«Цифровой мозг» для AI-агентов: фреймворк obsidian-wiki

Разработчик под ником Ar9av (Arnav) выпустил открытый фреймворк obsidian-wiki — инструмент, который превращает любое Obsidian-хранилище в живую базу знаний, автоматически пополняемую AI-агентом. В основе лежит паттерн LLM Wiki из gist Андрея Карпати: один раз скомпилировать знания в связанные markdown-файлы и поддерживать их актуальными, вместо того чтобы каждый раз гонять RAG или повторно спрашивать модель одно и то же. Obsidian — это интерфейс для просмотра, а AI-агент — инструмент роста. Репозиторий уже набрал около 1,8 тысячи звёзд на GitHub.

Идея: компиляция знаний вместо RAG

Андрей Карпати — сооснователь OpenAI и бывший директор по AI в Tesla — предложил в апреле 2026 года принципиально иной подход: вместо сессионного поиска по документам создавать персистентную структурированную базу знаний, которую AI-агент активно строит и поддерживает, так что знания накапливаются со временем, а не испаряются между сессиями.

Большинство пользователей знают LLM через RAG: загружаете файлы, модель извлекает релевантные фрагменты при запросе и генерирует ответ. Это работает, но при каждом вопросе модель заново «открывает» знания — накопления нет.

Скомпилируй знания один раз. Запускай запросы против готового артефакта — снова и снова.

Паттерн LLM Wiki говорит: сначала компилируй. LLM читает источники, синтезирует содержимое в структурированные взаимосвязанные wiki-страницы, и все последующие запросы идут уже против этого скомпилированного артефакта. Синтез происходит один раз (и инкрементально при добавлении источников); каждый запрос выигрывает от предварительно организованных и перекрёстно-ссылочных знаний.

ℹ Что такое Obsidian
Obsidian — локальный редактор заметок на базе markdown с поддержкой двусторонних ссылок [[wikilinks]] и граф-представления связей. Все файлы хранятся на вашем компьютере, без облака.

Как работает obsidian-wiki

Скиллы — это markdown-файлы, которые рассказывают AI-агенту, как работать с Obsidian-хранилищем. Wiki — это артефакт. Агент — сопровождающий. Obsidian — просмотрщик.

Процесс обработки знаний состоит из четырёх этапов:


graph TD
    A[📄 Источник
PDF, markdown, JSONL, изображение] --> B[1. Ingest
Агент читает файл напрямую]
    B --> C[2. Pull Information
Концепции, связи, открытые вопросы]
    C --> D[3. Write to Vault
Markdown-файл в Obsidian]
    D --> E[4. Cross-link
Перекрёстные ссылки между страницами]
    E --> F[🧠 Цифровой мозг
Obsidian Graph View]

Фреймворк отслеживает всё обработанное через .manifest.json в корне хранилища. Это позволяет смотреть статус («Что проиндексировано? Что новое? Что изменилось?»), делать дельта-индексацию — обрабатывать только новые и изменённые источники, отслеживать происхождение страниц и детектировать устаревшие данные.

Установка за две команды

Установка через pip: одна команда разворачивает конфиг в ~/.obsidian-wiki/config и устанавливает все скиллы во все поддерживаемые агенты — Claude Code, Cursor, Codex, Gemini, Hermes, Pi и другие. Скиллы симлинкуются к установленному пакету, поэтому pip install -U obsidian-wiki обновляет их везде сразу.

pip install obsidian-wiki
obsidian-wiki setup --vault /path/to/your/digital/brain

Или через npx без клонирования репозитория:

npx skills add Ar9av/obsidian-wiki
💡 Первый запуск
После установки откройте проект в вашем агенте и просто напишите: “set up my wiki”. Агент сам разберётся с остальным.

Совместимость с агентами

Фреймворк работает с любым AI-агентом, умеющим читать файлы — Claude Code, Cursor, Windsurf, Codex, Gemini CLI, Kiro и другими.

АгентBootstrap-файлSlash-команды
Claude CodeCLAUDE.md/wiki-ingest, /wiki-status и др.
Cursor.cursor/rules/obsidian-wiki.mdc/wiki-ingest, /wiki-status и др.
Windsurf.windsurf/rules/obsidian-wiki.mdчерез Cascade
Codex (OpenAI)AGENTS.md$wiki-ingest
Gemini CLIGEMINI.md/wiki-ingest, /wiki-query и др.
GitHub Copilot CLI—/wiki-ingest, /wiki-query и др.
Kiro IDE.kiro/steering/obsidian-wiki.md/wiki-ingest, /wiki-status и др.
AiderAGENTS.mdописание намерения в чате
⚠ Осторожно с галлюцинациями
Есть важная критика паттерна LLM Wiki: поскольку LLM суммирует источники в wiki-страницы, возможны галлюцинации, встроенные как «факты». При RAG неверный ответ — просто один неверный ответ. При LLM Wiki одно маленькое недопонимание может незаметно распространиться по связанным страницам. Поэтому Карпати делает акцент на этапе lint — периодических аудитах, и любая серьёзная реализация должна выборочно сверять сгенерированные страницы с исходниками.

Значение для отрасли

В апреле 2026 года gist Карпати собрал более 5 000 звёзд за первую неделю. Идея: перестать использовать RAG как дефолтный способ давать LLM доступ к документам и вместо этого позволить модели поддерживать структурированную wiki.

obsidian-wiki — одна из первых production-ready реализаций этого паттерна с поддержкой 15+ агентов «из коробки». Первый релиз в PyPI установил 37 скиллов во все поддерживаемые агенты. Фреймворк выходит за рамки простого инструмента и предлагает новую модель работы с личной базой знаний: не вы пишете заметки — агент строит и обслуживает граф знаний, а вы только задаёте направление.

📝 Пример применения
Вы прочитали 20 исследовательских статей по RAG за месяц. Вместо разрозненных закладок — один раз «скармливаете» PDF-файлы агенту, и в Obsidian появляется связанный граф с концепциями, противоречиями и открытыми вопросами. При следующей работе с темой агент читает вики, а не перечитывает все статьи с нуля.

Репозиторий: github.com/Ar9av/obsidian-wiki · Лицензия: MIT