🔥 Главное
ar9av/obsidian-wiki — живой LLM Wiki с автокоммитами каждые 15 минут
Пока большинство реализаций Karpathy-паттерна — это туториалы и однократные скрипты, ar9av/obsidian-wiki — полноценный production-фреймворк. Claude Code читает raw/ раз в 15 минут, обновляет wiki/, делает git commit с меткой sync 2026-06-08 14:00 и пушит. Vault буквально дышит.
Что выделяет этот репозиторий: чёткое разделение на три слоя (raw → wiki → schema), автоматический index.md с провенанс-маркерами, и хуки на каждую операцию. По сути — открытый исходник паттерна 2BRAIN.
Апрельский гист Карпати поставил вопрос ребром: зачем хранить информацию в голове или объяснять контекст AI каждый раз, если можно один раз построить правильно структурированную базу знаний, которую LLM поддерживает сам? За два месяца вопрос превратился в движение.
Счёт реализаций в GitHub перевалил за 40 публичных репозиториев. MindStudio опубликовал три отдельных гайда. Apify выкатил automated actor Second Brain Builder. Но главное — сформировалась чёткая экосистема мыслителей, каждый из которых добавляет свой угол зрения.
— суть идеи из karpathy/llm-wiki.gist
Ключевой сдвиг июня 2026: Obsidian перешёл к версии 1.13.x с нативным CLI (100+ команд), встроенными Bases (offline Notion-БД) и поддержкой MCP-серверов. Это сделало Obsidian не просто IDE для знаний, а полноценным хостом для AI-агентов.
🤖 Karpathy и LLM Wiki
Оригинальный паттерн (апрель 2026)
Гист опубликован 4 апреля 2026. Три компонента: raw/ — неизменяемые источники (PDF, транскрипты, заметки); wiki/ — markdown-файлы, которые ведёт LLM; CLAUDE.md — схема, объясняющая агенту как работать с vault.
Никакого RAG, никаких векторных баз. Просто markdown + wikilinks + агент с инструкцией. По данным MindStudio, при правильной структуре vault в 70 раз эффективнее по точности ответов, чем naive RAG.
Имплементации, которые реально работают
ar9av/obsidian-wiki production — автоматические коммиты, трёхслойная архитектура, провенанс-маркеры.
shannhk/llm-wikid starter — "clone, run Claude Code, start building" — идеально для первого запуска.
ballred/obsidian-claude-pkm starter — полный starter kit с CLAUDE.md, хуками и шаблонами.
Apify: Second Brain Builder cloud — для тех, кто не хочет настраивать локально. Actor автоматически ingests'ит URL в vault.
LLM Wiki vs RAG: в чём разница
RAG извлекает чанки из базы при каждом запросе — это дорого и часто теряет контекст. LLM Wiki работает иначе: агент компилирует знания в структурированные страницы заранее. При запросе он читает готовые wiki-страницы, а не сырые данные.
Аналогия: RAG — это поиск по книге без содержания. LLM Wiki — это книга, у которой есть хорошее содержание, cross-reference и предметный указатель, написанные тем же AI, который потом будет её читать.
🧠 Мыслители PKM: кто и зачем
Точка пересечения: что у них общее в 2026
Все они в 2026 пришли к одному выводу, хотя и с разных сторон: структура vault важнее выбора AI-плагина. Milo это называет "linking"; Forte — "progressive summarization"; Dubois — "agentic context"; Karpathy — "schema".
Разница в акценте: Milo делает упор на связи между идеями, Forte — на actionability, Dubois — на автономность агента, Karpathy — на компиляцию и провенанс. 2BRAIN берёт лучшее от каждого.
🆕 Плагины: что интересного в июне
Obsilo Agent новинка
55+ встроенных инструментов, гибридный семантический поиск, 3-уровневая память (сессия → vault → глобальная), MCP-коннекторы, workflow'ы и мультиагентные задачи — всё внутри vault. Самый амбициозный AI-плагин 2026 года.
→ obsidian.md/pluginsSmart Composer
Лучший плагин для inline-написания с AI в 2026. В отличие от Copilot for Obsidian, Smart Composer читает весь контекст открытых заметок и делает предложения точечно, а не глобально. Работает с локальными моделями (Ollama).
→ obsidian.md/pluginsObsidian Starter Kit Plugin (dsébastien)
Встроенный в Obsidian Starter Kit v4. Добавляет CLI, MCP-сервер и 10+ агентов прямо в vault. Запускается одной командой: npx @dsebastien/obsidian-starter-kit install. Первый AI-native публичный kit.
Bases (нативно, v1.13.x)
Obsidian наконец встроил Bases — offline Notion-style базы данных. Больше не нужен Dataview для простых таблиц и boardов. Работает без синтаксиса DQL, поддерживает формулы, сортировку и группировку прямо в UI.
→ obsidian.mdkepano/obsidian-skills (13.9K★)
Не столько плагин, сколько спецификация: набор AI-скиллов для работы с vault (obsidian-markdown, obsidian-cli, obsidian-bases, json-canvas, defuddle). Решает проблему сломанных wikilinks при работе AI-агентов. MIT-лицензия.
→ github.com/kepano/obsidian-skills💡 Рекомендация дня
Проверь, у всех ли wiki-страниц есть summary: — и добавь там, где нет
Это ключевой момент из "Context Engineering" подхода: summary в frontmatter — это то, что агент читает без загрузки всего файла. Страница без summary = невидимая для быстрого retrieval.
grep -rL "^summary:" wiki/ --include="*.md"
Команда покажет все страницы без summary. Открой каждую в Obsidian, добавь одну строку summary: >- с описанием до 200 символов. После этого твой vault станет значительно эффективнее для AI-агентов — они смогут работать через index.md + summary, а не читать каждый файл полностью.
По данным dsébastien: правильный frontmatter со summary сокращает количество file-read операций агента на ~65% для типовых запросов.