Obsidian 知识库摄入器

解决什么问题

把资料丢进 Obsidian，最大的问题不是"存"，而是存完之后和没存一样：文件躺在目录里，下次遇到同主题的资料还得从头读一遍。要么笔记之间没有链接，要么命名随缘（t韬定律 其实是 τ 定律），要么图片外链一年后全部失效，要么新结论悄悄覆盖了旧结论，回头查不到当时为什么这么改。

这个技能要解决的就是从原始资料到可复利知识库的这一段流水线：你丢给它一份 PDF、EPUB、网页、公众号文章或会议截图，它按你 vault 里 知识库规则.md 定义的模式，产出互相链接的中文结构化页面，并把导航和日志同步好。

它如何工作

• Vault 定位与初始化：按顺序找环境变量 OBSIDIAN_VAULT 和默认路径 D:\Obsidian；根目录没有 知识库规则.md 时先跑初始化脚本，生成全中文目录骨架、4 个模板页和空索引/日志，对已有知识库无感、可安全重跑。
• 取原文，不臆造：中文 PDF 用 pdftotext -enc UTF-8 -layout；EPUB 走自带脚本 epub_to_markdown.py 按章节提取为 Markdown，并把形如 part0007.html#6LJU0 的失效跨章链接自动净化为 Obsidian 书内锚点 [[#标题]]；网页抓取先 unset 代理再 curl -sL --compressed，按 meta charset 解码、回退 gb18030，SPA 站点改走 WebFetch。全程通读后再提炼，严禁生成原文没有的内容。
• 图片本地化：网页/公众号来源固定执行步骤 3.5，fetch_article_images.py 把图下载进 原始资料/素材/，微信必须带 --referer https://mp.weixin.qq.com/ 绕过防盗链，正则优先取 data-src；下载失败时降级为外链，并在页头标注 has_images: true 和抓取日期，不留无来源的 ![]()。
• 写结构化页面：产出来源摘要页 + 实体页 + 概念页，实体/概念/来源/综合四类用 [[中文维基链接]] 互链；拿不准的先建 status: 待核 桩页；新信息推翻旧结论时标 status: 矛盾 并写矛盾行，不静默覆盖。一篇源通常触动 9–15 个页面。
• 末步统一更新导航：重写 知识库/索引.md（按四类各一行：链接、摘要、来源数、更新日），追加 知识库/日志.md。每次摄入末步必做，否则新摄入的页查不到。

适用边界与注意点

• 原始资料目录只新增、不删改，维护者全权拥有知识库页，但用户原稿永不被改。
• 网页链接首次抓取失败时，必须用完整 URL 原样换至少 2 种方式（换 UA 重 curl、WebFetch、搜索反查）复测，一致失败才可下"链接当前不可达"结论，严禁凭单次探针就声称用户链接 404 或缺目录段。
• Windows 文件名禁含 / \ : * ? " |，含层级的命名改用中圆点 ·（如 华为三大业务流程（LTC·IPD·ITR）），否则 Write 会建出嵌套错位目录、[[]] 断链；重命名文件后需全局同步 [[链接]]。
• 沙箱默认代理 127.0.0.1:7890 常未运行，外网抓取需先 unset HTTP_PROXY HTTPS_PROXY 直连。
• 解码不要用 utf-8+ignore（非法字节静默丢弃、替换符计数为 0，会误判"已是 UTF-8"）；curl 必须加 --compressed 防 gzip 字节被当文本解码成乱码。
• 索引/日志被 Obsidian Linter 实时重排时，批量更新索引要改用 Python 单进程 read→改→写，避免并行 Edit 竞态报 modified since read。

它适合谁

已经在用 Obsidian 管理个人知识库、希望让资料真正产生复利（而不是每次重头学）的工程师。它不做内容创作，只负责把摄入这件事变得可重复、可审计。