用AI + Obsidian精通任何一个知识领域：AI深度研究未知领域，一键搭建Obsidian知识库架构和学习路径

Aug 13, 2025 下载文件

利用人工智能（AI）作为执行工具，在Obsidian中构建结构化、可扩展的个人知识库，并以此为基础进行高效、深入的学习。

主要涉及工具：

• 信息规划：Google Gemini Deep Research (或其他具备Deep Research的AI工具), Google NotebookLM
• 大纲生成：通用大语言模型 (Gemini, ChatGPT, Deepseek等)
• 框架搭建：Cursor (或其替代品，如TRAE, Gemini CLI, Claude Code, VS Code + Cline)
• 知识承载与学习：Obsidian

---

第一阶段：生成学习报告

graph TD
    subgraph " "
        Title1["<b>第一阶段：生成学习报告</b>"]
        Input("输入")
        Scenario1("<b>场景一:</b><br/>探索未知领域")
        Scenario2("<b>场景二:</b><br/>学习已有资料")
        Action1("<b>动作:</b><br/>AI深度研究<br/>(工具: Google Gemini)")
        Action2("<b>动作:</b><br/>三步工作流<br/>(工具: NotebookLM)")
        Output("<b>产出:</b><br/>详尽的学习报告")

        Title1 --> Input
        Input --> Scenario1 & Scenario2
        Scenario1 --> Action1
        Scenario2 --> Action2
        Action1 --> Output
        Action2 --> Output
        
        style Title1 fill:#fff,stroke:#fff,stroke-width:0px,font-weight:bold,font-size:16px
    end

场景一：学习一个全新的领域

当我们面对一个完全陌生的领域时，我们利用具备深度研究能力的AI模型，为我们系统性地梳理知识。

成功的关键在于向AI提出一个高质量的、复杂的指令。这个指令需要清晰地定义我们的身份背景、最终学习目标、对学习路径的阶段性要求，以及对输出格式的规定。AI在接收到这样的指令后，会启动其深度研究模式，通过自主规划、全网检索、多源分析等一系列动作，最终生成一份结构化的深度报告。

场景二：学习已有的私有资料

当我们已经收集了大量学习资料（如PDF、文档）时，我们使用Google NotebookLM这类工具，让AI成为只基于我们私有资料进行回答的领域专家。

为了保证质量，我们采用一种“对话式”的三步工作流：

1. 宏观理解：首先让AI通读所有资料，并生成一份核心摘要。我们通过追问来校准AI的宏观理解，直至与我们的预期达成一致。
2. 设计学习路径：在达成共识的基础上，我们让AI基于摘要，设计一个逻辑清晰的学习路线图，并要求它为每个主题附上在原始资料中的来源引用。
3. 生成最终报告：当我们对学习路径完全满意后，再让AI输出一份详尽的、包含所有讨论成果的学习报告。

---

第二阶段：将报告转换为Markdown大纲

graph TD
    subgraph " "
        Title2["<b>第二阶段：将报告转换为Markdown大纲</b>"]
        Input2["<b>输入:</b><br/>学习报告"]
        Action2["<b>动作:</b><br/>使用严格的提示词进行转换<br/>(工具: 通用大语言模型)"]
        Output2["<b>产出:</b><br/>结构化的Markdown大纲"]
        
        Title2 --> Input2
        Input2 --> Action2
        Action2 --> Output2

        style Title2 fill:#fff,stroke:#fff,stroke-width:0px,font-weight:bold,font-size:16px
    end

第一阶段产出的学习报告，是适合人类阅读的“文章”。为了让自动化工具能够理解，我们必须进行第二步：将其转换为机器可读的格式。

目标是将“文章式”的报告，转换成一个纯粹的、结构化的Markdown大纲。我们使用一个强大的大语言模型，通过一个极其严格的指令，让它将输入文本重构成我们预先设计好的、具有三层嵌套逻辑的格式：

• 二级标题 (H2)：定义顶级的知识分类，将成为顶级文件夹。
• 三级标题 (H3)：定义该分类下的具体主题，将成为主题文件夹。
• 无序列表项：定义该主题下最基础的原子知识点，将成为原子笔记。

