OrbitOS
OrbitOS 是一款基于 Obsidian 打造的 AI 驱动个人生产力系统,核心理念是“一切围绕你运转”。它巧妙地将知识管理与日常任务规划结合,通过自然语言对话,让 Claude Code 或 Gemini CLI 等 AI 助手成为你的智能管家。
传统笔记系统往往依赖用户手动整理分类,容易陷入混乱或停滞。OrbitOS 则解决了这一痛点:它能自动将碎片化想法转化为结构化的项目,根据当前工作上下文推荐每日重点,深入调研主题并自动归档知识点,甚至智能清理已完成任务,确保系统始终轻盈高效。用户只需通过简单的斜杠命令发起指令,繁琐的整理、链接和规划工作均由 AI 代劳。
该系统特别适合希望提升效率但厌倦复杂维护流程的知识工作者、研究人员、开发者及创意设计师。只要你习惯使用 Markdown 笔记,无论技术背景深浅,都能轻松上手。
OrbitOS 的独特亮点在于其动态构建的“智能知识图谱”。AI 会在你工作过程中自动建立笔记、项目与概念间的维基链接,形成一张随时间生长、紧密关联的知识网络。配合清晰灵活的文件夹架构,它既提供了严谨的组织逻辑,又保留了适应个人习惯的弹性,真正实现了让工具服务于人,而非让人适应工具。
使用场景
资深全栈开发者李明正同时推进三个微服务项目,并需要持续追踪最新的 AI 架构论文以优化系统设计。
没有 OrbitOS 时
- 信息碎片化严重:灵感、会议记录和代码片段散落在微信、浏览器标签和临时文本文件中,难以统一检索。
- 每日规划耗时费力:每天早上需花费 30 分钟手动整理昨日遗留任务,常因遗漏上下文而陷入“先做什么”的决策瘫痪。
- 知识沉淀断层:阅读的技术文章仅停留在收藏夹,未能转化为可复用的原子概念,导致相同问题重复研究。
- 项目关联缺失:不同项目间的通用模块缺乏链接,无法快速复用过往解决方案,造成重复造轮子。
使用 OrbitOS 后
- 全自动知识入库:李明只需将杂乱笔记丢入
00_Inbox,OrbitOS 调用 AI 自动解析内容,将其分类归档至20_Project或40_Wiki并建立双向链接。 - 智能晨间规划:OrbitOS 基于昨日进展和当前活跃项目,自动生成包含优先级的每日待办清单,让他醒来即可直接进入心流状态。
- 动态知识图谱:在研究新架构时,OrbitOS 自动提取核心概念生成原子笔记,并智能关联到相关项目文档,形成可生长的知识库。
- 上下文感知推荐:当开启特定项目文件夹时,OrbitOS 主动推送相关的历史研究成果和未完成任务,确保执行连贯性。
OrbitOS 通过将繁琐的整理工作交给 AI,让开发者从“知识的搬运工”转变为“智慧的决策者”,真正实现以人为中心的效率飞跃。
运行环境要求
- macOS
- Windows
- Linux
未说明
未说明

快速开始
OrbitOS
英语 | 中文
一个由 AI 驱动的个人生产力系统,其中知识管理和日常任务规划由你的 AI 助手智能地协调。

安装
选项 1:Git 稀疏检出(仅下载英文版)
git clone --filter=blob:none --sparse https://github.com/MarsWang42/OrbitOS.git my-vault
cd my-vault
git sparse-checkout set EN
mv EN/* EN/.* . 2>/dev/null; rmdir EN
选项 2:使用 degit(无 Git 历史,更简单)
npx degit MarsWang42/OrbitOS/EN my-vault
什么是 OrbitOS?
OrbitOS 是一个基于 Obsidian 的生产力框架,其设计围绕一个简单的原则:一切都以你为中心。你的项目、知识和日常任务始终处于动态变化之中并相互连接——所有这些都通过与 AI 的自然语言对话来管理。
与需要手动整理的传统笔记系统不同,OrbitOS 利用 Claude Code 或 Gemini CLI 作为你的智能知识管理者和日常计划员。AI 不仅仅存储你的信息——它还会主动帮助你:
- 捕捉想法 并将其转化为结构化、可执行的项目
- 规划一天的日程,根据你当前的工作内容提供情境感知的建议
- 研究主题,并将研究成果自动组织到你的知识库中
- 在笔记、项目和概念之间建立联系,通过智能维基链接实现
- 归档和清理 已完成的工作,以保持系统的精简和专注
核心功能
AI 驱动的工作流
每个主要工作流都通过简单的斜杠命令启动,而 AI 负责处理繁重的部分:
| 工作流 | AI 执行的任务 |
|---|---|
| 每日规划 | 回顾昨日进展,列出正在进行的项目,推荐重点关注领域,处理收件箱中的事项 |
| 创建项目 | 将初步想法转化为具有目标、阶段和成功指标的结构化项目 |
| 研究 | 进行深入探索,整理发现,创建原子级维基条目,构建知识网络 |
| 知识解析 | 将非结构化文本整理到你的知识库中,并进行适当的分类和链接 |
| 归档 | 识别已完成的事项并将其移至归档文件夹,同时保留历史记录 |
智能知识图谱
OrbitOS 大量使用维基链接来构建一个相互连接的知识图谱:
- 项目 会链接到相关的 研究 笔记,以便获取上下文和参考
- 每日笔记 会链接到你当天工作的项目
- 维基条目 是可以被任何地方引用的原子级概念
- 研究笔记 会综合信息,并链接到源概念
AI 会在你工作时自动创建这些连接,从而随着时间推移构建起一张知识网络。
结构清晰且灵活
文件夹结构提供了清晰的组织方式,同时保持了高度的灵活性:
├── 00_Inbox/ # 快速记录——AI 会将这些内容处理到合适的位置
