用 AI 和 Obsidian 做知识管理，可以把平时学到的零散知识，整理成一套有结构、能反复使用的知识体系。
以后写内容、做方案，就能让 AI 接着你积累过的资料往下做，省掉一部分重新找、重新读的时间。
收藏的文章越来越多，却说不清它们之间有什么关系，这种情况很常见。我们需要知道，这些资料能回答什么问题，哪些判断有依据，自己还缺哪一块。
今天就用我的 GEO 知识系统举例。GEO 的中文叫生成式引擎优化，关注内容怎样被 AI 搜索发现和引用。你也可以换成自己工作的领域。
在这套用法里，Obsidian 用来保存笔记、连接相关知识。AI 用的是 Codex，获得相应权限后，它可以直接读取和整理这个笔记文件夹。两者处理同一份资料。关于这两个工具的基础分工和文件夹结构，我之前单独写过一篇。
先想清楚，你要用这套知识解决什么问题。
比如研究 GEO，可以围绕基础概念、AI 选择来源的机制、内容优化和效果验证，列出一个初步框架。
有了这些主题，就可以让 AI 读取已有笔记，帮忙整理主题目录，把相关资料链接进去。分类是否符合自己的用途，还要自己判断。暂时没有材料的地方，先标成待补。
这样，一份新资料进来，你能判断它补充了哪个问题。资料积累得多了，也能看出自己一直在研究哪部分，还有哪些内容没弄清楚。
框架可以随着学习调整。同一篇资料涉及多个主题，就建立多个链接，正文保留一份。
接下来，要把读到的资料变成自己能够使用的知识。
拿这次的历史案例来说，我的文章曾出现在 Google 的 AI 概览来源卡片里。这条记录，可以放在效果验证这个主题下面。
整理的时候，我会让 AI 保留原文、截图和日期，再把观察到的事实与对原因的解释分开。
截图能说明，当时那次查询展示了这篇文章。至于是不是内容结构起了作用，以后能不能持续出现，还需要继续验证。有没有带来访问和咨询，也要另外看数据。
核对之后，可以提炼一张知识卡片。卡片只讲清一个问题，比如，一次 AI 展示能证明什么。把自己的判断和原始证据连起来，下次再谈到这个问题，就能找到依据，也知道结论适用到哪里。
AI 可以帮忙归纳、建立关联，判断是否成立，还得自己对照材料。
整理到这里，就可以把知识用起来了。
比如我要写一期内容，解释文章被 AI 展示以后，怎样判断效果。就可以让 Codex 读取相关笔记，根据已有的证据组织提纲，并标出每个关键观点来自哪里。
我检查的时候，就能顺着链接回到原文。哪句话说过头了，哪里还缺材料，都能接着修改。
使用的过程也会帮你发现新的问题。比如，这个案例后续有没有复查记录，是否补到了访问数据。把这些问题记下来，有了新证据，再更新原来的笔记和判断。
这样，知识体系就会随着实际工作继续完善。
用这套方法，希望得到的是一套有结构、有依据、能持续使用的知识。AI 帮忙整理和调用，Obsidian 保留资料之间的联系，你负责决定研究什么，以及哪些判断值得留下。
刚开始，选一个长期关心的主题，列出几个重要问题，放进一份手头的资料。再用它完成一篇内容或一个方案。从这一次使用里，你就能发现下一步该补什么。
