Agent Skills
返回列表
Obsidian 行业智库

Obsidian 行业智库

知识管理 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md 的安装指南,将 @user_3ef5c419/obsidian-industry 这个 Obsidian 行业研究知识库技能安装到 AI 助手中。

技能介绍

要解决的问题

大多数行业研究笔记的死法很相似:调研时在 Obsidian 里建了一堆 行业.md、公司.md,写完没人维护,半年后链接失效、来源丢失、笔记之间互不相通,最后整个 vault 变成一堆没人敢动的 Markdown 文件。根本问题在于没有约束:笔记该写成什么结构、什么时候算"研究完了"、新旧数据怎么衔接,全靠自觉。

Obsidian Industry Wiki 把 WorkBuddy 的联网调研能力固化成一套可重复执行的流程,目标是让知识库像项目一样"持续交付",而不是一次性写完就荒废。

核心机制

这套方案的立足点是每篇笔记只承载一个原子概念——一个行业、一家公司、一条趋势、一组数据或一个来源。围绕原子化,它有四件事:

  • 状态机驱动成熟度:每篇笔记用 status 字段标记生命周期,seedling → budding → evergreen → archived。每次更新必须推进状态并刷新 updated 日期,防止笔记永远停留在"半成品"。
  • 双向链接织网:要求每篇笔记至少 1 条出链和 1 条入链,链接一律用 [[wikilinks]]。scripts/index_vault.py 会扫描并揪出没有入链的"孤儿笔记"。
  • Open Questions 闭环:每篇笔记末尾保留待调研问题,下次调研时直接从这些问题续写,知识库因此获得持续生长的动力,而不是被反复推倒重写。
  • 统一 frontmatter schema:type、industry、sources、confidence 等字段构成基线,脚本对未知字段容忍,项目可以安全追加自有字段(如投资向加 ticker),不必改脚本。

关键步骤

所有流程由三个确定性脚本支撑,均用 Python 标准库运行:

  1. 初始化(W1):scripts/init_vault.py --vault <path> 搭建目录、模板、README 和初始 MOC,默认 vault 路径为 ~/Obsidian/Industry-Wiki。
  2. 调研写入(W2):明确目标笔记的 type 与 industry → 联网调研 → 套用 assets/note-template.md 先查重、有则链接 → 跑索引脚本刷新。
  3. 更新与校验(W3/W6):读旧笔记、补事实与来源、推进 status;scripts/validate_note.py 校验必需字段、枚举合法性以及是否含来源和出链。

适用边界

  • 它不做自动调研:联网搜索由 WorkBuddy 的调研能力完成,脚本只负责结构与索引,两者分工明确。
  • 状态机和 schema 是约束,不是魔法:如果调研本身敷衍,status 推得再勤也只是把错误标成"常青"。
  • schema 与目录约定是默认基线,references/schema.md 和 references/structure.md 写明了自定义方式,动手改之前建议先读。

使用场景

  • 研究员在做某行业报告前,用 Obsidian 初始化 vault,把每家公司拆成原子笔记,用 wikilinks 串起来
  • 投研人员研究一家新公司时,先查重是否已有笔记,再套模板写入调研结果并推进 status 状态
  • 知识库积累半年后,跑 index_vault.py --report 找孤儿笔记和行业缺口,决定下一轮调研方向
  • 团队多人维护同一个 vault 时,用 validate_note.py 校验每篇 frontmatter 是否符合 schema 约定

适合人员

  • 研究员需要长期跟踪多个行业动态,希望笔记随每次调研自动生长而非推倒重写
  • 投研分析师要频繁调研公司并更新数据,希望统一 frontmatter 让团队能交叉引用
  • 知识管理工具爱好者已用 Obsidian 管理笔记,想把工作流升级为结构化研究库
  • 内容创作者需要积累某个领域的素材库,希望用 MOC 索引把零散笔记织成图谱