>_ DevTrendsfr

Langue

Accueil

Langages

Sections

Frontend Backend Mobile DevOps AI / ML GameDev Blockchain Embarqué Sécurité
Python

Combinaison d'Obsidian et Claude Code pour accumuler des connaissances sans désordre de fichiers

Toute personne qui a tenté de maintenir une base de connaissances personnelle a rencontré le même problème. Tout commence avec de bonnes intentions : configurer un Obsidian magnifiquement structuré, organiser ses pensées de manière ordonnée, lier les notes entre elles. Et quelques mois plus tard, le coffre-fort se transforme en un dépôt chaotique d'extraits de code copiés, de liens non traités et d'ébauches abandonnées à moitié terminées.

Le chercheur Andrej Karpathy a décrit une fois le concept d'un Wiki LLM : un concept où un réseau neuronal aide à structurer les connaissances personnelles, les transformant en un graphe cohérent. Le dépôt claude-obsidian met cette idée en pratique. C'est un outil local pour Claude Code et les hôtes Agent Skills compatibles qui traite les matériaux entrants de manière autonome, vérifie les faits contre les sources primaires, et organise tout dans des fichiers Markdown sur votre disque.

couverture claude-obsidian

Pourquoi s'en soucier quand il existe des plugins IA normaux

La plupart des extensions de prise de notes avec IA fonctionnent simplement : elles prennent votre texte, l'envoient à une base de données cloud, construisent un index vectorisé, et sortent un autre morceau de texte génératif. Si vous fermez le plugin ou annulez votre abonnement, tout cet échafaudage « intelligent » disparaît.

Dans claude-obsidian, l'approche est différente. La base de connaissances reste un dossier ordinaire avec des fichiers Markdown, JSON et source. Les données ne sont pas cachées dans le cache interne du plugin et ne s'envolent pas vers des serveurs tiers sans votre consentement. Toute la magie se passe au-dessus de vos propres fichiers.

Cycle d'accumulation de connaissances dans claude-obsidian

Le système est construit autour d'un processus cyclique :

  1. Vous déposez du matériel dans le dossier inbox/. L'outil crée une copie exacte et immuable avec un hash fixe.
  2. Pendant l'analyse, l'IA extrait des déclarations spécifiques du texte. Si les faits sont douteux ou se contredisent, ils sont marqués séparément. Le système n'invente pas de sources — il référence explicitement l'original enregistré.
  3. À partir du matériel traité, des notes atomiques, des index et des diagrammes visuels sur Obsidian Canvas sont générés.
  4. La base terminée peut être interrogée via Claude Code, les contradictions peuvent être trouvées, les liens brisés peuvent être recherchés, et de nouveaux sujets peuvent être ajoutés.

Le résultat ressemble à une base de connaissances joliment organisée qui est également pratique à utiliser aussi bien via un agent IA que manuellement via l'interface standard Obsidian.

Exemple de graphe de relations et carte de connaissances

Exemple de carte de connaissances visuelle dans Canvas

Qu'y a-t-il sous le capot : 15 skills dans une seule CLI

Les développeurs ont organisé les fonctionnalités comme un ensemble de 15 soi-disant skills. Ils peuvent être invoqués comme commandes séparées depuis Claude Code ou utilisés comme scripts autonomes.

Tous les skills sont divisés en trois groupes logiques :

  • Opérations de base de données et wiki — initialisation du coffre-fort (wiki), sauvegarde de réponses exactes sans journaliser le désordre inutile (save), analyse des fichiers d'entrée (wiki-ingest), réponses basées uniquement sur des faits vérifiés de la base de données (wiki-query), et recherche de problèmes comme les pages orphelines ou les sections vides (wiki-lint).
  • Scénarios avancés — recherche web autonome avec sauvegarde isolée des résultats (autoresearch), génération de tableaux de bord Obsidian Canvas (canvas), nettoyage des pages web du désordre avant lecture (defuddle), agrégation de logs (wiki-fold), et recherche contextuelle BM25 avec réordonnancement optionnel (wiki-retrieve).
  • Formatage et méthodologie — support des méthodologies de prise de notes (wiki-mode), modèles de balisage Markdown Obsidian Flavored corrects (obsidian-markdown), et tables natives avec bases de données (obsidian-bases).

