Second Brain（AI 第二大脑）

AI 第二大脑（AI Second Brain） 是一种个人知识管理模式：以本地 Markdown 文件库（通常是 Obsidian）为存储，以 AI Agent（通常是 Claude）为读写引擎，通过 Model Context Protocol（模型上下文协议）连通两者，实现跨会话的持久记忆与自组织知识积累。

这个概念在非 AI 语境下由 Tiago Forte 于 2022 年系统阐述（其同名书 Building a Second Brain）；2025–2026 年，随着 LLM 能力提升和 MCP 标准普及，AI 版本的 Second Brain 在实践社区快速兴起。

关键区别：传统 Second Brain 由人手动维护；AI Second Brain 由 Agent 自动读写和整理，人的角色转变为"来源提供者"和"校订者"。

核心结构

一个典型的 AI Second Brain 包含三层：

存储层：Vault

本地纯文本文件库（Vault）。所有知识以 .md 文件存储，用 [[]] 或 Markdown 链接互联。文件在用户机器上，不锁定到任何 AI 服务。

接口层：MCP

通过 Local REST API 等插件 + MCP 服务器，Agent 获得对 Vault 的读写权限。见 Model Context Protocol（模型上下文协议）。

Agent 层：Claude

读取 Vault 中的 CLAUDE.md（用户画像/约定文件），理解上下文后执行：

接收新来源 → 归档到对应位置并互链
回答问题 → 综合 Vault 内相关笔记作答
自动整理 → 把散落的 Inputs 分类、标注过时内容、汇总变动

实践模式

CLAUDE.md：消灭上下文重建成本

Vault 根目录的 CLAUDE.md 存储用户画像：身份、目标、沟通偏好、当前项目。Agent 每次读取它后，直接从用户上下文开始工作，无需重新解释自己是谁、在做什么。

这是 Agent Memory（Agent 记忆）在个人场景的直接应用：把"让 Agent 认识你"这件事从每次对话的代价，变成写一次、永久生效的资产。

项目文件夹结构

每个工作领域建独立文件夹，内含四个子文件夹：

文件夹	用途
`Inputs/`	新收到的来源、想法、草稿
`Process/`	Agent 正在整理或分析中的内容
`Outputs/`	完成品
`Feedback/`	结果、指标、复盘

需要专注某个项目时，将该文件夹单独打开为 Vault，Agent 只读该项目的 CLAUDE.md，避免被整个知识库分散。

Skill 文件：固化重复流程

任何重复超过一次的工作流都保存为 Skill（技能），放在项目的 skills/ 子文件夹。Agent 加载后按既定方式执行，而不是每次从头推断。

自动调度：让知识库自我维护

通过 Claude Desktop 的定时任务或 API 调度，每天定时运行：

扫描 Inputs/ 中的新内容，归档并添加互链
标注超过一定时间未更新的笔记为"过时"
输出三行摘要，说明发生了什么变化

运行后知识库在睡眠中自行整理，用户醒来看到的是已消化的知识，而不是堆积的原材料。

权限原则：“Key，不是 Prompt”

一条重要的安全原则：不要用语言指令约束 Agent 的破坏性行为，要在权限层控制它。

如果 Agent 技术上能删除文件或发送邮件，迟早会意外触发。正确做法：

对外部服务只申请只读权限（read-only OAuth scope）
MCP 服务器内部做权限边界，不依赖 prompt 里的"不要删"
参见 Model Context Protocol 安全问题

与 LLM Wiki 模式的关系

Karpathy 于 2026 年初推广的 LLM Wiki 模式——知识编译一次、持续增量更新、由 Agent 维护互链——是 AI Second Brain 的一个子集或变体：

LLM Wiki：侧重"知识词条库"，强调编译、互链、wiki 格式，适合团队/公开知识库
AI Second Brain：侧重"个人知识管理"，强调跨会话记忆、用户画像、私人项目管理

两者底层机制相同：LLM + 持久化文件 + 增量更新。区别在于组织目标：wiki 是对外分享和编译，second brain 是对内记忆和生产力。

开源实现

社区已有若干开箱即用的实现：

claude-obsidian（AgriciDaniel）：基于 Karpathy wiki 模式，按角色（管理者/构建者/创作者/研究者）预设结构
obsidian-second-brain（eugeniughelbur）：43 个预设命令（/obsidian-save、/obsidian-daily、/obsidian-find），支持 Claude/Codex/Gemini
second-brain-starter（coleam00）：面试用户、生成计划、用 Python + Obsidian 构建

这些都是纯文本 + 脚本，不依赖专有服务，可 fork 后改造为私有版本。

与传统 RAG 的区别

维度	RAG（检索增强生成）	AI Second Brain
知识更新	需要重建索引	直接写文件，Agent 下次读到
用户角色	提问者	提问者 + 知识维护者
存储格式	向量数据库 + 原始文档	纯 Markdown 文件
可读性	向量不可直读	文件本身就是知识，人可直接阅读
锁定风险	依赖向量 DB 服务	文件是开放格式，换模型仍可用