新的一周又开始了，时间总是过得飞快。这期想和大家深入聊聊这套组合：Hermes + Obsidian + LLM Wiki，助力你搭建属于自己的本地知识库。
此前那篇文章提到过，个人知识库如何直接转化为实际收益——尽早借助 AI 搭建自己的知识库，这个判断至今未变。
而今天这篇，重点放在本地化部署的重要性，以及这套组合中每个工具扮演的角色、如何安装配置、如何串联起来。
文章发布后，不少朋友问：Notion 不也挺好用吗，为什么非要折腾 Obsidian？
这里不是说 Notion 不好，但有些前提值得仔细权衡。如果你只是记录日常笔记、管理常规项目，Notion 完全够用。然而，当涉及敏感数据的商业项目、尚未发布的文案、核心商业逻辑，全部放在别人的 SaaS 平台上，这本身就是一种结构性风险——不是功能问题，而是控制权问题。相比便利性，长期来看，数据的主权更值得认真考量。
当然，如果你的知识库不涉及敏感数据，且觉得 Notion 顺手，用它完全没问题。
正式开始之前，先把这套体系里每个工具的定位捋一捋：
- Hermes：接收指令、规划任务、自主执行，并能长期记住你的操作习惯和偏好。
- LLM-Wiki：将你上传的内容，通过 AI 自动完成结构化的整理、分类、打标签、摘要、关联——这个概念源自 Karpathy（OpenAI 创始成员），后文会详细展开。
- Obsidian：用于阅读、管理、展示知识库内容，以及查看知识之间的关联关系。
三者全部本地私有部署，数据 100% 由你自己掌控。
整体工作流程是这样的：你给 Hermes 下指令，比如“这篇文章不错，收藏到我的素材库”。Hermes 接令后，把内容传递给 LLM-Wiki，后者负责拆解、细化、结构化，打上标签和摘要，并存入 Obsidian 供后续查阅。
下面逐个展开。
Hermes：你的私有 AI Agent 长记忆库
先说说 Hermes 是什么。它是 Nous Research 在2月25日发布的一款开源 AI Agent 框架。
本质上，它和 OpenClaw（小龙虾）这类 Agent 一样，能够自主思考方案、规划步骤、拆解任务、动手执行，全程完成一整件事的通用型 AI Agent。
但它与其他 Agent 的关键区别在于——大多数 Agent 今天完成任务，明天再做类似任务时，一切得从头学习。你之前交代的背景信息、项目结构、个人偏好记录，全部消失。下一次，它又变成一个“新员工”。
而 Hermes 的特色如下：
- 本地私有：所有数据留在你的电脑上，不上云端。自媒体绝密素材、未发布的脚本、商业逻辑，绝对安全。
- 长期记忆：能永久记住你所有的操作、素材、习惯。即便关掉软件、重启电脑，这些记忆也不会丢失。
- 自我进化：你写文案、做复盘、踩过的坑，它能自动提炼成固定套路（技能）。下次不用你重复教，直接复用。
一句话总结：这不是一个静态工具，而是一个会成长的系统。你用得越多，它越懂你，也越能帮到你。
安装方面，网上列出的方法五花八门——什么 Docker、WSL……这显然不适合刚接触的小白用户。
直接找到你现有的任何一款 Claw 客户端（autoclaw、openclaw、Arkclaw 都可以），我个人用的是腾讯的 Workbuddy。
上面是个人安装后的界面截图。如果还没安装过，让客户端帮你安装即可。项目地址是：https://github.com/NousResearch/hermes-agent
安装完成后进行配置。
输入 Y，然后选择第一个【推荐】模式。
这里选择模型。如果你本地的模型直接用 Ollama；这里使用的是 gpt-5.5 的中转服务。打开中转，创建一个 key，粘贴上去即可。需要注意：key 是隐藏的，粘贴完直接回车就行。
更换模型，需要退出 Hermes，然后 win+R，输入 cmd，再输入指令：hermes setup model
这一步直接回车。
到这里表示安装完成，可以直接使用。
这样 Hermes 就安装好了。
Obsidian：本地私有的双向链接笔记库
Obsidian 是一款本地私有、纯文件管理、支持双向链接的笔记/知识库软件。它的定位更像是你的「私人大脑文件夹」，相比 Notion 更适合做素材库、自媒体知识库、长期记忆沉淀。
首先安装 Obsidian：https://obsidian.md/download
下载完成后，在本地建立一个知识库仓库。我个人建了三个知识库，后续准备整合成一个。
确定名称和存放位置，记住路径。
创建成功后会出现这样的界面，表示已创建好。
LLM Wiki：为知识库装上记忆的结构化引擎
这个概念主要来自 Karpathy 大神。我仔细研究了他的思路，并结合自身需求做了思考。
最初以为只用 Hermes + Obsidian 就够了——毕竟 Hermes 是一个 Agent，能直接根据指令操作 Obsidian。比如：“这条朋友圈不错，放到素材库”，它就能直接操作 Obsidian 知识库存储。
但这里有一个致命的缺陷：Obsidian 是一个静态的知识库，它没有记忆。这导致每次用 Hermes 去调用 Obsidian 时，几乎要扫描整个知识库，非常消耗 Token。
LLM Wiki 的核心价值，就是给知识库加上记忆。这样一来，即便 Agent 由于上下文过长导致记忆丢失，也能通过 LLM Wiki 迅速定位到整个知识库的内容。
一旦给知识库装上记忆，AI 在访问时就能快速锁定目标内容，同时极大减少 Token 消耗。
可以把 LLM Wiki 理解成一个给知识库装记忆的工作流。
安装方式：https://github.com/nashsu/llm_wiki 打开链接，下载压缩包。
安装完成后，点击 New Project，创建一个 wiki 项目。
选择中文，再选 General（根据实际情况选择），保存好路径。
创建完成后，配置一下模型。
然后直接上传素材即可，Wiki 会自动结构化你的素材，你基本不用做什么。
这是上传并执行 Wiki 后的结果。
总结：本地知识库组合的初步搭建
这篇文章主要介绍了 Hermes、Obsidian、LLM Wiki 三者的基本定位和独立安装方式。
篇幅有限，下一篇会重点讲如何把这三个工具真正打通串联起来，形成一个完整的本地知识体系。欢迎持续关注后续内容。
本期的内容就到这里了，感谢你的耐心阅读。