这个过程将一份充满细节的报告，提纯为一份毫无歧义的、用于下一步自动化操作的结构化指令清单。

---

第三阶段：自动化创建知识库框架

graph TD
    subgraph " "
        Title3["<b>第三阶段：自动化创建知识库框架</b>"]
        Input3["<b>输入:</b><br/>Markdown大纲"]
        Action3_1["<b>Step 1:</b><br/>创建顶级文件夹"]
        Action3_2["<b>Step 2:</b><br/>创建主题文件夹与MOC"]
        Action3_3["<b>Step 3:</b><br/>创建并链接原子笔记"]
        Action3_4["<b>Step 4:</b><br/>创建总览笔记"]
        Output3["<b>产出:</b><br/>Obsidian知识库“脚手架”"]
        
        Title3 --> Input3
        Input3 -->|使用Cursor分步执行| Action3_1
        Action3_1 --> Action3_2
        Action3_2 --> Action3_3
        Action3_3 --> Action3_4
        Action3_4 --> Output3

        style Title3 fill:#fff,stroke:#fff,stroke-width:0px,font-weight:bold,font-size:16px
    end

这是整个流程中效率提升最显著的环节。我们将上一步生成的Markdown大纲，交给AI执行工具，让它在几分钟内，为我们搭建起知识库的完整框架。

为保证过程的稳定可控，我们将搭建过程分解为四个清晰的、循序渐进的步骤，通过向Cursor（或其替代品）分步发送指令来完成。

1. 创建顶级分类文件夹：AI根据大纲的二级标题，在Obsidian库的根目录下创建对应的顶级文件夹。
2. 创建主题文件夹与MOC笔记：AI根据三级标题，在对应的顶级文件夹内创建主题文件夹，并在其中生成一个以“主题名 MOC.md”命名的、空的索引笔记（内容地图）。
3. 创建并链接原子笔记：AI根据列表项，在对应的主题文件夹内创建所有空的原子笔记。同时，AI会自动打开每个MOC笔记，并将该主题下所有原子笔记的链接，以Obsidian双向链接的格式写入其中。
4. 创建知识库总览笔记：最后，AI可以在根目录下创建一个作为整个知识库中央枢纽的总览笔记，并链接到各个核心主题的MOC笔记。

通过这四步，一个纯文本大纲被全自动地转换成了一个结构严谨、层次分明、功能完备的Obsidian知识库“脚手架”。

---

第四阶段：填充笔记与内化知识

graph TD
    subgraph " "
        Title4["<b>第四阶段：填充笔记与内化知识</b>"]
        Input4["<b>输入:</b><br/>Obsidian知识库“脚手架”"]
        Action4_1["填充原子笔记<br/>(工具: Obsidian, AI辅助)"]
        Action4_2["建立连接与丰富MOC"]
        Action4_3["实践与输出"]
        Output4["<b>产出:</b><br/>个人知识体系"]
        
        Title4 --> Input4
        Input4 --> Action4_1
        Action4_1 --> Action4_2
        Action4_2 --> Action4_3
        Action4_3 --> Output4
        
        Action4_3 -.->|持续迭代| Action4_1

        style Title4 fill:#fff,stroke:#fff,stroke-width:0px,font-weight:bold,font-size:16px
    end

填充原子笔记

这是学习的基础。我们每天选择少数几个原子笔记作为目标。针对这些高度聚焦的知识点，可以再次利用AI进行高效的信息输入。但最关键的步骤是，在完成输入后，我们必须用自己的语言，将对这个知识点的理解、思考和总结，完整地写入Obsidian的笔记中。这个“知识重述”的过程，是知识内化的核心。

建立连接与丰富MOC

当原子笔记逐渐丰富后，我们需要构建知识网络。在撰写新笔记时，主动思考并创建与已有知识的双向链接。同时，定期回到MOC笔记，撰写对该主题的总结性概述，阐述其下属原子知识点之间的内在逻辑。这会让MOC笔记从一个简单的目录，升华为对一个主题的高度浓缩的理解。

