企业官网建设流程全解析

做个人知识库这件事，我前前后后折腾了快三年。从最早的 Word 文件夹，到语雀、Notion、飞书文档，最后才稳定下来，形成了现在这套 Obsidian + WorkBuddy + Gitee 的组合。先直接说结论：这套方案解决了我知识管理里最痛的三件事——笔记本地存储不受平台绑架、AI 能力随取随用、数据有版本管理还能对外发布。如果你想像搭积木一样，用最少的成本给自己搭一个"能思考"的知识库自助流水线，这篇文章也许能帮你少走不少弯路。适合谁看？用过云笔记但觉得信息越存越乱的人，写技术笔记但缺乏整理动力的人，以及想在本地跑通一套 AI 辅助知识管理工作流的人，都能在这套组合里找到自己需要的部分。

1. 组合思路拆解：三个工具各司其职

个人知识库这件事，大多数人起步都是"先记再说"。但记录只是第一步，真正的知识库需要三种能力：存储与检索、加工与提炼、同步与分享。单个工具很难同时把这三件事做好，所以我没用"一个 All-in-One 软件打天下"的思路，而是选了三个工具各管一段，组合成一条完整的知识流水线。

1.1 Obsidian：本地优先的个人知识底座

Obsidian 的核心价值是"本地优先"。所有笔记都以 Markdown 纯文本文件的形式存放在你自己的电脑里，没有数据库锁死，没有平台绑架。这意味着什么？你的笔记永远不会因为某个云服务停止运营而消失，也不会被某个商业产品的改版牵着鼻子走。我自己就经历过一次云笔记迁移的噩梦，几百篇文档导出再导入，格式全乱，从那以后我就坚定地站在本地文件这一边。

Obsidian 还内置了双链（backlink）机制，这是它跟传统笔记软件最大的区别。你可以用 [[]] 语法把任意两条笔记连接起来，形成一个可生长的知识网络。配合标签和属性（Properties），检索能力在同类型工具里是第一梯队。我用 Obsidian 管理的内容包括日常灵感、技术笔记、读书笔记、项目文档和会议记录，到目前已积累了三千多条笔记，搜索基本做到秒开。本地化加纯文本加双链，这三点是我选择它作为知识底座的根本原因。

1.2 WorkBuddy：把 AI 能力接进知识流

选择 WorkBuddy 是因为它在"AI 能力接入"这件事上做得足够顺手。WorkBuddy 是一个 AI 工作台类的桌面应用，核心价值是帮你把多个 AI 模型的对话、文档处理、提示词模板等能力集中在一个工作界面里，不用在十几个网页窗口之间来回切换。写笔记这件事本身不难，难的是把零散想法变成结构化内容的过程，而这恰恰是 AI 最擅长帮忙的地方。

在实际知识库工作流里，WorkBuddy 承担三件事。一是对话式问答，你直接问它"帮我总结这篇笔记的核心观点"，它会基于你粘贴的文本内容给出结构化总结；二是内容生成与改写，写文章提纲、把零散想法扩写成段落、给笔记起标签，这些操作在 WorkBuddy 里通过提示词模板可以批量完成；三是多模型协作，同一个问题发给不同模型，对比结果之后再挑更合适的，这个能力在需要严谨论证的场景下特别实用。把 WorkBuddy 放在 Obsidian 旁边，相当于给知识库请了一个随时待命的编辑和研究员，产生想法之后马上能加工，而不是攒一堆原始素材懒得整理。

1.3 Gitee：数据的备份、同步与展示

Gitee 是国内的代码托管平台，基于 Git 协议。有人第一次听到用代码平台管笔记会觉得奇怪，但道理其实很简单：你的笔记本质上是纯文本文件，而 Git 天生就是管理文本文件变更的工具。每次修改都有版本记录，删错了能找回，改崩了能回滚，这比任何云笔记的回收站都可靠。我把笔记仓库推到 Gitee 上之后，至少拿到了三个收益。

一是异地备份，本地磁盘坏了、电脑丢了，笔记还在远端仓库里；二是多设备同步，办公室电脑、家里笔记本各自 clone 一份，通过 git pull 和 git push 保持一致，随时切换设备继续写；三是知识库发布，用 Gitee Pages 可以把仓库里的 Markdown 文件渲染成网页，一键生成一个个人 wiki 站点，方便把整理好的内容分享给别人。三个工具的定位非常清楚：Obsidian 负责存储与管理，WorkBuddy 负责加工与生成，Gitee 负责备份与分发。组合在一起，才是一个完整的知识库闭环。

