作为公司的AI 首席架构师。日常两件事推公司的 AI 转型建公司的 AI 操作系统。五一假期我给董事长和几位高管搭了一套知识库决策系统。选 Obsidian 之前我心里是有顾虑的。这玩意儿长得很极客门槛不低高管连听都没听过。让他们用不太现实。但后来试了一下发现多虑了。借助Hermes Agent跟Lark的接入董事长和高管们从头到尾不需要碰 Obsidian。他们只是在飞书里转发文件、打字提问——和平时聊天一模一样。学习成本为零。高管真正的问题是什么我跟很多创始人、高管聊过大家的困境出奇一致。不是信息不够。恰恰相反太多了。董事会文件、行业报告、会议纪要、供应商评估、人事方案、微信里转来的文章、群里丢过来的 PDF、手机相册里拍的白板……这些信息散落在至少五个地方。邮件里一堆通讯工具里一堆微信里一堆桌面上还有一堆手机相册里截的图又是一堆。到了要做决定的时候你脑子里有个模糊的印象——这东西我好像在哪儿见过上次是不是讨论过——但具体在哪当时怎么说的后来有结论吗想不起来了。更让人难受的是另一个问题。你过去花了大量时间思考、讨论、拍板的那些决策它的来龙去脉、当时的推理过程、最终为什么选了 A 而不是 B——这些全丢了。下次遇到类似的事你从零开始。说白了高管最稀缺的资源不是钱也不是人是判断力。而判断力这个东西它需要原料。原料是什么是你掌握的信息和你从信息里提取出来的洞察。但现在的问题是原料散落一地每次做饭都得先去各个角落把食材翻出来。等翻完了客人已经走了。我搭了个什么东西其实特别简单。就两件事。第一件事让你能随手把东西丢进去用什么丢就用你每天都在用的通讯工具。飞书也行企微也行钉钉也行。在对话框里转发一个文件、发一条链接、打一段字它自动入库。什么格式都能接。PDF、Word、PPT——它提取文字转成可检索的笔记。Excel 表格——保留结构。网页链接——抓取全文。图片——OCR 识别。最让我意外的是音视频也能处理。你把会议录音、演讲录像发给它它自动转录成文字稿。•PDF、Word、PPT→ 提取文字转成可检索的笔记•Excel、CSV→ 解析数据表保留结构化信息•网页链接→ 自动抓取全文清洗格式后存档•图片、截图→ OCR 识别文字生成笔记•音视频→ 会议录音、演讲录像自动转录成文字稿但这里有个很关键的逻辑不管什么格式它都先原样存一份。然后再用 AI 去解析。原始文件永远不会丢。这一点对高管来说特别重要——有些材料你不敢丢。入库之后它会自动做几件事。提炼摘要。把新内容和已有的笔记建立关联。打标签。外文材料直接翻译。你只管转发不用管整理坦白讲这件事是整个系统里花了最多心思的部分。因为高管的时间太碎了。你不能指望任何人「打开一个软件、新建文件、粘贴内容、手动分类」。不可能的。必须做到「转发一条消息」这种零摩擦力。第二件事让你能随时提问用自然语言信息入库之后AI 已经帮你做好了索引和关联。这时候你只需要在通讯工具里像跟同事聊天一样打字问它。我给你举几个例子——这些场景不挑行业当过高管的应该都有体会「上次那个供应商评估最后为什么不选 B」→ 它不会返回一份 PDF 让你自己翻。它会从评估报告、会议纪要里把核心结论和否决原因提取出来几段话说清楚。「我们过去两年做过的产品决策有哪些后来被证明是错的」→ 跨季度复盘、跨项目总结、跨时间的会议记录把散落在几十份文件里的信息拼成一个答案。AI 做这件事只需要几十秒。「帮我对比这三家候选合作伙伴的优劣势。」→ 从你存进去的评估材料、合作历史、行业口碑里提取信息结构化地摆在你面前。「关于进入华南市场我们内部之前讨论过哪些风险和顾虑」→ 调取相关会议纪要、分析文档把不同时间、不同场合下讨论过的风险串成一条线。你发现没有这些问题有一个共同点它们都不是「找一份文档」而是「把很多文档里的信息拼起来回答一个事」。这对人来说很难对 AI 来说恰好是强项。⚠️ 一条铁律知识库里有什么它才能回答什么。如果你问的东西从来没入库过它会直接告诉你「知识库中没有相关内容」不会编造。这一点对高管决策来说太重要了。AI 参谋可以反应快但不能捏造信息。为什么是 Obsidian Claude Code市面上不缺 AI 工具。但高管场景下的选择标准说实话跟普通用户不一样。1. 数据安全董事会决议、并购方案、股权激励、人事调整、核心经营数据——这些东西一旦上传到公有云就不再是你自己能控制的了。Obsidian 的文件以 Markdown 格式存在本地这意味着文件的存储主权在你手里——不会被同步到任何第三方的云端硬盘不会出现在别人的服务器上删掉就是真的删掉了。有一点得说清楚当你提问的时候Claude Code 会把相关的内容片段发给 Anthropic 的 API 做推理。这些请求是加密传输的Anthropic 的 policy 是不用 API 数据训练模型但数据在推理的那一刻确实经过了云端。