Все используют Obsidian с ИИ или хотят использовать его, чтобы стать продуктивнее. Но это тупиковый путь.

Причина проста: заметки Obsidian хранятся на локальном диске в открытом формате Markdown и доступны кому угодно, включая AI-агентов. Это делает интеграцию максимально простой и удобной. Но стоит ли на самом деле использовать ИИ со своими заметками? И если да, то в каких сценариях и как именно с ним взаимодействовать?

Во-первых, если вы используете vibe-code-агентов с Obsidian, пользуйтесь Obsidian CLI. Так возврат файлов, поиск и другие действия через grep будут работать значительно быстрее.

Во-вторых, стоит избегать добавления в хранилище множества AI-сгенерированных резюме и другого текста, созданного «на лету». Причина простая: со временем становится непонятно, что написано самостоятельно, а что сгенерировано ИИ, и собственные, куда более ценные мысли тонут в «AI slop».

  1. Кроме того, при поиске приходится продираться через шум сгенерированного контента. Если в хранилище только собственные записи, каждая из них ценна — или, по крайней мере, была причина её записать. За ней стояло убеждение, идея или что-то, что действительно тронуло.
  2. Да, в некоторых областях ИИ хорош, и мгновенные резюме на первый взгляд кажутся отличными, но при возвращении к ним они каждый раз оказываются очень средними. Это не помогает: резюме не выделяет то, что выделил бы сам, и всё равно приходится перечитывать оригинал.
  3. Иногда при создании новой заметки через Obsidian Webclipper используется резюме в одно-два предложения. Оно чётко помечается как сгенерированное ИИ и оформляется цитатой — чтобы было понятно и сейчас, и через пять лет, что это не собственный текст. Если позже добавляются свои мысли и формулировки, сгенерированные абзацы просто удаляются.

Но для продвинутого исследования, например поиска связанных заметок, ИИ вполне подходит — возможно, это лучший сценарий использования. А вот для тегирования или организации использовать его не стоит: со временем все такие связи не будут значить ничего, поскольку созданы не человеком. Сила — в осознанно выстроенном графе заметок, собственном «втором мозге».


Хранилище Obsidian со Smart Lookup, связанными заметками через Smart Connections и локальным графом

Лично автор пока не использует ИИ таким образом, хотя может начать однажды с мощной локальной моделью — ведь среди заметок много чувствительных данных, которые не хочется никуда загружать. Кроме того, автоматизация убирает саму мыслительную часть процесса ведения заметок в Obsidian. Заменять человеческое мышление пока не хочется. Но математическая или локальная модель применяется вместе с плагином Obsidian Smart Connections или Graph Analysis.

Если полностью довериться ИИ в генерации заметок, итог окажется хуже: меньше ясности и меньше инсайтов. Скорее всего, довольно быстро придётся начинать с чистого листа — раз ценности от такого подхода нет, поддерживать и развивать идеи никто не станет.

Длинная суммаризация от ИИ — обычно просто шум

Kepano тоже говорит: «Резюме PDF-файла — это шум. Инсайт, который я получил при чтении PDF, — это сигнал». Подробнее — в других мнениях Джейсона Фрида, Пола Грэма, Теда Джойи, Митчелла Хашимото и многих других.

Поиск — это вопрос организации

Если возникает желание что-то автоматизировать, лучше сделать это в отдельном хранилище или просто использовать базу данных, например DuckDB, и проводить все эксперименты с ИИ там же, как это было сделано для поиска и кластеризации. Но смешивать с этим свои ценные заметки и систему Zettelkasten не стоит. Пока — точно нет, а возможно, и никогда.

В хранилище — 25 979 файлов общим объёмом 3,5 ГБ, всё в одном хранилище, и находится всё за доли секунды с помощью плагина Omnisearch. Поиск — это, по сути, вопрос организации: применяется система Zettelkasten, которую иногда называют цифровой версией Memex.

Если нужны более продвинутые возможности, можно просто добавить плагин Obsidian Smart Connections и получить векторный и семантический поиск из коробки.

Ваши заметки станут промптами завтра

Заметки станут промптами или библиотеками для ИИ в будущем — но только если они не сгенерированы самим ИИ.

Возделывание знаний

Что касается идеи «возделывания знаний для AI-систем», интереснее возделывать их для себя — в долгосрочной перспективе.

Если у людей не останется собственных баз знаний, все в итоге получат одинаковые (усреднённые) заметки, основанные на AI-моделях — не на 100%, конечно, но без убеждений, без принятых решений, просто всё одинаково похожее.

