транскрипты); 2) Структурированная база знаний, поддерживаемая ИИ; 3) Слой правил (Schema), определяющий организацию знаний и логику работы системы.

QКакие три основные операции обеспечивают функционирование системы?

AСистема работает через три ключевые операции: Ingest (приём и усвоение внешней информации), Query (запросы для мгновенного доступа к знаниям) и Lint (проверка целостности структуры и исправление проблем).

QКакое основное программное обеспечение и модель ИИ используются для создания «второго мозга»?

AДля создания системы используется комбинация программы для заметок Obsidian и языковой модели Claude Code.

QКакой инструмент позволяет легко добавлять веб-контент в систему, и что нужно сделать после добавления?

AДля этого используется Chrome-расширение Obsidian. После добавления контента необходимо попросить Claude Code интегрировать новые данные в вики, установив связи с существующей информацией.

QКакие три потенциальных недостатка или ограничения у данной системы?

A1) Система может быть менее полезна тем, кто не привык к визуализации данных. 2) Требует определённых затрат на поддержку и постоянное пополнение данными. 3) Локальное хранение файлов в формате Markdown занимает место на устройстве.

Похожее

Trump Media продаёт ещё 2628 BTC, запасы снижаются до 4261 BTC

Компания Trump Media & Technology Group (TMTG), стоящая за социальной сетью Truth Social, продолжает сокращать свои вложения в Bitcoin. По данным аналитической платформы Lookonchain, компания продала ещё 2628 BTC на сумму около 165 миллионов долларов через платформу Crypto.com. Это продолжение серии продаж, начавшихся семь месяцев назад. Всего за этот период TMTG продала 7281 BTC на общую сумму примерно 545 миллионов долларов по средней цене 74 855 долларов за монету. Первоначально компания приобрела 11542 BTC по средней цене 118 522 доллара. После последних транзакций её резервы сократились до 4261 BTC (около 269,8 миллиона долларов), что на 63% меньше изначальных холдингов. Эти продажи происходят на фоне усиленного внимания законодателей к криптовалютным интересам, связанным с Дональдом Трампом. В Конгрессе идут дебаты по закону CLARITY Act, который касается этических норм, владения цифровыми активами и потенциальных конфликтов интересов государственных лиц. Критики указывают на такие проекты, как мемкойны TRUMP и MELANIA, а также на токены World Liberty Financial, связывая политическое влияние с частными криптоинтересами.

cointelegraph21 мин. назад

Trump Media продаёт ещё 2628 BTC, запасы снижаются до 4261 BTC

cointelegraph21 мин. назад

Фуцзянь, Цзиньцзян: супер-единорог в сфере памяти тихо делает своё дело

В провинции Фуцзянь в городе Цзиньцзян, известном производством спортивной обуви, находится перспективная компания в области производства чипов памяти — Fujian Jinhua Integrated Circuit Co. (Jinhua). Основанная в 2016 году как часть национального плана по развитию полупроводниковой промышленности, компания столкнулась с серьёзными вызовами. В 2018 году она была внесена в санкционный список Министерства торговли США по обвинению в промышленном шпионаже в пользу американской компании Micron, что привело к остановке производственной линии. После пяти лет судебных разбирательств в феврале 2024 года федеральный суд в Сан-Франциско полностью оправдал Jinhua, сняв все обвинения. Несмотря на правовую победу, компания всё ещё остаётся в санкционном списке, а годы задержек серьёзно замедлили её развитие. Под руководством своего ключевого инженера Чэнь Чжэнкуня, известного как «мастер эффективности», компания сумела адаптировать производство, увеличив долю отечественного оборудования. В отличие от ChangXin Memory Technologies (CXMT) и Yangtze Memory Technologies (YMTC), которые продвинулись дальше в производстве DRAM и NAND-памяти соответственно, Jinhua сосредоточена на специализированной (нишевой) DRAM-памяти для потребительской электроники. Её текущая производственная мощность составляет около 40 000 пластин в месяц. Хотя её доход в 2023 году оценивался примерно в 2 млрд юаней, что значительно меньше, чем у конкурентов, компания остаётся важным игроком. История Jinhua тесно связана с амбициозной промышленной трансформацией города Цзиньцзян. Местные власти оказали компании полную поддержку, включая финансовые гарантии и создание кластера, что демонстрирует стратегическую важность проекта для региона. Несмотря на то, что Jinhua упустила первые годы бума на рынке памяти, её устойчивость в условиях санкций показывает потенциал для восстановления в новом цикле роста, движимом развитием искусственного интеллекта.

marsbit1 ч. назад

Фуцзянь, Цзиньцзян: супер-единорог в сфере памяти тихо делает своё дело

marsbit1 ч. назад

Почему биткойн-фермы внезапно стали новым входом для вычислительных мощностей ИИ на фоне дефицита электроэнергии в 38 ГВт?

