DBAdmin/brain/raw/inbox/Co się dzieje, gdy dasz LLM-owi klucze do swojego skarbca Obsidian.md

title, source, author, published, created, description, tags

title	source	author	published	created	description	tags
Co się dzieje, gdy dasz LLM-owi klucze do swojego skarbca Obsidian	https://medium.com/dare-to-be-better/what-happens-when-you-give-an-llm-the-keys-to-your-obsidian-vault-370562d821e0	Valerie	2026-05-08	2026-05-20	W ramach WI w LLM wzorcu Karpathy'ego, umiejętności oficjalnego agenta Steph Ango i to, co się stanie, gdy twój skarbiec przestanie potrzebować twojej utrzymania.	clippings

W ramach WI w LLM wzorcu Karpathy'ego, umiejętności oficjalnego agenta Steph Ango i to, co się stanie, gdy twój skarbiec przestanie potrzebować twojej utrzymania.

Te piękne wykresy to prawdziwy powód, dla którego tak bardzo kocham Obsidian. Ale jest też lokalny, bezpieczny i od teraz łatwy w użyciu z LLM.

2 kwietnia 2026 roku Andrej Karpathy opublikował krótki opis czegoś, co nazwał "LLM Knowledge Base". Osiągnął 325 000 wyświetleń w 48 godzin. W ciągu dwóch tygodni pół tuzina wtyczek open-source ponownie go wdrożyło. Obszar zarządzania wiedzą osobistą na Twitterze kompletnie stracił rozum. Prawie żadne mainstreamowe media technologiczne o tym nie pisały.

Nie jesteś członkiem Medium? Czytaj za darmo tutaj.

Viralowy post Andreja można zobaczyć tutaj

Pomysł jest na tyle mały, że zmieści się w tweecie i na tyle dziwny, że zajmuje chwilę, by go przyswoić: przestań zadawać swojemu LLM pytania o notatki. Niech pisze i prowadzi notatki za ciebie.

Nie jesteś pewien, czym jest Obsidian? Najpierw sprawdź ten artykuł:

Stwórz i zarządzaj swoją bazą wiedzy za pomocą Obsidian

To zupełnie nowe podejście do robienia notatek i zarządzania wiedzą.

medium.com

Jeśli używałeś którejkolwiek wtyczki "Chat with your vault" do Obsidian, znasz już standardowy schemat: wrzuć markdown do wektorowej bazy danych, zadaj pytanie, model pobiera kilka fragmentów i odpowiada. W porządku. To także transakcja jednorazowa — w momencie zamknięcia czatu nic się nie kumuluje. Twój skarbiec jest nadal tak zabałaganiony, jak go zostawiłeś. Model nie staje się mądrzejszy w twoim przypadku. Nie stajesz się mądrzejszy w swoim podejściu.

Wzór LLM Knowledge Base odwraca workflow. Czat to efekt uboczny. Artefakt to uporządkowany, hiperlinkowany skarbiec, który model utrzymuje dla ciebie w tle — dodając strony z entykatami, poprawiając streszczenia tematów, sygnalizując sprzeczności między wczorajszą notatką a dzisiejszą, odsłaniając powiązania, których nigdy nie zrobiłeś świadomie.

Brzmi to podejrzanie jak każda obietnica "drugiego mózgu" z ostatnich pięciu lat. Większość tych obietnic to były wibracje. Ten jest wyjątkowo konkretny, a narzędzia doganiały szybciej niż dyskusja. Oto jak to właściwie skonfigurować — i gdzie się psuje.

Przesunięcie pojęcia, w jednym zdaniu

Stary schemat: czat z dodatkiem wyszukiwania. Twoje notatki to biblioteka tylko do czytania; LLM to bibliotekarz.

Nowy schemat: pisanie z pomocą wyszukiwania. Twoje notatki to edytowalna knowledge; LLM to redaktor naczelny, który nigdy nie śpi.

Wszystko inne — wybór modelu, wtyczki, sprzęt — to szczegóły implementacji.

Brakujący element: CEO Obsidian właśnie nauczył agentów, jak się zachowywać

Przez około rok oczywistym wąskim gardłem w tym całym wzorcu było to, że LLM technicznie mówią markdown, ale nie wiedzą, że Obsidian markdown to osobny dialekt. Agenci pisali notatki, które wyglądały poprawnie w czystym tekście i cicho się psuły w momencie otwarcia — knowledgelinki będące tylko nawiasami wokół łańcucha rzeczy, przednią część przekształconą w tekst główny, opisy w cudzysłowie, pliki Bases uszkodzone do zupy JSON. Każdy workflow "AI w moim skarbcu" kończył się przepustką sprzątającą.

