自2015年起，我几乎每2-3年就会更换一套记录工具——从早期的SVN、Teambition、Confluence，到后来的OneNote、印象笔记，再到随身携带的各种U盘和移动硬盘。每隔一段时间，我都会复盘过往职业规划对应项目、沉淀经验教训，并审视自己的能力缺口。随着阅历、业务与认知的提升，复盘的问题也在不断深入。然而，这种工具的更迭和视角的跳跃，却让我的知识资产难以沉淀，它们散落在各个角落，没能随着我的能力实现连续的复利增长。

一、我的知识一直在记录，却没有连续成长

我的数字足迹长期处于‘碎片化’的割据状态：

项目版本锁在SVN
任务流转留在Jira
过程思考散落在OneNote与印象笔记
思维火花封存在XMind
最终交付物则变成Word、Excel和PPT

它们还物理隔离在移动硬盘、U盘以及我曾使用过的七八台笔记本电脑中。

每次更换电脑或工具，真正的挑战绝非复制文件，而是“重新解释”文件。同一个项目，在 SVN 里按版本组织，在笔记软件里按会议组织，在网盘里按年份组织——而在我脑中，却是按客户、问题与经验教训的逻辑重新排列。

随着认知的进化，旧的分类体系迅速失效：

昔日归在“CRM”下的内容，今天需要从“客户主数据”或“业务架构”的维度重新审视；
多年前一条看似不起眼的读书划线，几年后竟成了某个关键商业判断的源头。

互联网让保存变得零成本，却也让入口无限分散。微信收藏、浏览器收藏、Cubox、各类网盘……让我像一只不断囤积的松鼠，收藏时觉得“日后必有用”，久而久之却忘了存过什么。这些工具都曾出色地完成过它们的单点使命。问题的本质，在于我的知识世界从未实现“书同文、车同轨、行同伦”：

格式无法互通，载体间缺乏持续轨段，同一问题在不同年份的记录，更缺失了可以延续的口径。

我拥有的只是无数座孤岛，而非一片能够随认知涨潮而自然生长的大陆。

直到 2026 年 5 月，我在研究 AI 时重新认识了 Obsidian。我开始尝试把来自不同设备、工具和资源路径的信息，集中到一个本地知识库中，再让 AI 帮助我读取、检索和连接。

整合过程中，一个有些讽刺的现象出现了：同一主题甚至同一篇文章，我在不同时间、不同工具里重复收藏过好几次。

更重要的是，同类问题我其实在不同公司、不同项目、不同年份里解决过，也留下过笔记、邮件和总结，只是从未把它们放在一起看。

前段时间重新梳理 CRM 时，我发现今天讨论的很多难题，早在三一的国际 CRM 项目和后来的外贸业务中就已经出现过；现在做跨境业务架构面对的很多挑战，也能在过去的履约与集成经历中找到原型。

当下的问题，很多只是历史问题在新业务、新组织和新技术环境下的变体。文件大多没有丢失，我真正丢失的，是持续复盘自己的能力。

二、我想让知识重新激活，因为复盘才是我的成长路径

建立Obsidian以后，我首先想解决的并不是“第二大脑”这样宏大的命题。我只是希望建立一个长期知识体：以后不必因为更换电脑、公司、软件或AI，再把自己的过去全部导出和迁移一遍。分类可以继续变化，认知也可以继续升级，但原始资料、历史判断和新的理解能够留在同一个体系里。

为了让这个体系既容纳历史，也支持当下，我的目录经历了几次明显调整。最初，我按工具和文件来源保存：SVN是一块，OneNote是一块，印象笔记和网盘又是另外几块。后来，我开始按公司和项目整理，至少能够找回一段完整经历。但当我需要跨项目复盘CRM、LTC、供应链或组织变革时，项目之间仍然彼此隔离。现在，我逐渐改为按照知识的生命周期和真实问题组织：

来源入口：新资料、AI对话和临时信息
历史档案：过去公司、项目和交付物
当前工作：正在发生的项目与业务问题
主题知识：CRM、LTC、业务架构、组织变革
个人成长：职业复盘、能力和长期方向
系统规则：来源、状态、模板和AI写入规则

旧资料不必全部重新打标签，也不需要抹掉原来的分类。新的主题知识围绕当前问题建立结构，再通过链接回到旧项目、邮件、笔记和交付物。从“按工具保存”，到“按公司和项目分类”，再到“围绕主题、业务对象和知识生命周期连接”，我的知识结构变化，本身也记录了认知的变化。其实，早在2016年，我就写过一份关于“记忆存储与激活”的分享材料。当时我的认识是：笔记如果长期不被使用，就会被忘记；必须不断激活已经学习到的知识，才能避免过去的投入被浪费。那时，我尝试用思维导图、图像和知识地图帮助自己记忆。十年后，需要激活的已经不是一条笔记，而是跨越多个公司、项目、角色和知识领域的一整片历史。