这和「文件被上传到云端存储」是两回事——前者是推理过程后者是存储主权。对高管来说存储主权是底线推理过程的安全性则需要看各家的合规承诺。如果你对 API 调用这个环节也有顾虑可以加一层本地模型做敏感信息过滤或者用 Claude Code 的 offline 模式处理特定类型的文档。这些是可以逐步加固的但前提是——你的文件先得不离开你的硬盘。这一关过了后面的安全策略才有意义。2. 跨文档推理大部分 AI 工具的工作逻辑是「你传一篇文档我回答这篇文档里的问题」。但高管真正需要的是「我库里可能有一百份相关文件你全部读完再回答我」。Obsidian 天生适合这种场景。它有一种叫双向链接的机制——每篇笔记之间可以互相引用形成一张知识网络。Claude Code 沿着这张网络去检索而不是只盯着当前打开的文档。这就是为什么它能回答「过去两年我们做过哪些失败的决策」这种跨几十份文件的问题。3. 全端可达Obsidian 本身是个桌面软件但在这个体系里高管从来不需要打开它。通讯工具里的机器人是唯一的交互界面。手机、电脑、平板——你在哪都能用。开会的时候突然想到一个问题掏出手机打几个字就有答案。能不能在手机上用直接决定了高管会不会用。⚠️ 权限。谁可以看到什么董事会决议不是所有人都该看的。薪酬方案不是所有人都该查的。人事调整的讨论更不能全员可见。这套系统的权限逻辑是按角色隔离的。知识库里的内容不是一个大池子——不同的人投喂的东西在查询的时候权限是不一样的。董事长能看到全部高管按分管范围看团队负责人看自己团队的。具体怎么设取决于你公司的治理结构但这个机制必须存在。说实话这个话题在一篇公开文章里没法展开太多细节因为每家公司的权限体系不一样。但我想说的是这不是一个「所有人共享一切」的公开知识库。如果有厂商跟你说「AI 知识库就是要把所有人的知识打通」——你让他先去跟你的法务聊聊。说一个具体的决策场景假设你要做一个比较重要的决策——要不要自建供应链该不该砍掉一条产品线是否收购那家公司你手里堆了一堆材料。行业报告、内部经营数据、团队反馈、外部顾问的意见、以前类似决策的历史记录。在通讯工具里你一股脑全转发给了它。然后你打字问「帮我从几个角度评审一下这个决策。」它是这样回你的——数据角度从你内部过去几个周期的经营数据和行业公开信息做横向对比告诉你现在的趋势是往上走还是往下走。竞争角度从你存进去的竞品动态和行业新闻里提取对手在这一块的动作和节奏。风险角度关联你之前存的合规文件和监管信息标记出可能踩雷的地方。人才角度结合你内部的组织架构和人员配置判断现有团队撑不撑得住。历史角度调出你过去做过的类似决策——当时怎么讨论的、决策逻辑是什么、后来执行得怎么样——给你一个历史参照。这不是 AI 在「回答你的问题」。这是好几个不同的分析视角在同一时间基于你全部的知识积累分别给出判断。一个人类参谋很难同时做到这些。不是能力问题是信息不在一个人脑子里。如果你也想搭一套我分三个阶段来讲因为说实话它不是「装个软件就完事」的东西。第一阶段先把个人版跑通在你自己电脑上装好 Obsidian建一个 Vault接入 Claude Code。这时候你已经有了一个「能对话的本地知识库」。把你自己的文件丢进去试着问几天——感受一下它对你的工作有没有用。这一步确实不复杂动手快的话一两个小时差不多了。但这是个人版。要变成团队能用的东西还需要下一步。第二阶段接入通讯工具设计权限把机器人接入公司的通讯工具。飞书、企微、钉钉都可以看你公司用什么。这一步不只是技术对接——你需要在接入之前就想清楚哪些人用谁投喂的东西谁能看权限边界怎么画这部分没有通用方案每个公司的治理结构不一样。但原则是明确的先从一个人的知识库做起再逐步扩展到核心团队最后才是全员。不要一上来就追求「所有人的知识共享」——那是法务和合规的噩梦。第三阶段建立投喂习惯前两周是最关键的。你得逼自己和团队养成一个习惯看到任何有价值的信息随手转发给机器人。不要想着「晚点再整理」不要纠结格式和分类。先让它进去。这个习惯一旦建立后面就不用刻意维持了。两周之后你会发现知识库里已经有足够多的东西让你问出一些以前回答不了的问题。一句话总结这套系统不是帮你存东西的。存东西的工具太多了。它真正的价值在于你今天做的每一个决策、读过的每一份报告、想透的每一个问题都变成了 AI 明天帮你做决策的燃料。它不是效率工具的升级是决策模式的改变。高管最稀缺的东西我一直觉得是判断力。判断力的原料是什么信息积累和洞察提取。这套系统把这两件事合在了一起变成了一个会自己生长的东西。而且全程你不需要离开你每天都在用的那个对话框。你现在的决策模式是什么样的是靠直觉、靠开会、还是已经有了自己的信息武器欢迎留言聊聊。下次我会再写一篇聊聊另一群人怎么用这套工具——不是做决策是做创作。我自己的内容生产全靠 Obsidian Claude Code 撑着。感兴趣的话到时候聊。