Osobiste zarządzanie wiedzą z AI: Claude Code i Obsidian

Proszę oddzielić to, co trwałe, od tego, co wymienne, a większość projektu wynika z tego podziału.

Tym, co trwałe, jest Państwa magazyn: zwykłe pliki .md, [[Wikilinks]], metadane YAML. Żadnej bazy danych, żadnego zastrzeżonego formatu, żadnego kroku eksportu. Tym, co wymienne, jest agent, który go odczytuje. Dwa czołowe projekty społecznościowe w tej dziedzinie, obsidian-second-brain i obsidian-mind, oba celowo działają z Claude Code, Codex CLI i Gemini CLI. Magazyn to inwestycja, model to najemca, którego można wypowiedzieć.

To samo rozumowanie stosujemy przy wpinaniu AI w dowolny stos technologiczny: posiadać interfejs, wynajmować zdolność. Opisaliśmy to w kontekście integracji systemów w artykule API, MCP czy CLI. Osobiste zarządzanie wiedzą to ten sam argument w skali biurka.

Agent z dostępem do plików zmienia statyczny magazyn w taki, który utrzymuje się sam, w granicach wyznaczonych przez Państwa.

• CLAUDE.md to instrukcja obsługi. Proszę uruchomić claude z katalogu głównego magazynu, a narzędzie wczyta ten plik w każdej sesji: mapę Państwa folderów, konwencje linkowania, szablony notatek, domyślne zachowania. To jedyny nośny plik w każdej działającej konfiguracji. /init tworzy pierwszy szkic.
• Kontekst sesji to hook, nie magia. obsidian-mind wstrzykuje na starcie sesji wyciąg z celu nadrzędnego, listę zadań i zestawienie plików, aby agent nie zaczynał od zera. To hook SessionStart, który działa na Państwa maszynie, nic więcej.
• Odkładanie notatek staje się skillem. Komendy ukośnikowe i subagenci przejmują obowiązki: umieszczenie wyciętej notatki we właściwym folderze, wygenerowanie Map of Content, znalezienie osieroconych notatek, napisanie dziennego logu. obsidian-second-brain dostarcza dziesiątki takich funkcji.
• Frontmatter to warstwa czytelna dla maszyny. Data, status, źródło, znacznik pewności w YAML wraz z Wikilinkami dają agentowi strukturę do wyszukiwania i wzajemnego odsyłania, zamiast zgadywania na podstawie prozy.

Najnowszą zmianą są notatki, które nadpisują zamiast dopisywać: nowe źródło aktualizuje i uzgadnia istniejące notatki, zamiast piętrzyć kolejny wpis z datą. Przydatne, a pierwszym miejscem, w którym wskazana jest ostrożność, jest sekcja położona dwie pozycje dalej.

Proszę nie wczytywać całego magazynu. Niech agent pobiera tylko te nieliczne notatki, których wymaga dane pytanie.

Naiwna konfiguracja wpycha cały magazyn do kontekstu i załamuje się już przy kilkuset notatkach. Oszczędna konfiguracja zostawia wszystko na dysku i pobiera tylko to, co pasuje, przez wyszukiwanie z linii poleceń lub grep. Praktycy zgłaszają różnicę rzędu 100 tokenów dla wyszukiwania w magazynie przez CLI wobec dziesiątek tysięcy przy wczytywaniu całego projektu naraz. Mechanika jest mało efektowna: wyszukać, przeczytać trzy pasujące notatki, odpowiedzieć.

To wciąż ma znaczenie, mimo że Claude Code dysponuje teraz oknem kontekstu wielkości miliona tokenów. Rolujący limit szybkości uderza na długo przed zapełnieniem okna: magazyn odpowiadający w 100 tokenach pozwala zadać sto pytań tam, gdzie konfiguracja wczytująca wszystko naraz daje zaledwie garstkę. To oszczędny retrieval sprawia, że drugi mózg jest przydatny na co dzień, a nie tylko robi wrażenie za pierwszym razem.

Społeczność sprzedaje hasło "wszystko zostaje w Państwa magazynie, żadnego SaaS". To prawda w odniesieniu do przechowywania danych i nieprawda w odniesieniu do inferencji, a ta różnica to całe ryzyko.

Państwa pliki Markdown pozostają na dysku. Ale domyślnie każde zapytanie wysyła odpowiednie notatki do odczytu do zewnętrznego API w chmurze. Dla hobbystycznego magazynu z przepisami kulinarnymi to nie problem. Dla magazynu z notatkami o klientach, umowami lub czymkolwiek podlegającym umowie powierzenia przetwarzania danych, dane opuszczają firmę przy każdym pytaniu. Przenośność zwykłego Markdown to nie to samo co lokalna ochrona danych.

Dwa kolejne szczere zastrzeżenia. Prompt injection ma charakter strukturalny: agent czytający Państwa notatki nie potrafi czysto oddzielić "instrukcji" od "treści". Każdy fragment Markdown, który trafia do magazynu, wklejona strona internetowa, udostępniona notatka, zaimportowany PDF, może nieść instrukcje, według których agent następnie działa. A ryzyko nie jest hipotetyczne: w kwietniu 2026 roku atakujący wykorzystali wtyczki społeczności Obsidian do wykonywania kodu, gdy ofiara otwierała udostępniony magazyn, jak podał The Hacker News. Agent z dostępem do zapisu plików i powłoki podnosi tę stawkę, a nie ją obniża. Notatki nadpisujące same siebie mogą też po cichu wymyślić backlink albo nadpisać poprawną linijkę, a zmiana zostaje zapisana, zanim Państwo ją przeczytają.

Wszystko, co dobre w tej konfiguracji, przetrwa, gdy sprowadzą Państwo model do siebie. Problem ochrony danych to jedyny element wymagający zmiany.

Suwerenna wersja zachowuje magazyn i przebieg pracy, a inferencję w chmurze zamienia na model lokalny: warstwę retrievalu nad Państwa plikami Markdown, obsługiwaną przez model na własnym sprzęcie lub w hostingu w UE. Zachowują Państwo pełną kontrolę nad treścią w postaci zwykłego tekstu, instrukcję obsługi CLAUDE.md, skille, i przestają Państwo wysyłać treści na zewnątrz przy każdym pytaniu. Dla firmy z sektora MŚP to most od osobistego eksperymentu do prawdziwego wewnętrznego zarządzania wiedzą: instrukcje produktowe, dokumentacja procesów, historia serwisowa, bez pytania o umowę powierzenia przetwarzania danych wiszącego nad każdym zapytaniem. Kiedy ten krok się opłaca i ile kosztuje, to temat artykułu On-Premise vs. Cloud-LLM.

Hobbystyczne ujęcie brzmi "zbuduj drugi mózg". Biznesowe ujęcie to ta sama maszyna, skierowana na wiedzę przedsiębiorstwa zamiast na Państwa własną. Interesujące pytanie, ponownie, nie brzmi, czy to działa. Brzmi ono: kto może czytać notatki. A zatem: dokąd Państwa magazyn właśnie teraz faktycznie wysyła swoje pytania?