Day 180 用 OKF 重整 Obsidian 筆記庫
來源文章:https://www.dawsonwang.com/day/180 發布時間:2026-06-28
這篇文章在講:作者把一包名為 Claude Secretary 的 Obsidian 技術筆記庫,從原本的 MOC 導覽整理法,搬到 Google Cloud 的 OKF(Open Knowledge Format)結構,讓同一包 Markdown 筆記對人和 AI agent 都更可攜、可讀。
重點摘要
- 筆記庫規模:151 則技術筆記,涵蓋 Claude Code 架構、Threads 演算法等主題。
- 舊做法:平放在單一資料夾內,靠 MOC(Map of Content)檔案導覽。
- 舊做法的問題:關鍵字搜尋常撲空、噪音太多,AI agent 常要猜搜尋詞。
- 文章主張:Karpathy 提出的 LLM Wiki pattern 很有用,但每個人做出的 wiki 結構都不同,跨工具可攜性不足。
- 解法:用 OKF 把這個 pattern 標準化,讓不同 AI 工具都能讀懂。
OKF 長什麼樣
OKF(Open Knowledge Format)是一種以 folder + Markdown + YAML frontmatter 構成的知識格式。
核心規則很少:
- 每個
.md檔都能被直接讀取 - frontmatter 裡有
type欄位即可符合規格 index.md是目錄入口log.md是變更紀錄- 其餘檔案多半是單則 concept / zettel
文章給出的結構範例如下:
knowledge-bundle/
├── index.md
├── log.md
├── topic-a/
│ ├── index.md
│ └── concept-1.md
└── topic-b/
├── index.md
└── concept-2.mdfrontmatter 例子:
type: zettel
title: MCP 跟 sub-agent 的 context 隔離差異
description: MCP tool call 結果進 main context;sub-agent 隔離中間步驟,只回摘要。
tags: [claude-code, architecture, context]
---作者強調:consumer 不該因為遇到不認識的欄位就拒絕,這是讓格式能擴充的設計。
LLM Wiki 與 OKF 的關係
文章把 Karpathy 的 LLM Wiki 視為一個 pattern:
- Raw Sources:原始資料,只讀不寫
- Wiki:AI 產出的 Markdown 頁面與交叉引用
- Schema:規則文件,例如 CLAUDE.md / AGENTS.md
LLM Wiki 解的是「把資料編譯成可持續維護的知識庫」;OKF 解的是「讓這個 pattern 變成跨工具、跨組織可攜的標準」。
文章特別點出:
- LLM Wiki 是 pattern
- OKF 是標準化版本
- OKF 補上了 filename、metadata、目錄層級的共同語意
跟原本 Obsidian vault 的差異
作者認為 Obsidian 筆記庫原本對 AI 只是「部分可讀」:
- Markdown 能讀
- 但結構高度依賴 plugin 與人的整理習慣
- AI 要理解資料夾與主題邊界,常常需要猜
OKF 補上的三件事:
frontmattermetadata 讓 AI 直接知道筆記類型與描述index.md的 progressive disclosure 讓 AI 先看地圖再深入- 跨系統可攜,讓同一包知識可交給不同 agent / 工具讀
作者也強調:OKF 不取代 Obsidian,而是加一層結構,讓現有 Markdown 筆記更適合 AI。
搬遷結果
作者把原本的結構:
- 8 個
moc-*.md - 151 則平放筆記
- 60 份參考資料
整理成:
- 根目錄
index.md與log.md - 11 個主題資料夾
- 每個主題資料夾都有自己的
index.md - 原本的
wikilink與Dataview基本上可繼續使用
文章的重點不是「換檔名」而已,而是把導覽結構重寫成能讓 AI 一路往下找的地圖。
實測差異
作者拿同一個問題測試:
background sub-agent 為什麼不能用 MCP tool?怎麼繞過去?
結果:
- 搬之前:靠關鍵字搜尋,10 次工具呼叫,包含 4 次撲空
- 搬之後:靠
index.md導覽,3 次讀檔就找到答案
文章結論是:AI 不是讀不到,而是沒有地圖就只能靠猜關鍵字。
值不值得搬
作者的判斷是:
- 只自己翻筆記、不接 AI:搬不搬差異不大
- 會讓 Claude Code / 其他 agent 直接讀筆記:OKF 很值得
- 目標是跨工具共用同一包知識:OKF 特別有價值
作者資訊
Dawson Wang 長期幫台灣團隊把 AI 工具落地到日常工作流,主打從 PoC 到上線再到團隊接手。
延伸閱讀
- Karpathy LLM Wiki gist:https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
- OKF v0.1 Spec:https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.md
- OKF 官方介紹:https://okf.md/spec/
- Google Cloud Blog:https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing