#从「第二大脑」到 AI 工作系统：我如何把 Aino 建在 LifeOS 之上

#LifeOS 先走过了一段很长的路

我不是从这一轮 AI 热潮才开始做 LifeOS 的。最初，我把自己基于 Obsidian 搭建的个人工作流公开到了 GitHub。到本文写作时，开源版已经获得 1,000+ GitHub Stars，累计下载量超过 50,000 次，付费版用户也超过 1,000 人。2024 年，LifeOS for Obsidian 还获得了 Obsidian 年度宝石奖「最佳模板」季军。

对我而言，数字当然不是全部。我更看重的是，越来越多人真的把 LifeOS 用在每天的记录、任务、项目、日历和周期复盘里。LifeOS 能走到今天，靠的正是大家长期的使用、反馈与喜爱。

我把这套方法概括成一句话：「从每天随手记开始，把任务、项目、日历和回顾串起来，不再靠脑子硬记。」 在 LifeOS 官网首页，我先用六项核心特性说明社区版的底座：开箱即用、无压记录、快速取回、周期笔记、知识管理和专用插件。我想解决的从来不是某一个孤立功能，而是怎样把每天产生的信息变成以后找得到、接得上、能继续行动的个人系统。

在这层底座之上，我又用几组真实界面展示 LifeOS Pro 和 DeepAsk 如何把这套方法变成日常工具：

#日程规划：把任务真正放进时间里

我在 LifeOS Pro 中加入了大日历：可以把任务拖进日历规划截止时间，并在月、周、日程、四象限、看板和时间线等视图之间切换；需要时，还可以把远程日历集中到同一处管理。

#高级列表：从散落的 Markdown 中找回行动

文件、任务和子弹笔记不该因为分散在不同笔记里就失去联系。因此，我为高级列表加入了搜索、排序、过滤和分页，让人可以从主题与状态出发，快速定位当前要处理的内容。

#主页视图：让输入、项目、任务和输出形成闭环

我又把捕获、项目、任务和表达放进同一个主页视图，并加入习惯统计和闪念漫游。我希望 LifeOS 不只是一套文件目录，而是一张每天都能回到其中继续工作的操作台。

#DeepAsk AI：让笔记开始参与思考

在做 Aino 之前，我已经通过 DeepAsk 探索 AI 与笔记上下文的结合：围绕当前笔记、标签、文件和时间范围对话，让 AI 不只是回答通用问题，而是读取与你正在处理的事情相关的材料。

这些特性构成了我做 LifeOS 的第一阶段：记录信息、建立结构、安排任务、回看进展，并开始让 AI 参与理解。它们也让我逐渐看见下一个问题：如果 AI 不再只是一个插件面板，而要深入整理、执行、复盘乃至生成专用工具，我应该怎样从底层重新设计产品？

这条路也早于今天的 Aino。2023 年，我在少数派写过一篇《如何「构建第二大脑」，这是我的 Obsidian 实践配方》。那篇文章记录的已经是 LifeOS 当时的实践：把人的大脑比作 CPU，把第二大脑比作外置存储，让大脑专心处理当下，由笔记系统保存暂时不必记住、以后又需要找回的上下文。

之后，我沿着这套方法持续迭代 LifeOS：用周期笔记管理时间，用主题笔记管理项目、领域和知识，再通过任务、标签、链接和复盘把两套系统连接起来。

#为什么还要做一个独立的 Aino

正因为我已经把 LifeOS 在 Obsidian 中做得足够深入，我也逐渐看清了两条不同的产品路线。我在《Obsidian vs Aino》中解释过：我会继续维护和迭代 Obsidian 插件路线的 LifeOS Pro，同时用 Aino Desktop 探索独立桌面应用路线。它们不是替代关系，而是两种 Markdown Workspace 的打开方式。

我决定独立开发 Aino，并不是因为 Obsidian 做不到 AI，也不是要把 LifeOS Pro 停掉。当 AI 从「偶尔问一句」变成工作流的一等参与者时，我需要把上下文选择、模型与 Skill、文件权限、diff 审核、任务和日历、长期工作现场以及小程序运行环境，组织在同一套可控的交互边界里。独立桌面应用让我可以从整体上设计这条链路，而不只是再增加一个插件面板。

今天，「把东西存下来」已经不是终点。我还希望系统能理解这些积累，在需要的时候找到相关材料、梳理现状、提出下一步，甚至在获得授权后修改笔记、推进任务。

这就是我做 Aino 的出发点：不是在笔记软件旁边加一个 AI 聊天框，而是在 LifeOS 已经形成的上下文之上，让 AI 进入记录、整理、执行和复盘的完整循环。

#为什么很多「AI 笔记」用久了还是聊天

第一次让 AI 总结一篇笔记，效果通常很惊艳。但当你继续问「我这个项目现在进行到哪了」「这周最值得关注的问题是什么」，答案往往开始变得含糊。

问题不一定在模型，而在上下文。

一个通用聊天窗口不知道：

• 哪些文件属于正在推进的项目，哪些只是参考资料；
• 一条记录发生在今天、上周，还是已经失效的去年；
• 哪些待办是项目下一步，哪些只是顺手记下的想法；
• 周记、项目索引和日记之间有什么关系；
• 修改笔记时应该写到哪个区块、使用什么模板、遵循什么命名规则。