实践与输出

知识的最终价值体现在应用。我们可以通过设定具体的项目来实践所学，或尝试以写作、分享等形式将知识“教”给别人。这个过程会以最高标准检验我们的学习成果，并迫使我们对知识进行更深层次的结构化重组。

通过持续地填充、连接与实践，一个由AI搭建的框架，将最终演化成一个真正属于我们自己的、内容充实、连接丰富的个人知识体系。

搭建知识库架构：Cursor类工具

核心问题

当面对一个全新的、陌生的知识领域时，如何利用AI快速、高效地搭建起整个知识库的初始结构？这包括自动创建文件夹、笔记文件、目录（MOCs），并为每个知识点撰写初步的概要，即所谓的“知识库脚手架”（Knowledge Base Scaffolding）。

核心理念：建筑师 vs. 室内设计师

要解决这个问题，首先需要理解不同AI工具在此场景下的角色定位。我们可以用一个生动的比喻来区分：

• “建筑师” (Architects): 这类工具（如Cursor, VS Code+Cline插件）具备项目级视野和文件系统操作能力。它们能看懂整个项目的“蓝图”（如一个Markdown大纲），并据此搭建起整个建筑的框架（创建文件夹和文件）。
• “室内设计师” (Interior Designers): 这类工具（如Obsidian AI插件）专注于已存在的空间内部。它们负责在单个房间（笔记）内进行精装修（撰写和润色内容），并打通房间之间的连接（创建双向链接）。

在“知识库脚手架”这个场景中，我们首先需要的是一位建筑师。

工具对比：谁是最佳“建筑师”？

场景一：知识库骨架搭建 (Scaffolding)

这个阶段的核心任务是从无到有地创建结构。

工具类别	核心能力	文件系统权限	【脚手架】场景表现
“建筑师”类工具 (Cursor, Cline, TRAE, Gemini CLI)	理解项目结构，执行多步骤任务	高 (读、写、创建、删除)	非常胜任。能自动化执行“根据大纲创建目录树和文件”的复杂指令。
“室内设计师”类工具 (Obsidian AI插件,例如Copilot)	理解笔记内容，在当前笔记中操作	低 (主要为读取，有限的写入)	不胜任。无法执行跨文件的、批量创建文件/文件夹的指令，需要大量手动干预。

场景二：日常知识管理与内容填充

当骨架搭建完毕后，工作重心转移到内容的精细化处理和知识连接上。

工具类别	核心能力	知识连接能力	日常使用体验
“建筑师”类工具	代码和项目结构理解	较弱或非核心	过于专业，缺少为知识管理优化的功能（如双链、标签面板）。
“室内设计师”类工具	文本润色、总结、问答、链接建议	极强 (双链、MOCs、图谱)	完美契合。专为非线性、网络化的知识管理而生，体验流畅。

“知识库建筑师”工具深度横评

既然确定了需要“建筑师”，那么市面上有哪些优秀的选择？

工具 (Tool)	类型	交互方式	【脚手架】能力	优势	劣势
Cursor	独立AI编辑器	GUI聊天窗口	非常高	开箱即用，AI与编辑器深度融合，交互体验流畅自然。	闭源，对BYOK（自带Key）的政策可能摇摆，有被厂商锁定的风险。
Cline (in VS Code)	VS Code 插件	GUI聊天窗口	非常高	开源透明，完全由用户控制API Key和成本，能利用VS Code庞大的插件生态。	需要用户自行安装和配置VS Code及插件，多一步设置。
TRAE 2.0	独立AI编辑器	GUI聊天窗口	高	完全免费使用GPT-4o/Claude 3.5等顶级模型，无需自己的Key，功能激进。	较新，生态不成熟，有用户对其数据隐私和遥测表示担忧。
Gemini CLI / Claude Code	命令行工具	终端命令	极高 (需脚本)	自动化潜力最强，可集成到任何脚本中，实现复杂和可重复的搭建流程。	用户门槛最高，无图形界面，需要熟悉命令行和脚本编写。