├── 10_Daily/ # 每日日志(YYYY-MM-DD.md)——每天早晨由 AI 生成
├── 20_Project/ # 正在进行的项目——AI 帮助创建并跟踪进度
├── 30_Research/ # 深度研究笔记——AI 根据你的探索结果进行结构化整理
├── 40_Wiki/ # 原子级概念——AI 提取可重复使用的定义
├── 50_Resources/ # 精选内容——新闻通讯、产品发布、参考资料
├── 90_Plans/ # 执行计划——AI 起草,你审核后归档
└── 99_System/ # 系统配置
├── Archives/ # 历史记录(按年月组织)
├── Prompts/ # 面向不同领域的 AI 角色
└── Templates/ # 用于保持一致性的 Markdown 模板
开始使用
先决条件
- 安装 Obsidian — 下载(macOS、Windows、Linux)
- 安装一个 AI 助手(任选其一):
- 在 Obsidian 中打开你的 vault 文件夹,并在同一目录下运行你的 AI 助手
- 推荐:安装 Terminal 插件,以便直接在 Obsidian 内部运行 Claude Code——这样可以在不切换应用的情况下获得无缝体验
第一天
记录你的第一个想法:在
00_Inbox/中写下一条快速笔记。- 只需写下你的想法、项目构思或想要探索的内容
- 不必担心格式问题——AI 会在稍后帮助你进行结构化整理
开始新的一天:在你的 AI 助手中运行
/start-my-day- AI 会扫描你的收件箱,并提取待处理的内容
- 查看任何正在进行的项目(第一天可能为空,这没关系!)
- 生成一份包含建议的每日笔记
启动一个项目:运行
/kickoff,将收件箱中的内容转化为一个项目- AI 会起草一个计划,并提出一些澄清问题
- 创建一个包含目标、阶段和成功指标的结构化项目
进行一项研究:运行
/research <topic>- AI 会进行一次全面的研究
- 在
30_Research/中创建结构化的笔记 - 将原子级概念提取到
40_Wiki/ - 自动将所有内容相互链接起来
提出一个问题:运行
/ask <question>- 无需创建冗长的文档即可获得直接答案
- 也可以选择将有用的发现保存到你的维基中
命令参考
核心工作流
| 命令 | 目的 | 使用场景 |
|---|---|---|
/start-my-day |
AI 引导的每日规划与回顾 | 每天早晨设定工作重点 |
/kickoff |
将想法转化为结构化项目 | 启动任何新项目 |
/research |
深入研究并自动构建知识体系 | 全面学习某个主题 |
/ask |
快速解答问题,无需大量笔记 | 解答简单问题或查找事实 |
/brainstorm |
互动式头脑风暴 | 发展和细化概念 |
/parse-knowledge |
将非结构化文本整理到知识库中 | 处理笔记、文章或会议记录 |
/archive |
清理已完成的事项 | 定期维护或项目完成后 |
Obsidian 特定功能
| 技能 | 目的 |
|---|---|
obsidian-markdown |
维基链接、注释框、嵌入以及 Obsidian 风格的语法 |
obsidian-bases |
创建带有筛选器和公式的数据库视图(.base 文件) |
json-canvas |
制作思维导图和流程图(.canvas 文件) |
内容策展(可选)
| 命令 | 用途 |
|---|---|
/ai-newsletters |
策划并总结人工智能新闻简报(TLDR AI、The Rundown AI) |
/ai-products |
探索来自 Product Hunt、HN、GitHub 和 Reddit 的人工智能产品发布 |
项目概念
C.A.P. 项目布局
每个项目都遵循一致的结构:
- 背景:我们试图达成什么目标?成功的标准是什么?
- 行动:分阶段的任务清单,用于完成各项任务
- 进展:带时间戳的更新,链接到每日笔记
维基链接与关联
OrbitOS 大量依赖 Obsidian 的维基链接语法:
[[笔记名称]] # 基本链接
[[笔记名称|显示文本]] # 自定义显示文本
![[笔记名称]] # 嵌入整篇笔记
![[笔记名称#章节]] # 嵌入特定章节
AI 会自动创建这些链接,但你也应尽可能多地建立链接——连接能够创造价值。
每日笔记作为核心锚点
每日笔记(10_Daily/YYYY-MM-DD.md)是你的核心锚点:
- 每个项目的更新都会引用工作发生的每日笔记
- 收件箱中的事项会在每日笔记中被处理并链接
/start-my-day工作流会自动生成这些每日笔记
哲学理念
OrbitOS 建立在以下原则之上:
- AI 作为伙伴:AI 不仅仅是一个工具,它更是一位积极的协作伙伴,能够理解你的系统并帮助维护它。
- 先捕捉一切,再逐步处理:收件箱的存在是为了确保你不会遗漏任何想法;AI 则会在你准备好的时候帮助你进行处理。
- 连接胜过分类:僵化的文件夹层级结构往往失效;而维基链接则能构建一个灵活且可查询的知识图谱。
- 每日节奏:每日笔记将所有内容锚定在一起,形成你工作和思考的时间线。
- 渐进式结构化:想法最初可能比较粗糙,但通过 AI 辅助的不断打磨和完善,最终会变得条理清晰。
许可证
MIT 许可证 — 可自由使用、根据需要修改,并与他人分享。
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。