2. 环境搭建与基础配置

环境搭建这部分我尽量讲得具体一点，按 Obsidian、WorkBuddy、Gitee 三个顺序来，每一步都给出可以直接照做的操作方式。整套配置下来大概一个下午的时间，一次性弄完后面基本就不用再折腾了。

2.1 Obsidian 安装、库创建与核心插件配置

安装 Obsidian 这一步没什么门槛，从官网下载对应平台的安装包，一路下一步即可。第一次启动会让你选择创建库或者打开已有文件夹，建议在本地专门建一个目录，比如 Windows 下的 D:\KnowledgeBase，或者 macOS 下的 ~/Documents/KnowledgeBase。库创建好之后，先别急着写笔记，有几个基础设置建议改一下。

在"文件与链接"设置里，把新建笔记的默认存放位置选为"当前笔记所在的文件夹"，这样从双链新建的笔记不会乱跑；在"编辑器"设置里，启用显示行号和自动补全 Markdown 语法，写作体验会好很多。Obsidian 自带的核心插件中，至少开启标签视图、大纲、关系图谱、模板这四项，其中关系图谱是 Obsidian 的灵魂功能，后面讲知识关联时会细说。

社区插件部分是重点。我个人必装的有三个：Templater 是比自带模板强大得多的模板引擎，可以定义变量、日期、自动文件名；Dataview 能把笔记库当成数据库来查询，比如"列出所有标签为 AI 的未完成笔记"，一行代码就能做到；Remotely Save 是通过 WebDAV 或对象存储做同步的插件，如果你不打算用 Git 方案，这个可以作为备选。社区插件的安装路径是：设置 → 第三方插件 → 关闭安全模式 → 浏览 → 搜索插件名 → 安装 → 启用。部分网络环境下社区插件目录加载不出来，这个我放到第四节"常见问题"里单独说，里面给了我实测可用的解决办法。

2.2 WorkBuddy 安装、模型配置与工作台使用

WorkBuddy 的安装相比 Obsidian 要稍微走点心，因为它是 AI 客户端，安装完成后的第一个界面就是引导你选择模型服务商，需要配置模型服务才能正常对话。这一步的核心是拿到 API 密钥：先在模型服务商的控制台注册账号、创建 API Key，再把密钥填进 WorkBuddy 的设置页。注意密钥相当于你的账户密码，不要截图发到任何地方，也不要提交到 Git 仓库里。

我个人建议把基础对话模型和文档处理模型分离开：日常问答用响应快的模型，处理长文档、写长文章时切换到上下文窗口更大的模型。这两类模型的计费和响应速度不一样，混着用既省钱又高效。WorkBuddy 的工作台界面一般包含三个区域：左侧是会话列表和提示词模板库，中间是对话窗口，支持多轮对话和文件拖拽上传，右侧是模型切换和参数设置区，可以在同一段对话里切换不同模型，方便对比结果。

使用上有一个关键经验：把常用的提示词固化成模板。我给 WorkBuddy 准备了几个高频模板，包括"总结笔记""扩写段落""生成标签""翻译润色"。每次需要做对应操作，直接选模板而不是现场打一大段提示词，效率能提升好几倍。模板的写法也有讲究，好的模板开头要限定角色和任务，中间给出输入内容的占位符，结尾规定输出格式。比如"总结笔记"模板我会写成：你是一位知识管理助手，请对下面的内容输出三句话以内的核心观点，并列出两个值得延伸的问题。[待总结内容]。这样 AI 的输出结构稳定，后期整理成本低。

2.3 Gitee 仓库创建与 SSH 密钥配置

Gitee 部分我分两块讲：仓库创建、Git 与 SSH 配置。仓库创建很直接，登录 Gitee 之后点"新建仓库"，填一个仓库名，比如 my-knowledge-base。选择"私有"还是"公开"要看你的笔记内容性质：如果准备用 Gitee Pages 对外发布，那仓库必须是公开的；如果只是私人备份，我强烈建议选私有，最安全。在"添加 .gitignore 模板"这一步选 None 即可，因为知识库仓库里基本全是 .md 文件，没有需要忽略的冗余内容。