最佳实践：混合工作流 (Hybrid Workflow)

最高效的策略是结合两类工具的优势，采用分阶段的混合工作流。

阶段一：架构搭建 (使用“建筑师”)

1. 规划蓝图: 使用AI（如Gemini, ChatGPT）或自己思考，制定一份详细的学习路径，并整理成Markdown层级列表格式。
2. 选择工具: 启动 Cursor 或 VS Code + Cline插件。
3. 自动建造: 在工具中打开一个空文件夹（未来的Obsidian库），将Markdown大纲粘贴给AI，并下达明确指令：

   “请根据这个Markdown大纲，为我创建对应的文件夹和.md笔记文件。一级标题作为文件夹，二级标题作为该文件夹下的笔记文件。然后，为每个创建的笔记文件撰写一段简短的介绍性摘要。最后，在根目录创建一个名为_MOC_总览.md的MOC文件，并链接到所有新创建的笔记。”

4. 验收成果: AI自动完成所有文件系统操作，一个结构清晰的知识库骨架瞬间生成。

阶段二：内容填充与知识连接 (使用“室内设计师”)

1. 切换场地: 关闭“建筑师”工具，用 Obsidian 打开刚刚生成文件夹，将其作为新的知识库。
2. 精细装修:
   • 填充内容: 逐一学习每个知识点，在对应的笔记中深入记录。随时调用Obsidian的AI插件（如Copilot, BMO）进行内容扩写、润色或问答。
   • 建立连接: 使用 [[双向链接]] 主动建立知识间的联系，并通过图谱视图观察知识网络。
   • 智能发现: 利用 Smart Connections 等插件，让AI自动发现笔记间潜在的深层联系。
   • 知识库对话: 当笔记丰富后，直接与AI对话，让它基于你自己的知识库内容回答问题。

结论总结

在构建个人知识库时，应奉行**“专器专用”**的原则。

• 使用Cursor及其同类工具作为“建筑师”，快速、自动化地搭建知识库的宏观结构。
• 然后回到Obsidian这个专业的“设计工作室”中，进行精细化的内容创作和深度的知识连接。

通过这种混合工作流，可以最大化地发挥AI的效能，将我们从繁琐的重复性工作中解放出来，专注于最核心的学习和思考。

提示词

生成研究报告

你现在是一名顶级的AI教育家和课程设计师，拥有丰富的AI提示词工程（Prompt Engineering）实战经验。

我的身份是一名希望系统性掌握“AI提示词工程”的初学者。我可能有一定的编程基础，也可能没有，所以请确保你的报告对不同背景的人都友好。

我的最终目标是：不仅能理解提示词工程的核心原理，更能熟练运用各种高级技巧，为不同的AI模型（如文本生成、代码生成、图像生成）设计出高效、稳定且富有创造力的提示词，并能解决实际工作中的问题。

请为我执行一次深度研究（Deep Research），并生成一份详尽的、结构化的学习报告。这份报告必须包含以下几个核心部分：



**第一部分：系统性学习路线图（从基础到高级）**
*   请设计一个分阶段的学习路径，至少包含以下阶段：
    1.  **基础入门**：零样本、少样本提示，指令式提示的基础。
    2.  **核心原则**：清晰、具体、角色扮演、提供示例等关键原则。
    3.  **高级技巧**：思维链 (CoT)、自洽性 (Self-Consistency)、生成知识提示 (Generated Knowledge Prompting)、ReAct等进阶框架和技术。
    4.  **特定领域应用**：如何为文本摘要、代码生成、创意写作、图像生成（如Midjourney, Stable Diffusion的提示词结构）等不同任务设计提示词。
    5.  **评估与优化**：如何评估一个提示词的好坏，以及迭代优化的方法论。
*   在每个阶段下，请详细列出需要掌握的关键知识点。


