Clipping（網路剪輯）
原始層。從網頁文章、YouTube 字幕剪進來的外部資料，一字不改、只進不出。它是別人的知識輸入你的腦袋的入口。
會自動成長的知識庫
大部分人的筆記，存下來就再也不會打開。真正的第二大腦不是「存更多」，而是讓 AI 幫你定期消化、串聯、提煉——你只負責收集與提問，知識庫會自己越長越厚。這一模組教你三層結構、一鍵建置、四大心法，以及最容易踩的三個坑。
Obsidian
Claude Code MCP
Web Clipper
GitHub / Google Drive
三層結構：原始層與 AI 整理層必須分開
第二大腦最關鍵的設計，是把資料分成「原始層」與「AI 整理層」兩個世界。原始層的內容永遠不被改動——它是你的真相來源（source of truth）；AI 整理層則是衍生品，可以隨時被重新生成、覆蓋、丟棄。一旦這條界線模糊，AI 在整理時改寫了你的原始剪輯或創作，污染就發生了，而且通常無法復原。下面三個資料夾，就是這條界線的具體落地。
創作庫（個人原創）
同樣是原始層，但屬於「你自己創作的原始資料」——工作心得、踩過的坑、靈光一閃的想法。這是 AI 預訓練資料裡不存在的隱性經驗，最有價值。
知識庫（AI 整理層）
由 AI 讀取前兩層後自動生成的結構化筆記。它會被定期重寫、持續長大，是你日後對話、查詢、提煉洞察的對象。
一句話帶走：原始資料永遠不動，知識庫永遠可重生。把「輸入」和「整理產出」放在不同資料夾，AI 才能放手幫你重整，而你不必擔心辛苦剪藏的內容被改壞。
| 資料夾 | 層級 | 誰來寫 | 可否被覆蓋 |
|---|---|---|---|
| Clipping | 原始層 | Web Clipper（你） | 否，只進不改 |
| 創作庫 | 原始層 | 你本人 | 否，你的真相來源 |
| 知識庫 | AI 整理層 | AI（依排程） | 是，可隨時重生 |
從零到連線：懶人包一條龍
整套系統的骨架是：用 Claude Code 透過 MCP 存取 Obsidian 的 vault 資料夾，再用 Google Drive 把這個資料夾同步到雲端備份。聽起來工具很多，但實際上你只要把一份「懶人包」.md 拖進 Claude Code，剩下的環境檢查與安裝由 AI 引導。整個流程一輩子只設定一次。
-
Step 01
把懶人包
.md拖進 Claude Code 桌面版並提交，信任這個 workspace。AI 開始自動環境檢查，逐步引導安裝三件套：Obsidian、Google Drive 桌面版、Node.js。Obsidian 裝完先別急著開。 -
Step 02
在 Claude Code 裡指定 vault 名稱（例如
second brain）。這個動作會自動在 Google Drive 中建立對應資料夾，等於同步與備份一次到位。 -
Step 03
啟動 Obsidian，選「開啟資料夾為儲存庫」，指向剛剛在 Google Drive 建好的
second brain資料夾。Obsidian 全部用 Markdown 儲存，這正是 AI 最好讀的格式。 -
Step 04
回到 Claude Code 告訴它「Obsidian 已開啟」。它會自動安裝 Obsidian MCP，建立 Claude 與 Obsidian 之間的溝通橋樑並要求寫入權限。
-
Step 05
完全關閉再重開 Claude Code（必要時用工作管理員結束），讓新 MCP 掛載生效。重啟後告知 AI，它會自動測試連線；沒過就再重啟一次，直到連上。打開 Obsidian 確認每日筆記已生成，即代表系統啟用。
-
Step 06
在 Chrome 安裝 Obsidian Web Clipper 擴充並釘上工具列。之後在任何網頁按右鍵，就能把文章或 YouTube 字幕一鍵剪進
Clipping資料夾。沒有字幕的影片，可先轉音檔丟給 NotebookLM 抓逐字稿，再存回 Clipping。
提醒：「重啟才生效」是新手最常卡住的一步。只要 MCP 或新技能裝好，務必完全關閉桌面版再開，不是縮小、不是關視窗。連線測試失敗多半就是這個原因。