Na początku 2026 roku Steph Ango — CEO Obsidian — sam to naprawił. Opublikował na GitHub: zestaw umiejętności agentów licencjonowany przez MIT, które uczą Claude Code, Codex CLI, OpenCode i wszelkich innych narzędzi kompatybilnych z Agent Skills, jak faktycznie korzystać z aplikacji. Repozytorium usunęło dziesiątki tysięcy gwiazd w ciągu kilku tygodni i nadal rośnie.kepano/obsidian-skills

To, co jest w środku, to dokładnie te nudne, ważne rzeczy:

• **obsidian-markdown** — knowledgelinki, callouty, materiały wstępne, osadzenia, linki dwukierunkowe wykonane poprawnie.
• **obsidian-bases** — dane strukturalne z filtrami, widokami i typowymi właściwościami.
• **json-canvas** — generowanie i edytowanie wizualnych płócien w twoich notatkach.
• **obsidian-cli** — pełne zarządzanie sejfem z linii poleceń.
• **defuddle** — usuwa strony internetowe, aby oczyścić markdown przed zapisem, dzięki czemu nie marnujesz tokenów na reklamy i nawigację w Chrome.

Ciekawe nie jest kod. Chodzi o to, że twórca produktu sam napisał integrację agenta, zamiast czekać, aż społeczność się tego zajmie. To jest sygnał. Zmierzamy w okres, w którym każde poważne narzędzie będzie dodawać warstwę agenta obok dokumentacji i API — nie jako dodatku marketingowego, ale dlatego, że jeśli agenci nadużywają Twojego produktu, po cichu zatrują każdy sejf, repozytorium i przestrzeń roboczą, z którą się zetkną. Ango właśnie dotarło pierwsza.

Dla naszych celów oznacza to, że poniższe ustawienie jest znacznie łatwiejsze niż sześć miesięcy temu. Wrzucasz umiejętności do katalogu umiejętności agenta, a Claude Code przestaje improwizować w twoim skarbcu.

Układ

Potrzebujesz trzech rzeczy: skarbca, modelu i agenta, który może odpisać do skarbca. Nic z tego nie wymaga usług chmurowych, jeśli ich nie chcesz.

1. Obsydian. Darmowe, lokalne promocje, zniżka. Jeśli jeszcze go nie używasz, to nie jest artykuł, który cię przekona — ale format ma znaczenie: właśnie dane dane z entycją to dokładnie to, co modele długokontekstowe najlepiej przetwarzają. Obsidian przekroczył 1,5 miliona użytkowników na początku 2026 roku, nie bez powodu.

2. Modelka. Trzy szczere poziomy:

• Czysto lokalne (prywatne, wolniejsze): Ollama plus Llama 4 Scout, jeśli masz VRAM, albo Mistral NeMo 12B jako idealny wybór dla konsumenckich (działa na nowoczesnym MacBooku lub RTX 4070). Qwen3 jest obecnie ulubieńcem wszystkiego, co związane z kodem.
• Hybrydowy (jakość Frontier, więcej prywatności niż pełna chmura): Kod Claude'a lub inny agent łączy się z lokalnym sejfem przez MCP. Skarbiec zostaje na twoim dysku. Rozumowanie odbywa się w chmurze.
• Czysta chmura: Notion AI, Mem itd. Najłatwiejsza konfiguracja, najsłabsza historia prywatności, największe zablokowanie. Pomiń, jeśli twoje notatki zawierają coś, czego wstydziłbyś się wezwać do sądu.

3. Agent, który odpisuje. Wybierz jedną — i którą wybierzesz, najpierw zajrzyj do katalogu umiejętności swojego agenta, żeby faktycznie mówiła dialektem:kepano/obsidian-skills

• **obsidian-Smart2Brain** Wtyczka — najbliższa jednoklikowej instalacji w wzorcu Karpathy.
• **NicholasSpisak/second-brain** — bliżej pierwotnej idei Karpathy'ego; Więcej przygotowania, więcej kontroli.
• Claude Code zamiast MCP, z oficjalnymi umiejętnościami załadowanymi — najpotężniejsza ścieżka. Uruchamiasz autonomicznego agenta przeciwko swojemu systemowi plików, ale dzięki umiejętnościom kepano zna zasady domu.