**第二部分：精选学习资源**
*   为整个学习路线图，推荐一批高质量、权威的学习资源。资源类型应多样化，包括：
    *   **必读论文**：如果涉及，请列出1-2篇开创性的论文。
    *   **官方文档或指南**：来自OpenAI, Google, Anthropic等官方的最佳实践指南。
    *   **在线课程或教程**：推荐1-2门最受好评的在线课程（如吴恩达的课程）。
    *   **实战项目或挑战**：提供一些可以动手练习的小项目或挑战。

输出格式要求
*   请务必使用Markdown格式进行输出，结构清晰，便于我后续处理。

请开始你的深度研究。

生成学习路径

# 工作流：使用NotebookLM进行对话式学习规划

## 核心理念

通过与Google NotebookLM进行三阶段的对话，将一批无序的、私有的学习资料（如PDF、文档），系统性地转化为一个结构清晰、可用于自动化搭建Obsidian知识库的Markdown大纲。

其核心思想是“人机协作，逐步校准”：避免一次性指令可能带来的理解偏差，通过分步对话，确保每一步的产出都经过人类的确认和微调，从而保证最终成果的质量。



### 第一阶段：宏观理解

**目标：** 确认NotebookLM已经正确、全面地理解了你上传的所有资料的核心内容。这是后续所有工作的基础。

**你的工作：**

1. 向NotebookLM发送以下第一个提示词。
2. 仔细审查AI返回的“摘要报告”，确认其对核心主题、价值和高频概念的理解是否与你的预期一致。
3. 如有偏差，通过追问进行校准，直到你满意为止。

**提示词 1：生成核心摘要**

```markdown
针对我上传的资料，为我生成一份“摘要报告”，以确保我们对这些资料的理解是一致的。这份报告应包含：

1.  **核心主题概括**：总结这些资料整体上涵盖了该知识领域的哪些主要方面？
2.  **核心概念列表**：列出这些资料中被反复提及或强调的高频核心概念，并为每个概念附上它主要出现的来源引用 `[数字]`。

请生成这份摘要报告。输出语言为中文
```  

---

### 第二阶段：设计学习路径

**目标：** 基于第一阶段已对齐的宏观理解，与AI共同设计一个逻辑清晰、循序渐进的学习路径。

**你的工作：**

1. 在确认第一阶段无误后，继续在同一个对话中发送以下第二个提示词。
2. 审查AI生成的学习路线图，重点关注其**学习顺序**和**模块划分**的合理性。
3. 通过对话与AI探讨，调整路线图，使其最符合你的个人学习习惯和目标。

**提示词 2：设计学习路线图**

```markdown
非常好，我们对资料的宏观理解已经达成一致。

现在，请基于我们刚才确认的核心主题和高频概念，为我设计一个逻辑清晰、循序渐进的“学习路线图”。

这个路线图应该：
1.  **划分类别**：将相关知识内容划分成4-8个主要类别。
2.  **内容详实**：在每个类别下，明确指出需要学习的关键主题和技术。
3.  **来源清晰**：为每一个学习主题，都附上最重要的来源引用 `[数字]`，告诉我应该去阅读哪几份核心文档。

请生成这份学习路线图。
```

---

### 第三阶段：生成最终“施工图”

**目标：** 将我们共同确认的学习路径，精确地转换成最终的、用于自动化施工的Markdown大纲。

**你的工作：**

1. 在确认第二阶段的路线图完美无误后，发送以下第三个提示词。
2. 获取最终产出的Markdown大纲。这份大纲是纯粹的、结构化的“施工蓝图”，可以直接用于下一步的自动化搭建流程。