Git 配置这里最容易出问题的是 SSH 密钥。用 SSH 协议可以免输密码推送，体验比 HTTPS 好太多。完整配置步骤如下：先在本地终端执行 ssh-keygen -t rsa -b 4096 -C "你的邮箱"，一路回车生成密钥对；然后找到生成的公钥文件，默认位于用户目录下的 .ssh/id_rsa.pub，用文本编辑器打开，全选复制；接着打开 Gitee 的"设置 → SSH 公钥 → 添加公钥"，把复制的内容粘贴进去，起个备注名保存；最后在终端执行 ssh -T git@gitee.com 测试连通性，看到类似 "Hi, 你的用户名! You've successfully authenticated" 的提示就说明配置成功。

密钥配置好之后，在仓库的"克隆/下载"按钮里选择 SSH 地址，形如 git@gitee.com:用户名/仓库名.git。本地执行 git clone 这个地址，就能把远程仓库拉下来了。这里还要提醒一点：如果你电脑上之前配过 GitHub 的 SSH 密钥，这套流程同样适用，Gitee 和 GitHub 的密钥可以共存，互不干扰。

3. 三联组合实操：从零跑通一套知识流水线

环境搭好之后，接下来是最重要的部分：怎么把三个工具串起来，形成一条真正能跑通的知识流水线。我用一个实际场景走完整条链路，你看完照着做一遍，基本就能感受到这套组合和普通云笔记的本质区别。

3.1 用 WorkBuddy 把碎片笔记改造成结构化卡片

先描述场景。假设我今天在读一篇文章，看到一段关于"检索增强生成（RAG）"的讲解，觉得很有价值。以前的我会复制粘贴到 Obsidian 里存起来，然后……就再也没看过。现在我的流程完全不同。

第一步，随手把原文粘贴到 Obsidian 的一个速记文件里，文件名就叫当天日期加"速记"，内容可能是"RAG = 检索增强生成，解决大模型幻觉，核心是把知识库检索结果拼进 prompt，原文链接……"。这一步只花一分钟，先把素材收进来，不求格式。第二步，打开 WorkBuddy，选中"生成标签"模板，把这整段速记文本丢进去，它会返回一组建议标签，比如 #AI #RAG #大模型 #检索。我筛选后贴到笔记的属性区，这篇速记就有了初步的归类。第三步，用 WorkBuddy 的"扩写整理"模板，让它把这段速记扩写成一张三百字左右的笔记卡片，包含定义、核心机制、适用场景。最后我把 AI 生成的内容仔细过一遍，修正细节，存到正式笔记目录里。

这一步的关键在于：AI 生成的内容必须经过人工复核。WorkBuddy 再聪明，它也可能在你熟悉的领域里出现事实错误。我的习惯是让 AI 先给框架，再由我补充自己理解的例子和实际项目中的验证情况。AI 负责结构化，人负责准确性，各司其职才能既不浪费 AI 的效率，也不丢掉笔记的可靠性。

3.2 用双链与标签让 AI 帮你建立知识关联

笔记写完之后，仓库里最难的是"知识关联"这一步。传统的文件夹分类有一个天生的问题：一条笔记只能放在一个地方，但一个知识往往属于多个主题。Obsidian 的双链机制恰恰解决了这个问题，而且它并不需要你预先设计完整的分类体系，而是"用的时候随手连"，让知识网络自然生长。

我的做法是，每次写完一张笔记卡片，会花三十秒做三件事：打开关系图谱看看这条笔记有没有出现在其他笔记的链接里；在正文里用 [[]] 把涉及的已有概念链接上，比如写 RAG 卡片时，链接到已有的"大模型幻觉""向量数据库""Prompt 工程"三张卡片；如果发现链接指向的笔记还不存在，就顺手创建一篇空白笔记，作为下一步要补的内容。这样积累两三个月之后，关系图谱里会自然形成几个知识簇，每个簇就是一个主题领域。

这一步 WorkBuddy 也能帮上大忙。把一篇新笔记整篇丢给它，让它"找出这篇笔记里最值得建立链接的概念，并且给出对应的笔记标题建议"，它会列出每个概念应该链接到什么标题。在笔记数量多、关联复杂的时候，这个功能省下的时间非常可观。我用这个方式把过去几百条散落的笔记重新建立了关联，原来孤零零躺在仓库里的笔记，现在都有了自己的上下文。

3.3 用 Gitee 实现多设备同步与日常备份

笔记和 AI 加工都跑通之后，剩下来的是同步与备份。我的同步策略很简单但很稳定：工作日下班前、周末总结时，各执行一次 git 推送。具体命令无非这几条：

cd /d/KnowledgeBase # 进入仓库目录 git add -A git commit -m "日常笔记更新" git push origin main