Это ещё одна причина, почему нужны знания, курируемые людьми, в большом масштабе. AI-модели переобучаются лучше на таких данных, чем на синтетических, искусственных — хотя нужно найти экономическую модель, которая работала бы и для создателей этих инсайтов и знаний.

Чья это система знаний?

Использование Claude Code (или другого агента) для генерации системы и создания связей — это не ваша система. Если нужен инструмент для поиска — да, конечно, годится. Но второй мозг и система знаний — это место, где происходит собственное мышление. Связи создаются, потому что появилась идея или что-то подсказало сделать это.

Хорошее видео на эту тему, созвучное этим мыслям — «Obsidian vs Claude — Why I'm Not Worried About AI Killing Note-Taking Apps». В нём элегантно объясняется: второй мозг — это система, и процесс создания связей и записи мыслей вовсе не неэффективен — это и есть процесс мышления и обучения.

Claude — просто инструмент, как и сам Obsidian. Но, как говорится в принципе «File Over App» от CEO Obsidian, дело вообще не в приложении, а в файлах, собственных мыслях, собственных инсайтах. Если это чьи-то ещё мысли, пусть даже сгенерированные — это не то, ради чего используется второй мозг. Может быть полезно, конечно, но не так ценно, как новые идеи и мышление, получаемое из своей системы знаний.
Как говорится, иногда нужно просто выйти на улицу.

Примеры

Несколько примеров, которые хорошо иллюстрируют это явление и помогают его понять.

Тяжело закончить идею, которая не твоя

Claude активно применяется для плагинов Omarchy и оптимизации/диагностики Linux, но не для письма и ведения заметок — особенно когда речь о создании уникальных идей и доведении их до конца через письмо.

Так тяжело закончить идею, которая не твоя, а просто предложена ИИ.

База знаний по LLM Андрея Карпатого

Проект Андрея Карпатого по автоматическому исследованию знаний об LLM — ещё один пример того, как не стоит делать, особенно если цель — научиться чему-то. Это, конечно, забавно и полезно, но со временем такой подход теряет привлекательность и ценность. Хорошо об этом сказано в одной цитате с Reddit:

Полностью согласен, что база знаний в духе «Karpathy LLM Wiki», которая всех так восхищает, — не полезный способ реально учиться или управлять накопленными и отобранными данными по указанным причинам. Если же нужна просто автоматизированная сводка исследования по какой-то теме — конечно, почему бы и нет, но это не особо интересно, и восторг вокруг этого мне не очень понятен.

Интересное обсуждение этой темы можно найти в отдельной ветке на Reddit.

Не масштабируется и быстро умрёт

Автоматизация ссылок и связей таким способом не подходит для собственного второго мозга, для своих идей и заметок — пропускается сам процесс мышления и, соответственно, инсайты. Большинство идей появляется именно из связывания и наблюдения за связями, созданными самостоятельно, иногда годами ранее.


Хороший пример того, чего не стоит делать со своим хранилищем.

Наверняка интересно посмотреть, что получится в итоге, но рекомендовать такой подход для «второго мозга», где развивается собственное мышление и собственные идеи, не стоит.

Если нужен именно такой «мозг», который не принадлежит лично вам, лучше использовать Wikipedia. Графы и wikilinks Википедии дают отличные инсайты — возможно, даже лучше автоматизированных ИИ-версий, — но созданные людьми-соавторами. А для создания собственной базы знаний лучше делать это вручную. Отдача приходит с годами, эффект накапливается.

Метод PARA: выделенная папка

Метод PARA от Тьяго Форте очень удобен — можно создать AI-папку в разделе ресурсов и складывать туда все сгенерированные заметки, скрывая их из поиска или другими способами. Так AI-сгенерированные инсайты или заметки остаются доступны и при необходимости их можно связать с оригинальными заметками.

Голос в текст

ИИ с преобразованием голоса в текст — ещё один подход для работы с Obsidian, который имеет смысл, например, за рулём.

Но поскольку в устной речи слов получается гораздо больше, чем при письме, а ИИ или сервис распознавания не всегда понимает все слова верно, в итоге получается больше работы, чем при обычном наборе текста. Кроме того, обычно пропускается сам процесс обдумывания, хотя иногда проговаривание вслух тоже помогает мышлению.

Замедление: больше эффекта в долгосрочной перспективе?

Творчество по своей природе устремлено в будущее

Дополнительные материалы

  • Second Brain Assistant with Obsidian (NoteGPT)
  • Building an Obsidian RAG with DuckDB and MotherDuck
  • Don't use AI for everything, you stop thinking — learning AI Use
  • How To Think Better in the Age of AI (From the Stoics)
  • Use less AI
  • Everything I've published came out of one Obsidian vault