周围的人都买了CodingPlan,配置好ClaudeCode,问完你是谁就退出

2026年当我周围的人都买了各个大模型厂家的Coding Plan:

1. Ali Coding Plan;
2. GLM Coding Plan;
3. 火山引擎上的Coding Plan;
4. 国外的(有点贵，没人买，或者买了省着用)

【不知道咋省着用的问我】

除了本身就会开发程序的，剩下的大部分人都是配置好了Claude Code后，问一下：

1. 你是谁？
2. 你用的哪个大模型？

然后/exit，收功

跟周边的人说：你别说，Claude Code 就是好用多了！

99% 的人用 AI 的方式是反的

大多数人用 AI 的习惯是这样的：打开 Claude Code ，从零开始解释「我是谁、我在做什么、我需要什么」，聊完关掉，下次重新来。

你每次给 AI 的上下文越薄，它能为你做的事就越浅。 你反复解释同一个项目，反复描述同一个偏好，反复校正同一个错误。像极了一个永远不记得你说过什么的新同事。

而 Obsidian 解决的就是这个问题。它不是一个普通的笔记软件，它是一个由 Markdown 文件组成的、带有双向链接的知识网络。每一篇笔记不是孤岛，而是通过 [[链接]] 与其他笔记形成关系。

当你把 Claude Code 接入这个网络，事情就变了。

你的笔记库 = AI 的「完美记忆」

输入了一个自定义命令 /trace，让 Claude Code 追踪他与 Obsidian 这个工具的「关系演化史」。Claude Code 开始扫描他整个笔记库，读了几十个文件，跟踪了文件之间的链接关系，然后输出了一份完整的时间线：

• 2024 年 12 月，他的笔记系统里根本没有 Obsidian
• 2025 年 1 月，他开始用 Obsidian，但对双向链接持怀疑态度
• 2025 年中，他意识到应该为「模式」和「理论」创建独立笔记，而不是反向链接到泛化标签
• 2026 年 1 月，他进入了爆发式构建期，瓶颈不再是 Obsidian 本身，而是 vault 和 agent 之间的执行边界

Vin 自己看完都说：这件事我一个人做不到。阅读所有这些文件，理解它们之间的关联，作为一个人类来说根本不可能。

文件本质上是完美的记忆。人类的记忆研究反复证明，我们记住的东西跟现实完全是两回事。但一个 Markdown 文件不会说谎。

这句话值得反复咀嚼。你的笔记库里存的不是「笔记」，而是你思维的快照。当 AI 能读到这些快照，它比你自己更清楚你在想什么。

从反思到行动：笔记库如何变成「想法工厂」

很多人对 Obsidian 的理解停留在「做笔记的地方」。Vin 做的事情远不止于此。

他给 Claude Code 创建了一系列自定义命令，每个命令都在做一件事：从笔记库里挖出你自己都没意识到的东西。

这几个最让我震撼：

/connect 跨域连接。 你给它两个看起来毫无关系的关键词，比如「电影制作」和「世界构建」，它会遍历整个笔记库的链接图谱，找到隐藏的桥梁。Vin 试了一下，AI 从他的笔记中发现：电影采访本质上是「打开一个人内心世界的门户」，而他的博客愿景是「像古埃及陵墓一样被后人挖掘和审视」。两者的共同模式是：构建一个持久的、可被探索的世界。

他自己都没意识到这层联系。

/challenge 压力测试。 它用你笔记库自己的历史来质疑你当前的观点。找出矛盾、反证、思维转变。如果你说你相信 X，但过去六个月的笔记里你其实在不断否定 X，它会直接指出来。

/ideas 创意生成。 这个命令做了一次深度的 30 天笔记库扫描，跨领域模式检测加图谱分析，产出了一份完整的创意报告。不只是「你应该做什么项目」，还包括「你应该看什么电影」「你应该跟谁聊聊」「你一直在回避什么」。

一个「知道你在想什么」的 AI 日程助手，和一个「只看日历」的助手，给出的建议是完全不同的维度。

启发内容：

第一，上下文的质量决定 AI 的上限。 这不是新观点，但 Vin 用实践证明了「好上下文」到底意味着什么：不是一份精心写好的 prompt，而是数月甚至数年的持续写作积累，加上结构化的链接关系。Token 不是 AI 的氧气，你的 Markdown 文件才是。

第二，让 AI 帮你发现你自己。 这是我之前完全忽略的用法。我一直把 AI 当「干活工具」，让它写文章、生成图片、自动发布。Vin 让我看到了另一个维度：AI 可以成为你的思考镜子，帮你看见自己思维中的模式、盲区和演变轨迹。

第三，管理笔记库比管理 AI 更重要。 与其花时间研究怎么写更好的 prompt，不如花时间写更好的笔记。笔记库是根，prompt 是叶。根深了，叶子自然茂盛。

转自：@yanhua1010，部分摘抄

有兴趣的朋友评论区说说你的感受