让 AI 智能体用 Obsidian 记笔记，拥有长期记忆大脑
obsidian-wiki 是一个面向 AI 智能体的记忆系统框架，核心思路是把 Obsidian 笔记库当作智能体的“数字大脑”。它解决的是当前大模型智能体缺乏长期、结构化、可检索记忆的问题：对话结束后上下文丢失，知识无法沉淀，跨会话无法复用。项目通过 agent-skills 机制让智能体自动向 Obsidian wiki 写入、整理和链接笔记，形成知识图谱，并在需要时按主题检索调用。技术上基于 Python，结合 LLM 工具链，把普通 Markdown 笔记变成可被智能体读写的记忆层，既保留 Obsidian 的本地化、双链和图谱优势，又让 AI 能主动维护知识库。适合想给个人智能体搭建持久记忆、或把已有 Obsidian 笔记接入 AI 工作流的开发者。
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1确认环境
先确认本机已装 Python 和 Obsidian；README 强调把 Obsidian 笔记库当作智能体的记忆库，因此本地需要一个可读写的 Markdown 目录。
python --version2安装 Python 包
项目已发布到 PyPI（包名 obsidian-wiki），可用 pip 安装为依赖库。README 节选未给出完整安装步骤，此命令由 PyPI 徽章推断。
pip install obsidian-wiki3准备笔记库目录
新建或选定一个本地文件夹作为 wiki 记忆库，后续把智能体指向这个文件夹，让它自动写入和整理笔记。
4配置智能体记忆
按 README 描述，把智能体指向该文件夹，并告诉它需要记住的内容，让笔记之间自动建立双链与知识图谱。
5写入与检索
日常使用中让智能体把结论写入 wiki，需要时按主题检索调用，实现跨会话的知识复用。
在 Obsidian 中打开该笔记库文件夹，若能看到智能体新写入的 Markdown 笔记并与既有笔记形成双链，即说明已生效。
Q：README 里没有完整的安装命令怎么办？
A：节选内容只给出了 PyPI 包页和项目定位，未列出逐步安装指令。建议直接打开 GitHub 仓库 README 或 PyPI 页面，按官方最新说明执行。
Q：必须使用 Obsidian 吗？
A：项目核心思路就是把 Obsidian 笔记库当作智能体的数字大脑，依赖其 Markdown 本地化、双链和图谱能力，因此建议在 Obsidian 环境下使用。
Q：安装包名叫什么？
A：PyPI 徽章指向的项目名为 obsidian-wiki，因此安装命令为 pip install obsidian-wiki。若报错请核对官方页面的最新包名。
Q：数据会上传到云端吗？
A：README 强调编译结果是「你拥有的」互联 Markdown 笔记，说明知识沉淀在本地笔记库中；但智能体调用大模型时仍可能产生外部请求，需自行评估。
mem0、Letta、LangMem
obsidian-wiki 是搜索知识领域的开源项目，由 Ar9av 开发，是 2026 年新上线的项目。
在全站 13,465 个收录项目中，它的 GitHub 星标数（3,509）位列前 30%，在搜索知识分类的 603 个项目里位列前 13%。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-30。开源免费，无在线服务，需自行部署。
它主要面向的使用场景是：给个人AI助手搭建跨会话长期记忆，自动记录和回顾对话要点。同类可对比的替代方案包括 mem0、Letta、LangMem。
上一篇：awesome-grokbot
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
WeKnora
开源
文档往里一扔，自动变成啥都能答的知识库
Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an auto···