如果你有多台设备，每台设备第一次使用时执行 git clone 把仓库拉下来，之后每次在设备 A 上写完笔记推上去，在设备 B 上先 git pull 再写，就不会冲突。这里有个我踩过坑后总结出来的关键习惯：先 pull 再 push。如果你在设备 B 上忘了 pull 就直接开始写新笔记，最后 push 的时候大概率会遇到版本冲突，因为两边的提交历史已经分叉了。解决起来虽然不算麻烦，但平白多花时间，不如养成"打开电脑先 pull"的习惯。

Git 备份最大的价值在于可回滚。有一次我批量改笔记文件名，用了一个不够严谨的重命名脚本，结果一百多篇笔记的链接全部失效。换了云笔记软件我可能就哭死了，但因为仓库每天推送，我直接 git log 找到改动前的那次提交，git revert 又把所有链接恢复了。这种"随时可以后悔"的安全感，是云笔记的回收站给不了的。

3.4 用 Gitee Pages 把知识库发布成个人站点

如果你想把部分笔记分享给他人看，Gitee Pages 是一条成本很低的路径。它可以把仓库里的 Markdown 文件渲染成静态网页，直接得到一个类似个人文档站的链接。具体操作路径是：进入仓库 → 服务 → Gitee Pages → 选择部署分支（一般是 main）和目录（仓库根目录），提交之后等几分钟自动生成站点 URL，之后每次推送代码都会触发页面更新。

有一点必须注意：Gitee Pages 要求仓库公开。所以我不建议把私人笔记和对外发布的内容放在同一个仓库里。我的做法是维护两个仓库：private-notes 存全部笔记（私有），public-wiki 是精选内容（公开）。公开仓库里的内容在发布前我会用 WorkBuddy 统一校对一遍，把个人信息和敏感内容全部摘除，确认没有遗漏再推上去。如果你准备用自定义域名，需要在仓库设置里配置域名解析，Gitee 官方文档写得很清楚，照着操作一遍即可。唯一要提醒的是域名解析生效需要几分钟到几小时不等，别刚配置完就急着看效果。

4. 常见问题与排查技巧实录

这条流水线跑了好几个月，期间遇到过不少问题，也帮朋友排查过一些。下面按工具分类整理，都是真实踩过或者验证过的案例，希望能帮你省掉一部分试错时间。

4.1 Obsidian 相关的三个高频问题

第一个是社区插件市场打不开，或者装插件时提示无法安装。很多人在装 anuppuccin 这类热门主题插件时都遇到过这个提示。原因大多出在网络环境，第三方插件的加载源不稳定。实测下来有两个解决办法：一是从插件的 GitHub 仓库直接下载压缩包，解压后手动放入 Obsidian 库目录下的 .obsidian/plugins 文件夹，然后在第三方插件设置里启用；二是在插件市场设置里切换下载源到可达的镜像地址，切换后重新搜索再安装。手动安装的方式虽然多几步，但胜在稳定，我用它装过好几个依赖市场加载的插件。

第二个问题是文件链接失效。当你批量移动目录或者用外部工具重命名文件时，Obsidian 的链接如果处理不当就会断连。最核心的预防手段是开启设置里的"自动更新内部链接"选项，使用内置的重命名命令来改名。一旦发现链接已经断了，可以试试 Obsidian 自带的"查找断链"功能，它能列出所有失效链接，再逐个手动修复。断链问题不需要恐慌，但最好做到防患于未然。

第三个问题是库太大导致卡顿。三千多条笔记虽然打开不慢，但关系图谱在加载全库时要渲染所有节点，确实会卡。解决办法是给图谱视图设置过滤条件，比如只显示最近修改的一百条，或者用标签过滤只显示某个主题的子图。我日常看图谱都是开过滤的，只有做全库梳理的时候才会放开全部节点。

4.2 WorkBuddy 使用中的典型问题

WorkBuddy 的问题主要集中在模型配置和缓存占用上。第一个问题是有人下载后发现是英文界面，因为 WorkBuddy 的版本与国际版、国内版的区分有关，部分版本默认显示英文。解决办法是切换到对应版本，或者在设置里找到语言选项切换为中文。不同版本的界面布局和内置模型有差异，建议以你安装的版本实际界面为准，核心概念都是相通的。