6月的知识1.0版

7月的知识雏形2.0版

我希望通过复盘重新看到自己的路径，也让那些当时没有继续深挖的闪光点重新出现。外部培训、交流和书籍可以提供别人的经验与答案，但复盘面对的是我亲身经历过的问题：当时看到了什么，为什么那样判断，哪些事情做对了，哪些问题因为经验不足没有继续追问。如果不能把外部知识与自己的经历连接起来，学到的内容仍然很难真正变成能力。对我而言，复盘不是成长以后的总结。复盘本身，就是最可靠的成长路径之一。 Obsidian首先帮我建立了一个长期住所，让过去不再反复搬家；更重要的是，它让我有机会重新走进过去，继续完成那些当年没有完成的思考。

三、AI没有替我思考，它放大了我对当下的思考

当AI开始读取我的本地知识库以后，我与Obsidian的关系经历了三个阶段：

AI在这个过程中扮演了什么角色？它是在替我思考吗？答案是否定的。我对项目的复盘，也不只停留在个人得失。我的习惯是锚定项目中的关键角色，尤其是决策层，回溯他们当时的判断路径，拆解决策背后的规则和优先级，再把自己代入其中做一次平行推演：如果我身处其位，会怎样选择？这样的复盘让我逐渐跳出单一执行视角。一个项目结束后，我积累的不只是“这件事情该怎么做”，还包括不同角色为什么会作出不同判断，以及资源、目标、风险和时机怎样影响最终选择。最近重新整理CRM，就是一个具体例子。在三一时期的国际CRM项目总结里，我已经记录过ERP、BPM与CRM的整体关系，国内与国际团队各自设计带来的重复建设，以及需求分析不能只是把功能从A系统搬到CRM等问题。在持续优化材料里，我还写到，需要从面向客户的端到端业务链识别关键环节，持续完善业务地图和标准化服务接口。这些思考当时已经存在，但大多是点状的。当时的我更多是在总结一个项目哪里做得不好，还没有继续追问CRM在不同商业模式和业务环境中的根本定位。今天，我会提出不同的问题：CRM在国内2B、外贸2B和2C业务中分别承担什么责任？它与订单履约、ERP、客户主数据、服务管理和业务中台是什么关系？哪些只是软件功能，哪些是不能被软件边界掩盖的业务责任？如果站在业务负责人和决策层的位置，应该如何划分投入与优先级？ AI可以从大量历史文件中找回相关片段，把不同年份和项目放在一起，补充反例，并不断追问。必须要保存什么资料、应该从哪个视角解释、最后形成什么判断，仍然取决于今天的经验和认知。

过去留下的点状思考
× 今天积累的经验与问题意识
× AI的检索、连接和追问
= 一次更完整的重新认识

这种认知跃迁也不只发生在CRM和项目中。一本书、一个优秀案例、一次生活经历或工作中的关键场景，都可能激活我对某件事的新视角。AI会帮助我找到过去与之相关的记录，补充不同角色和行业的经验，让一个偶然出现的想法不再轻易消失。

它放大了个人成果：过去的项目、判断和经验可以反复使用，而不是项目结束后跟着文件一起沉睡。

它也放大了思考的尺度：我可以更频繁地从执行者、客户、业务负责人和决策层等多个角色观察同一个问题。

长期练习这种跨角色的全局视角以后，我发现自己面对问题时不再急于立即作出反应。我更容易判断它究竟是否重要、是否紧急、需要在哪个阶段处理，也开始更坦然地接受：真正的能力、业务和组织变化，都不是一天建成的。AI没有替我思考。它让今天的我有机会回到过去的问题旁边，再答一次，并把新的回答继续留给未来。

四、后来我发现，主要不是我在使用Obsidian

我的资料还在不断增加。除了自己的项目档案、总结、邮件和读书笔记，我还习惯收集咨询公司的方法与案例、竞争对手和行业资料、专业文章与视频，以及知识社群和专题知识库中的材料。某些合法取得的行业资料包，动辄就是几个GB。