Un détail agréable : la commande wiki-mode peut organiser les nouvelles notes dans des systèmes populaires comme PARA, Zettelkasten ou LYT (Linking Your Thinking). En même temps, les anciens fichiers restent intacts et personne ne tente de les renommer de force.

Protection contre les mains maladroites et les agents parallèles

Si vous donnez à un modèle de langage un accès direct en écriture au système de fichiers, tôt ou tard il corrompra quelque chose ou supprimera une note nécessaire. L'auteur de claude-obsidian a pris en compte ce risque et a conçu une limite de confiance stricte.

Limite de confiance entre le produit et le coffre-fort

Toute opération de modification se compose d'étapes sûres. D'abord, le système prend les hash SHA-256 de tous les fichiers affectés. Les processus parallèles ne génèrent que des brouillons de modifications. Ensuite, l'orchestrateur assemble cela en un seul package, montre à l'utilisateur le plan JSON final, et attend une confirmation.

Ce n'est qu'après que vous vérifiez le hash du plan approuvé et le transmettez à la commande --apply que les modifications seront écrites sur le disque. Si un fichier a été modifié pendant la préparation, l'écriture sera annulée. Si le processus est interrompu à mi-chemin, l'opération reviendra en arrière depuis la sauvegarde.

Démarrage rapide et utilisation quotidienne

La version Python 3.11 ou plus récente est requise pour l'exécuter. Si vous êtes sur Windows, vous devrez écrire les modifications via WSL, car la version Windows native ne fonctionne actuellement qu'en modes lecture seule et dry-run.

Clonez le dépôt du projet sur votre machine :

git clone https://github.com/AgriciDaniel/claude-obsidian.git
cd claude-obsidian

Créez un dossier séparé pour votre base de notes et demandez un plan d'initialisation :

export GENERATED_AT="$(date -u +%Y-%m-%dT%H:%M:%SZ)"
export OPERATION_ID="init-reviewed"

python3 scripts/claude-obsidian.py init "$HOME/Documents/MyKnowledgeVault" \
  --generated-at "$GENERATED_AT" --operation-id "$OPERATION_ID"

Dans la réponse, vous verrez un JSON détaillé et la ligne approved_plan_sha256. Copiez le hash et confirmez l'exécution :

python3 scripts/claude-obsidian.py init "$HOME/Documents/MyKnowledgeVault" \
  --generated-at "$GENERATED_AT" --operation-id "$OPERATION_ID" \
  --approved-plan-sha256 "<полученный-хэш>" --apply

Si vous avez déjà un coffre-fort Obsidian fonctionnel, vous n'aurez pas besoin de le réécrire de zéro. Pour cela, la commande adopt est fournie, qui ajoute soigneusement les fichiers d'index et les tables nécessaires sans toucher à votre contenu personnel.

Ensuite, ouvrez le dossier créé dans Obsidian, et depuis la console lancez Claude Code :

cd "$HOME/Documents/MyKnowledgeVault"
claude --plugin-dir /абсолютный/путь/к/claude-obsidian

Des commandes rapides deviennent disponibles dans Claude Code :

/claude-obsidian:wiki
/claude-obsidian:wiki-ingest
/claude-obsidian:wiki-lint

Déposez n'importe quel fichier texte ou article dans inbox/ et invoquez /claude-obsidian:wiki-ingest. L'outil analysera le texte, créera les cartes nécessaires, les liera avec des références croisées, et mettra à jour la carte de connaissances globale.

Pour qui ce projet est parfait

claude-obsidian est à peine nécessaire pour ceux qui utilisent Obsidian une fois par semaine pour une liste de courses. Mais le projet sera une trouvaille pour ceux qui :

  • Lisent beaucoup de documentation technique, d'articles et de spécifications qu'ils veulent sauvegarder dans un format pratique.
  • Mènent des recherches en architecture et veulent voir les connexions entre différentes technologies sans créer manuellement des centaines de notes.
  • Ne sont pas prêts à confier leurs notes personnelles à des clouds fermés ou à se lier à des formats propriétaires.

Le système gagne par son honnêteté : des transactions transparentes, une sortie Markdown propre, et aucune tentative de faire du modèle un « oracle omniscient ». Si le réseau neuronal n'est pas confiant dans un fait ou ne peut pas trouver de confirmation dans les fichiers enregistrés, il vous le dira simplement directement.

Projets similaires