第二个问题是模型输出不稳定，同一个问题来回几次结果差很多。这多半是没调好参数。我实测的经验是：创意写作类任务把温度参数调高，让输出更有发散性；总结归纳类任务则要调低，让输出更稳定。WorkBuddy 右侧参数区有一个随机性滑杆，总结笔记时我通常设置到 0.3 以下，结果会稳定很多。如果你发现 AI 开始"编造"内容，先检查是不是温度调太高了。

第三个问题是缓存目录过大。AI 对话的历史记录和应用缓存会随着使用不断增长，工作时间久了占据几个 GB 很正常。WorkBuddy 在设置里提供了缓存目录配置入口，可以把缓存迁移到数据盘，避免系统盘空间被吃光。迁移之后需要重启应用才完全生效。我现在的缓存目录放在单独的数据分区，跑了大半年系统盘的空间占用一直很健康。

4.3 Gitee 同步与部署的常见坑

第一个坑是 push 时提示权限不足或者要求重复输入用户名密码。这几乎都是 SSH 密钥配置不正确导致的。排查顺序有三步：先确认公钥确实添加到了 Gitee 的 SSH 设置里；再确认本地远程仓库地址用的是 SSH 格式而非 HTTPS 格式，可以用 git remote -v 查看；最后用 ssh -T git@gitee.com 测试本地密钥是否被正确加载。这三步走完，九成以上问题都能解决。

第二个坑是新建仓库时不知道怎么选开源许可证。如果是私人笔记仓库，其实不需要许可证；如果公开分享内容，最省心的是选 MIT 或 GPL-3.0。对知识库这类以内容为主的项目，我更建议 MIT，它允许别人自由使用你的内容，只要保留版权声明即可，传播门槛最低。GPL-3.0 则要求衍生作品也以相同许可证开源，适合代码项目，对笔记内容来说约束偏严。

第三个坑是 Gitee Pages 更新延迟或者页面不刷新。Pages 服务对仓库内容有一定审核机制，公开仓库里如果有不合规内容会被打回。解决办法是把公开仓库和私人仓库严格分离，发布前人工审一遍内容。另外 Pages 构建本身有延迟，推送后等几分钟再刷新页面，不要频繁触发构建。我碰到过一次连续推送三次不更新的情况，后来发现是仓库里留了一个大体积的图片文件拖慢了构建，清理掉之后就好了。

5. 实测效果与值得扩展的方向

这套流程跑通之后，我的知识库从"只进不出"变成了"活水"状态。每周新增大约五到十张结构化笔记卡片，配合 Git 历史能清晰看到自己的知识沉淀轨迹。WorkBuddy 把 AI 从偶尔调用的工具变成了知识流水线里固定的一环，Obsidian 则保证了所有内容永远是本地可控的纯文本。过去半年里，我查资料、写文章、准备分享内容的速度明显变快了，因为大部分素材在需要的时候已经被整理成了可直接使用的卡片。

5.1 这套流水线实测下来的效果

最直观的变化是整理笔记的阻力变小了。以前想到要去翻旧笔记、补标签、建链接，总觉得是个大工程。现在整套流程被拆成了几个一分钟以内的动作：随手贴进速记、让 WorkBuddy 出标签和结构、人工确认后归档、每天定时推送。任何一环都可以单独中断，不影响整体运行。另一个变化是知识检索的准确度提升了，因为双链让相关笔记彼此靠近，搜索一个概念时往往能顺藤摸瓜找到一串相关内容。

5.2 值得继续扩展的两个方向

这套组合的扩展空间比我预期的要大。一是可以给 Obsidian 接入自动化脚本，利用 Templater 配合 Dataview 写一些批处理模板，再让 WorkBuddy 定期生成汇总摘要，每天自动生成一张"今日新增笔记"的日报，像复盘一样回顾自己的学习轨迹。二是把公开 wiki 做成一个完整的个人数字花园，用标签页分类、建立目录页，内容积累到一定程度之后，它就是你的个人品牌资产，面试、接项目、写文章时都能直接拿出来用。

我个人在实际操作中最大的体会是：这套组合真正的门槛不在技术，而在习惯。工具配置一遍就能跑，但"随手记录加三十秒链接加每日推送"这三件事组成的节奏，才决定了知识库会不会荒废。我建议你先跑通最小闭环：一个笔记目录、一台电脑、一条 git 推送命令，然后一点点把 AI 加工、多设备同步、页面发布加进来。知识库的价值从来不在于存了多少东西，而在于这些积累能不能在你需要的那一刻随取随用。