信息进入这个量级以后，靠个人逐份阅读已经不现实。即使我认真看过，同一份材料在不同时间、不同项目背景下，也会产生不同理解。过去依赖人脑记忆和手工分类，资料越多，遗漏和重复就越多。于是，我开始把不同格式的文件转为更容易被检索的Markdown，保留原始来源，再围绕项目、业务对象、主题和问题建立结构。就在这个过程中，我发现，反复调用这些知识点的主要使用者，已经不再是我，而是AI工具。我不会先打开几百份文件，试图把它们全部读完。我会先提出一个真实问题，AI根据知识地图和主题索引寻找相关的历史项目、会议记录、阅读材料和既有判断；它比较不同来源，标出重复、冲突和缺口，再把真正影响判断的部分交给我。我负责确认问题、选择权重、判断方案并到现实中验证；AI负责处理人脑已经无法稳定承担的信息规模。 2026年7月，我围绕CRM与AI进行了多轮争论。问题从“CRM应该管理什么”，逐渐推进到客户承诺、订单责任、主数据、2B与2C融合，以及商业模式、业务架构和应用架构的关系，最后形成并发布了六篇文章。更重要的不是文章数量，而是这一次形成了完整闭环：

真实问题
→ AI调动历史资料和提出反例
→ 我修正问题并作出判断
→ Obsidian形成正式知识
→ 文章发布或进入项目实践
→ 修改、反馈和结果重新写回知识库

现在，我也开始把同样的方式用于企业业务知识整理：不只是把零散文件搬到新目录，而是围绕客户、报价、订单、物流、异常处理等场景，区分原始来源、权威口径、适用边界和待验证问题。我仍然是知识的主人，但AI正在成为知识库最频繁的调用者。我也逐渐从文件处理者和项目执行者，走向能够定义问题、整合知识并推动创新业务的知识型管理者。

五、我、AI和Obsidian共同构成第二大脑

我越来越不愿意把这套系统简单称为“AI知识库”。AI不是知识的主人，Obsidian也不是大脑本身。在这套协作关系中：我负责提出真实问题、选择观察视角、确定目标和权重、作出判断，并通过一线场景验证结果；AI负责搜索、连接、比较、补全和反驳，帮助我从大量历史中找到真正相关的部分；Obsidian负责保存来源、关系、版本、规则和每一次复盘形成的新认识，让它们不随着一次对话结束而消失。

这也是我选择Obsidian作为底座的原因。对这套第二大脑而言，真正重要的功能并不多：第一，知识以本地Markdown文件保存，即使未来更换AI，历史资料和知识关系仍然属于我；第二，全局搜索、双向链接和出链，让新的认识能够回到旧项目和原始材料，新认知可以在保留原始语境的基础上继续生长；第三，给每份知识标明身份（原始来源、个人判断、AI建议或待验证推断），避免AI生成的流畅表达被误当成事实；第四，主题索引和模板为人和AI提供共同入口，新的AI进入知识库后可以先读取地图，再回到来源。这些功能单独看都不复杂，但它们让知识第一次能够同时被人和AI持续读取、连接、修正和交接。

因此，我所说的第二大脑，不是Obsidian，也不是某一个AI。它是我以复盘为核心，通过Obsidian保存长期知识，再由AI不断调动、连接和放大，最终形成的一套持续成长机制。我最初只是想把散落在不同电脑、硬盘、笔记软件和云盘里的资料收回来，后来我才明白，我真正想收回的是过去的自己：那些在不同项目中形成过、却没有被完整表达的判断，那些读书时一闪而过、后来又在现实中反复出现的想法，那些当时没有继续深挖，如今却已经水到渠成的认知。

更重要的是，相似的事物具备相似的性质。个人无非是一个微缩版的组织与企业。我们在个体层面遇到的信息割据、分类失效与复盘缺失，与企业面对的数据孤岛、流程割裂以及经验随人员流动而流失的困境完全同构。完成个体的知识整理、复盘与迁移之后，这套围绕业务场景与知识生命周期建立的第二大脑，便可以被直接引用并投射到企业的知识体系中。软件可以因企业而异，但这种由人、AI与长期知识共同构成的复盘机制，才是企业最坚实的知识保障，也是真正破解企业治理难题的根本解法。

Obsidian保存它，AI调动它，而我继续在它的基础上完成今天的复盘、思考和决策。这不是一个更大的资料库，这是我正在建设的第二大脑。

下一篇，我准备具体拆解：面对一个真实业务问题时，我、AI和Obsidian究竟怎样分工，第二大脑又怎样从大量历史资料中找到真正影响判断的那部分知识。

Peter Tang｜战略变革 · 数字化转型 · LTC · 跨境出海

我与我的第二大脑：从Obsidian开始