為什麼它會「自動成長」
工具裝好只是起點。真正讓第二大腦活起來、隨時間越來越厚的，是下面這四個運作心法。它們把一個靜態檔案夾，變成一個有生命、會自我更新的知識系統。
自動成長
設定排程任務，讓 AI 每週自動讀取 Clipping 與創作庫的新資料，整理成結構化筆記寫回知識庫。你睡覺時它也在消化，知識系統因此具備「生命力」。
對話式探索
把知識庫當成一位可對話的專家。你每問一個問題，AI 給的答案再回存進知識庫——內容因此越長越厚。提問本身就是在餵養大腦。
跨平台同步
用 GitHub、Google Drive 當中介，讓 Obsidian、NotebookLM 等工具間資料無縫流動與備份。一句指令就能「跨三個工具」，這是純網頁版做不到的。
寫成公開 repo
把整套工作流寫成公開的 GitHub repo，別人（或未來的你）一鍵就能複製。重點是：這份文件「不是寫給人看的，是寫給 AI Agent 看的」。
「你每一次問問題就在知識庫這邊問問題，問完問題的資料會再重新丟回知識庫，所以你的知識庫的內容會越來越多、越來越多。」
「超級方便，一句話跨三個工具，這個就是 web 版做不到的事情。」
兩段可以直接套用的指令
心法要落地，靠的是兩種指令：一個排程任務讓大腦「定期吃飯」，一個對話查詢讓你「隨時取用」。下面是可直接改寫使用的範本。
排程：每週一 08:00 自動執行
讀取 Obsidian 的 Clipping 與 創作庫 兩個資料夾中本週新增的內容，
消化、去重、串聯後整理成結構化筆記，
寫回（覆蓋）知識庫 資料夾，並保留雙向連結。
完成後把摘要同步到 GitHub 做版本控制。
讀取 Obsidian 的 Clipping 與 創作庫 兩個資料夾中本週新增的內容，
消化、去重、串聯後整理成結構化筆記，
寫回（覆蓋）知識庫 資料夾，並保留雙向連結。
完成後把摘要同步到 GitHub 做版本控制。
用自然語言問我的知識庫：「關於 X 主題，我目前累積了哪些觀點與案例？」
整理出重點後，把這次問答的結論也存回 知識庫，
讓下次查詢能接續這次的脈絡。
整理出重點後，把這次問答的結論也存回 知識庫，
讓下次查詢能接續這次的脈絡。
關鍵差異：排程指令一定指向「寫回知識庫」而非原始層；查詢指令一定加上「結論回存」這一句。前者讓大腦持續更新，後者讓它越用越聰明。
三個最常見的誤區
第二大腦失敗，幾乎都不是工具問題，而是觀念與設定問題。以下三點請務必避開。
只收集，不整理
只專注用 Web Clipper 狂剪資料，卻沒建立後續的 AI 自動整理排程，結果變成資訊垃圾場。收集只是入口，整理才是價值。請先把排程設好，再放心地剪。
工具迷思
花太多時間比較、設定各種新工具，卻忘了知識管理的核心是「思考」與「產出」。工具是手段，不是目的。先用起來，再優化。
權限設定錯誤
連接 GitHub 或雲端硬碟時權限給錯，導致 AI Agent 無法讀寫檔案、流程中斷。授權步驟（登入、貼 Token、驗證碼）不要跳過；裝完務必完全重啟。
「你先不要問我這東西有多好用，你先裝了再說。」
代理 AI 時代，還需要 NotebookLM 嗎？
本模組的工作流原本把 NotebookLM 當成「萃取與摘要」的中介站。但三師爸在 2026 年 6 月提出一個新立場：「AI Agent 時代不太需要 NotebookLM 了。」核心理由是——當 AI 的上下文（context）夠大，你可以直接讓 Agent 在本地讀取整個 vault 跑分析，不必再經過 NotebookLM 這一層。資料留在本地、流程更短、也更不依賴單一外部工具。
請以演進的眼光看待：這是相對於 5 月之前說法的一次微調，不是推翻整套第二大腦架構。三層結構、原始層／整理層分離、排程自動成長等核心原則都不變；改變的只是「萃取」這一步——上下文夠大時可直接交給本地 Agent，NotebookLM 從必經之路降級為可選工具。工具會迭代，但「原始不污染、整理可重生」的設計思維會留下來。
← 上一模組
下一模組 →