Claude Code + Obsidian + 技能图谱：构建本地研究引擎

在信息爆炸的时代，传统的搜索式研究已难以满足深度分析的需求。许多人习惯于打开数十个标签页、阅读大量内容相似的文章，最终却只能产出一份缺乏结构的浅层总结。而一个成熟的 AI 研究系统，则能在 1 小时内完成通常需要一个团队花费两周时间才能完成的多角度分析。本文将介绍如何通过 Claude Code、Obsidian 与结构化的技能图谱，构建一个可复利积累的本地研究引擎。

研究技能图谱的本质

六视角分析框架的独特价值

研究技能图谱本质上是一个由相互连接的 Markdown 文件组成的知识文件夹。每个文件都是一个独立的「知识节点」，代表着你研究系统大脑中的一个组成部分。节点之间通过 [[wikilinks]] 双中括号链接相互引用，形成一个有机的方法论网络。 当将 Claude 指向这个文件夹并给出研究问题时，它不再只是简单地搜索资料，而是会沿着这些链接阅读你的方法论文档，应用你的来源评估标准，从 6 个完全不同的视角来分析同一个问题。这种架构的核心优势在于：普通的提示词只会给你一个总结，而一个完整的技能图谱则相当于雇佣了一个专业的研究部门。

系统搭建与使用方法

为什么要强制从 6 个视角来分析问题，而不是简单地要求 AI 做一个大而全的回答？因为真正的洞察往往隐藏在视角之间的张力之中。 技术视角关注数据实际说明了什么，剥离叙事只看客观数字；经济视角顺着钱的流向看，追踪谁付钱、谁赚钱以及什么激励机制在驱动行为；历史视角寻找重复出现的模式，回顾过去尝试过的方案和被忽略的背景；地缘政治视角放眼全球棋局，分析涉及的国家和权力关系；反向思考视角则扮演「魔鬼代言人」的角色，质疑主流观点是否正确、谁从当前叙事中受益；第一性原理视角则要求忘记一切预设，从最基本的事实重新推导。 以「全球出生率为何下降」为例，技术视角可能得出「数据非常严峻」的结论，而反向视角则可能指出「日本已低生育率 50 年也没有崩溃」。两者都没错，真正的答案恰恰存在于这种视角之间的张力之中。

核心文件结构

整个系统由 20 个文件、6 个文件夹构成。最核心的文件是 index.md（指挥中心），它定义了研究任务的范围、目标以及执行流程。6 个视角文件分别定义了各自的核心问题、研究方法和输出格式。方法论文件夹中的 source-evaluation.md 建立了五级信息源信任等级体系，synthesis-rules.md 提供了跨视角整合的规则，而 contradiction-protocol.md 则专门处理不同来源和视角之间的矛盾——这些矛盾正是真正洞察隐藏之处。 使用方法有三种层次：最推荐的是创建 Claude Projects 并上传所有文件，赋予一个研究主题后让 AI 按照 index.md 的指令执行；也可以将 index.md 和相关视角文件复制到任何 AI 对话中使用；最强方案则是 Claude Code 直接指向本地 Obsidian vault，代理可以自行读取和写入文件，实现半自动甚至全自动运行。

如有侵权，请联系删除。