Minimalny pierwszy przegląd: wskaż agentowi jeden nowy dokument — transkrypcję spotkania, pracę badawczą, długą transkrypcję notatki głosowej. Powiedz mu, żeby zaktualizował lub utworzył odpowiednie strony z podmiotami, podlinkował je i zapisał wszelkie sprzeczności z wcześniejszymi notatkami. Przeczytaj, co wydarzyło. Zdecyduj, czy mu ufasz.

To właśnie ten ostatni krok większość ludzi rezygnuje i nie są w błędzie.

Co ten szum robi nie tak

To nie czyni cię mądrym. To sprawia, że twój skarbiec jest inteligentny. Jest różnica, a ta różnica staje się bolesna około drugiego tygodnia, gdy model pojawia się czysta synteza trzech rzeczy, które napisałeś, i zdajesz sobie sprawę, że przez sześć miesięcy miałeś tę samą półmyśl.

To halucynacje między nimi. Zwłaszcza w przypadku mniejszych lokalnych modeli. Knowledge Base pewnie połączy dwie istoty, które nie mają ze sobą nic wspólnego, i napisze akapit wyjaśniający relację, której Twoje notatki nie wspierają. Można to zauważyć, czytając ponownie. Przestajesz to łapać, gdy przestaniesz czytać ponownie. Planuj odpowiednio.

To pokazuje, jak bardzo jesteś nieuporządkowany. Pierwszy miesiąc to problem zimnego startu ubrany w cechę: LLM świetnie radzi sobie z organizowaniem uporządkowanych informacji i radzi sobie tylko w niedokończonych bazgrołach, z których składa się większość osobistych skarbców. Jeśli twoje notatki to głównie sieroty myśli i zakładki, przez pierwsze dwa tygodnie będziesz wykonywać prace sprzątające, której model nie może za ciebie wykonać.

Historia prywatności jest prawdziwa, ale tylko jeśli się na nią zdecydujesz. Lokalna zasada jest naprawdę prywatna. W momencie, gdy pozwolisz agentowi chmurowemu zaindeksować swój sejf dla "wygody", przekazujesz swoją listę lektur, notatki terapeutyczne, niedokończony list rezygnacyjny i listę zakupów osobie trzeciej z polityką prywatności, której nie przeczytałeś.

Sprzęt nie jest darmowy. Dobre lokalne rozwiązanie działa na laptopie za 2500 dolarów, ale model na starym komputerze za 400 dolarów da wpisy w knowledge, które są zauważalnie gorsze niż subskrypcja chmurowa za 20 dolarów miesięcznie. Udawanie inaczej to kolejny cmentarz "drugiego mózgu".

Kto właściwie powinien to robić

• Tak: badaczy, pisarze, inżynierowie, założyciele, terapeuci w trakcie szkolenia, każdy, kto w większości opiera się na syntezie długich form, które chcieliby zachować na własnej maszynie.
• Może: osoby z zdyscyplinowanymi nawykami robienia notatek, które ciągle napotykają ścianę "Wiem, że gdzieś to napisałem."
• Nie: osoby, których notatki to głównie listy zadań i przypomnienia. Użyj aplikacji do zadań. Schemat knowledge jest przesadzony — odpowiednik instalowania Kubernetesa na osobistego bloga.

Rzeczywista nagroda

Szczere wyjaśnienie, dlaczego to się opłaca, nie brzmi: "AI wykonuje pracę." Chodzi o to, że otrzymujesz funkcję wymuszającą zapisywanie rzeczy w formacie, którego model może używać, a ta funkcja wymuszenia się kumuluje. Po sześciu tygodniach twój skarbiec zachowuje się mniej jak cmentarz półmyśli, a bardziej jak rozmówca — coś, co przeczytało wszystko, co napisałeś, nie schlebia ci i ujawni niewygodny wzór, którego ostrożnie nie zauważałeś.

Ta ostatnia własność jest rzadka i cenna, nie wymaga magii modelu frontier. Wymaga modelu na tyle dobrego, by nie było żenujące, agenta, który potrafi zapisywać na dysk, oraz gotowości do czytania tego, co powstaje, z takim samym krytycznym okiem, jak pierwszy szkic młodszego pisarza.

Wzór knowledge to pierwszy raz w tym cyklu AI, kiedy narzędzie naprawdę działa dla ciebie między sesjami, zamiast czekać na kolejne pytanie. To właśnie część Karpathy'ego dobrze oddał, a większość relacji pominęła.

To też ta część, którą trzeba poczuć przez miesiąc — dlatego prawie nikt, kto spróbuje tego przez weekend, nie powie ci, że działa.