**提示词 3：输出Markdown大纲**

```markdown
完美！这份学习路线图正是我想要的。

现在，请执行最后一步，也是最重要的一步：将我们刚刚确定的这份学习路线图，严格转换成一个用于自动化搭建Obsidian知识库的、纯粹的Markdown大纲。

请严格遵循以下设计规则：

1.  **最终格式**：最终的输出只能包含二级标题（H2）、三级标题（H3）、以及无序列表项（使用 `-`）。绝对不能包含任何描述性段落或解释性文字。
2.  **二级标题 (H2)**：直接使用我们路线图中的“类别”作为二级标题，并加上数字编号。例如：`## 01-核心基础`。
3.  **三级标题 (H3)**：直接使用我们路线图中的“主题”作为三级标题。例如：`### 什么是提示词工程`。
4.  **列表项**：将每个主题下的具体知识点或技术术语，作为无序列表项。
5.  **文字格式：** 二级标题，三级标题和列表项都会被用于powershell来创建文件夹和文件，所以标题和列表项的文字要考虑到不能含有特殊字符，以导致powershell代码失效或导致无效的文件夹和文件名。也就是说，要针对这些名称进行文字上的优化。

请生成这份最终的Markdown大纲“施工图”。
```

生成Markdown学习路径大纲

你现在是一名顶级的知识架构师，你的任务是将一份内容详实的报告或学习资料，转换成一个结构化、层次分明的Markdown大纲。这个大纲将作为“施工蓝图”，用于后续在Obsidian中自动化地创建一套完整的、三层嵌套的知识库系统。

我需要你严格遵循以下设计规则，来处理我稍后提供的完整报告文本：

**核心任务：** 阅读用户上传的文件资料，理解资料中关于该知识领域的学习路线相关内容，将内容归纳总结，整理成一篇markdown格式的学习路线，格式要严格遵循下面的设计规则。

**【设计规则】**

1.  **最终层级：** 最终的输出文件**只能包含**三个层级：二级标题（H2）、三级标题（H3）、以及无序列表项（使用 `-`）。**绝对不能包含任何描述性段落或解释性文字。**

2.  **二级标题 (H2) - 顶级分类：**
    *   你需要通读全文，将内容归纳为4-8个最核心的、宏观的学习模块或阶段。
    *   将这些模块命名为二级标题。
    *   **重要**：请在每个二级标题前加上数字编号和破折号，以便于排序。例如：`## 01-核心基础`。

3.  **三级标题 (H3) - 主题：**
    *   在每个二级标题模块下，进一步将内容细分为具体的、独立的主题。
    *   将这些主题命名为三级标题。这些标题应该是简洁的名词或名词短语。例如：`### 提示词的核心构成要素`。

4.  **列表项 - 原子知识点：**
    *   在每个三级标题主题下，继续将知识点拆解到最细的、不可再分的“原子”级别。
    *   将这些原子知识点作为无序列表项（以 `- ` 开头）。
    *   **重要**：列表项本身**不包含**任何Markdown链接语法（如`[[...]]`）。

5.  **内容清理：** 再次强调，最终的输出必须是纯粹的、不含任何散文、引言、过渡句的结构化大纲。
6.  **文字格式：** 二级标题，三级标题和列表项都会被用于powershell来创建文件夹和文件，所以标题和列表项的文字要考虑到不能含有特殊字符，以导致powershell代码失效或导致无效的文件夹和文件名。也就是说，要针对这些名称进行文字上的优化。

---

**这是一个你必须严格参照的、完美的转换格式示例：**

**【目标输出格式】**
```markdown
## 01-核心基础
### 什么是提示词工程
- 提示词工程的定义
- 提示词工程的重要性
- 学习提示词工程的心态
### 上下文学习 (In-Context Learning)
- 上下文学习的原理
- 模型如何利用上下文

## 02-基础提示模式
### 角色扮演提示 (Role-Playing)
- 为AI设定专家角色
- 角色扮演的常用句式
```

接下来，根据我上传的资料内容，按照我的要求输出内容。

Obsidian知识库搭建-Cursor

  

# 工作流：使用Cursor自动化搭建Obsidian知识库

这是一套标准化的、分步执行的指令，用于指导Cursor（或其同类工具）根据一个结构化的Markdown大纲，自动化地创建一套完整、多层级的Obsidian知识库框架。

**前提：** 你需要预先准备好一份结构清晰的Markdown大纲文件。该大纲应遵循以下结构：

- **二级标题 (H2):** 用于定义顶级的知识分类。
- **三级标题 (H3):** 用于定义该分类下的具体主题。
- **无序列表项:** 用于定义该主题下最基础的原子知识点。

