打造专属工作大脑：让OpenClaw优先使用你的私有工作知识库Obsidian
本文基于 OpenClaw 真实运行逻辑，提供 Obsidian 知识库优先调用的落地配置方案。通过目录挂载、技能优先级与 Agent 行为约束，实现私有知识优先、公网信息兜底的工作模式，不激进禁用联网，兼顾专业性与实用性，配置可直接复制使用。
知识沉淀
从Claude-Mem到OpenClaw：9天打造专属AI持久化记忆技能
本文深度分析了 Claude-Mem 这一开源 AI 个人持久化记忆系统的核心价值与技术架构，详细评估了其与 OpenClaw 的集成可行性。研究发现，由于 OpenClaw 缺乏工具调用级钩子和原生会话结束事件，直接安装 Claude-Mem 价值有限。文章提出了一种更优的解决方案：用 9 天时间开发一个 OpenClaw 专属的轻量级记忆助手，通过 cron 定时任务配合 sessions_spawn 实现自动压缩和 3 层渐进式检索，并提供了符号链接知识库和本地大模型压缩等可选增强方案。
从碎片到体系：Karpathy LLM Wiki方法论的OpenClaw知识库落地实践
obsidian-wiki-maintainer是基于Karpathy LLM Wiki方法论打造的OpenClaw技能，通过raw（原始资料层）、维基层、规范层三层架构，实现知识的持续沉淀与累积演化。技能提供ingest（素材沉淀）、query（知识问答）、inspool（结论回填）、lint（健康检查）、approve（归档确认）五大核心操作，覆盖知识管理完整生命周期。安装简单，调用便捷，通过自然语言即可触发。相比传统”一次性问答”模式，该技能让AI真正成为可累计演化的”第二大脑”，使知识从消耗品变为可复利的资产。