Заголовок: Почему майнинговые фермы для биткоина внезапно стали новым входом для вычислительных мощностей ИИ на фоне дефицита электроэнергии в 38 ГВт? Краткое содержание: Когда конкуренция между центрами обработки данных ИИ сместилась с вопроса «кто купит больше GPU» к «кто раньше получит электроэнергию», некоторые майнинговые фермы для биткоина, ранее считавшиеся волатильными активами, начали трансформироваться в центры обработки данных для облачных провайдеров, используя свои готовые возможности подключения к сети, землю и трансформаторные подстанции. По расчетам Morgan Stanley, в период 2026-2028 годов в США может возникнуть дефицит электроэнергии для ЦОДов около 38 ГВт, и модернизация старых майнинговых ферм может обеспечить от 10 до 19 ГВт. Такие компании, как TeraWulf и Hut 8, переориентируются с добычи криптовалют на предоставление инфраструктуры («Powered Shell Provider»), предлагая клиентам из сферы ИИ критически важный ресурс — возможность быстрее конкурентов развернуть значительные вычислительные мощности. Ключевой ценностью становится не вычислительная мощность для майнинга, а дефицитный доступ к электросетям, получение которого «с нуля» в некоторых регионах США теперь может занять 5-7 лет.

华尔街日报1 ч. назад

Почему биткойн-фермы внезапно стали новым входом для вычислительных мощностей ИИ на фоне дефицита электроэнергии в 38 ГВт?

华尔街日报1 ч. назад

Майкл Сэйлор: «Мы никогда не говорили, что никогда не будем продавать биткоины»

Председатель стратегической комиссии Майкл Сэйлор прокомментировал сообщения о новом разрешении компании Strategy на продажу биткоинов. Он заявил, что данное разрешение не является новым — оно было объявлено ещё 29 июня в рамках системы управления капиталом компании. Соглашение позволяет продавать BTC на сумму до 5 миллиардов долларов для определённых целей, но не обязывает компанию к продаже. Сэйлор подчеркнул, что Strategy никогда официально не брала на себя обязательство никогда не продавать свои биткоины, хотя и рассчитывает оставаться чистым покупателем BTC в долгосрочной перспективе. Он назвал текущие новости «старыми», переподанными как новые, и подтвердил, что программа монетизации биткоинов компании не предполагает обязательной продажи её активов.

cryptonews.ru2 ч. назад

Майкл Сэйлор: «Мы никогда не говорили, что никогда не будем продавать биткоины»

cryptonews.ru2 ч. назад

«Летняя пила» продолжается: пробой $67 000 станет началом роста биткоина

Цена биткоина продолжает консолидироваться в диапазоне $58 000–$67 000 с начала июня. 1 августа актив снизился до $62 217. Аналитики расходятся в краткосрочных прогнозах: некоторые, как Crypto Candy, ожидают тестирования уровня $60 000 или ниже, пока цена находится под $66 000. Другие, как Jelle, видят в боковом движении «летнюю пилу» и придерживаются стратегии усреднения. Ключевым для определения дальнейшего направления считается уровень $67 000. По мнению Daan Crypto Trades, его пробой необходим для выхода из затянувшейся паузы. Roman полагает, что уверенный пробой с объемом может быстро запустить рост к $70 000–$80 000 и выше. С долгосрочной точки зрения, макроаналитик Герт ван Лаген рассматривает текущую фазу как накопление в рамках масштабной формации «чаша с ручкой». Он отмечает, что долгосрочные держатели не спешат продавать актив, о чем говорит показатель NUPL. Таким образом, рынок находится в решающей фазе, где пробой либо поддержки $60 000, либо сопротивления $67 000 задаст тренд на ближайшее будущее.

cryptonews.ru2 ч. назад

«Летняя пила» продолжается: пробой $67 000 станет началом роста биткоина

cryptonews.ru2 ч. назад

Торговля

Спот
活动图片