---

### **第一步：创建顶级分类结构**

**目标**：根据大纲的二级标题，创建知识库的顶级文件夹。

**提示词**：

```markdown

请读取我当前打开的Markdown大纲文件。
文件中，每一个二级标题下有多个三级标题，每一个三级标题下有一些无序列表项，阅读并理解文件内容和层级关系，接下来，我会要求你按照这个层级关系来为我创建文件夹和文件。

首先，请帮我执行第一步任务：
为文件中的每一个二级标题（H2），在当前根目录下创建一个对应的文件夹。
```

---

### **第二步：创建主题结构与MOC笔记**

**目标**：在顶级文件夹内，为每个主题创建对应的子文件夹，并在其中生成一个空的MOC（内容地图）笔记。

**提示词**：

```markdown
很好。现在请执行第二步任务：
请再次分析我的大纲文件。为每一个三级标题（H3），在它所属的二级标题对应的文件夹内，创建一个同名的文件夹。
然后，在这个新创建的主题文件夹内部，再创建一个以“主题名 MOC.md”命名的、空的Markdown文件。

例如，二级标题是“摄影”（已经在第一步中创建该文件夹），该二级标题下有一个三级标题是“人像摄影”
那么，在“摄影”文件夹下，创建一个“人像摄影”文件夹，并在“人像摄影”文件夹下，创建一个“人像摄影 MOC.md”文件

```


### **第三步：创建并链接原子笔记**  
**目标**：创建所有最底层的原子笔记，并自动将它们的链接填充到对应的MOC笔记中，完成内部的导航链接。 

**提示词**：

```markdown
太棒了。现在请执行第三步，这是最关键的一步：
请再次分析我的大纲文件。你需要做两件事：

1.  **创建原子笔记**：为每一个三级标题（H3）下的所有列表项，在对应的主题文件夹内，创建一个以**列表项文本内容为文件名**的、空的Markdown文件。

2.  **填充MOC笔记**：打开每一个MOC笔记（例如“什么是提示词工程 MOC.md”），将这个主题下所有原子笔记的链接，以无序列表和Obsidian双向链接的格式，写入其中。
    *   例如，“零样本提示 (Zero-Shot Prompting) MOC.md”文件的最终内容应该是：
        - [[零样本提示的定义]]
        - [[零样本提示的应用场景 (直接明确的任务)]]
        - [[零样本提示的优势 (简洁、高效、低成本)]]

请严格按照以上规则和示例执行。
```



### **第四步：创建知识库总览笔记**  

**目标**：创建一个作为整个知识库中央枢纽的、可供导航的总览页面。  

**说明**：这一步虽然可以由AI辅助生成框架，但强烈建议在生成后由你手动进行精修，以添加你自己的宏观理解和学习目标。  

**提示词**：

```markdown
框架搭建已完成，非常出色。现在请帮我创建总览笔记。

请在根目录下，创建一个名为“[你的知识主题] 总览.md”的新文件。（请手动替换括号内的文本）

然后，在这个文件内部，写入以下内容框架：  
首先，写入一级标题：“# [你的知识主题] 学习总览”。  
接着，写入一段引导语：“这是我系统性学习[你的知识主题]的知识中心。所有核心模块的入口都可以在这里找到。”  
然后，写入一个二级标题：“## 核心模块导航”。  
最后，请分析我所有的顶级文件夹（H2），将它们作为三级标题列出。在每个三级标题下，再列出该顶级文件夹内所有MOC笔记的双向链接。
```

### **执行建议**  
- **分步进行**：请严格按照顺序，一次只向Cursor发送一个步骤的提示词。 
- **耐心等待**：每一步操作，特别是第三步，可能需要AI思考和执行一段时间。请耐心等待，并随时通过直接查看文件管理器来确认操作是否已真实完成。 
- **检查与确认**：在执行每一步之前，都仔细检查AI给出的预览计划，确认无误后再点击“Accept”。`