把整个知识库一次性塞给模型，并不能真正解决问题。上下文越多，噪声也越多；更重要的是，AI 仍然不知道这套系统如何运转。

我越来越确信：AI 需要的不只是更多文本，而是一套有坐标、有边界、有规则的长期上下文。 这正是 LifeOS 已经在做的事。

#我用 LifeOS 为 AI 准备了什么

我在 LifeOS 中始终围绕两套系统工作。

第一套是周期笔记。日记、周记、月记、季记和年记把生活与工作的变化放到时间轴上。AI 想知道「最近发生了什么」，可以沿着明确的日期范围读取，而不必在所有文件里猜测。

第二套是主题笔记。项目、领域、资源和存档给每件事一个主题坐标。AI 想推进某个项目，可以从项目索引、相关任务和近期记录开始，而不是把整个知识库当作一团无差别的文本。

两者之间再通过标签、链接、任务和模板连接起来。于是，笔记不再只是文档，而是带有时间、主题、状态和操作约定的数据。

这层基础非常重要。没有 LifeOS，AI 得先花大量时间理解「你的笔记怎么放」；有了 LifeOS，它才有机会进一步理解「你正在做什么」。

#在 Aino 里，AI 如何进入工作流

我在 Aino 中把这套能力组织为 AI 问答、AI 总结、AI 复盘、AI 整理、AI 小程序和 AI 智能执行。它们看起来是六项功能，实际对应的是同一条工作链：先理解上下文，再压缩信息、整理材料、回看结果，最后生成专用工具或执行行动。

#1. 上下文不是自动全选，而是随任务进入

我为 Aino 右侧栏设计了几种明确的上下文入口：用 # 选择标签、用 / 选择文件、用 @ 选择时间范围、用 $ 加载 Skill、用 ! 使用提示词。当前笔记、当前网页和手动附加的材料也可以成为本轮上下文。

这是一种有意的设计：AI 不需要永远看见整个知识库，而应该在完成某个任务时拿到恰当的材料。

例如：

• 「用 @ 选择最近 7 天，帮我整理已经完成、延期和可能被阻塞的事项」；
• 「结合 /产品改版.md 和 #用户反馈，给出下周最值得验证的三个假设」；
• 「读取当前网页和项目笔记，把值得保留的观点整理成一段带来源的研究记录」。

上下文从 LifeOS 的时间轴和主题网络中被选出来，问题才真正和你的工作发生关系。

#2. AI 总结不是终点，而是下一步的入口

总结是 AI 最常见的能力，但在 Aino 里，它不只针对当前打开的一篇文章。你可以让 AI 总结一篇长文、一组项目资料、刚剪藏的网页，或某个时间范围内的周期记录，再从结果中提取关键观点、决定和下一步。

结果可以继续追问、复制，或直接导出为 Markdown。需要进入知识库时，你可以再把它写入主题笔记、项目索引，或交给编辑模式生成可审核的任务与修改。

这也区分了「总结」和「复盘」：总结回答的是「这些材料说了什么」，复盘还要结合目标、行动与结果，回答「发生了什么、为什么，以及下一轮怎么调整」。

#3. 从问答到编辑，再到智能体执行

我把 AI 分成三个逐步增加能力的模式：

• 问答只读，用来总结、解释、比较和分析；
• 编辑针对当前或相关笔记提出修改，应用前必须确认；
• 智能体可以跨文件搜索、创建和更新内容，也能调用 MCP 工具或本机 Agent 完成多步骤任务。

这三个模式并不是为了堆功能，而是在表达不同的信任级别。你可以先让 AI 看懂，再让它提出修改，最后才把一整段工作委托出去。

#4. AI 工作台把一次对话变成持续现场

聊天的天然问题是上下文会随着会话结束而散掉。一个真实项目却可能持续几周甚至几个月。

AI 工作台会围绕项目、任务、主题或输出建立一个「工作现场」。项目索引、关键任务、长期参考和主要输出可以作为现场材料跨会话保留；右侧栏附加的文件、日期和网页则只服务当前一轮。

当你把「AI 整理」「生成下一步」「检查阻塞」或「生成输出」交给 AI 时，它会先读现场，再按需探索其它材料。执行结束后，工作台还会告诉你它实际读取了什么、更新了哪些文件、是否发现了现场之外的新材料。

目前 AI 工作台仍是实验功能，但它代表了我对 AI 笔记更重要的判断：AI 不应该只记住聊天记录，它应该回到工作对象本身。

#5. Skill 让 AI 学会 LifeOS，而不只是读到 LifeOS

只有文件访问还不够。一个 Agent 即使能看到整个 Vault，也未必知道周期笔记路径、主题模板、任务语法和复盘区块。

我把这些方法写进 LifeOS Skill，变成 AI 可以执行的规则。Aino 会读取当前 Vault 的真实设置，让 AI 知道你的 PARA 文件夹叫什么、日记放在哪里、模板如何渲染、写入前需要检查什么。

于是你可以直接说：

记到今天的日记：14:30 和产品开了需求评审。

创建一个“新版网站上线”项目，使用当前项目模板，
再把今天讨论的三个下一步写进项目索引。

先盘点这个旧资料文件夹，给出第一批分类建议，
不要移动文件，等我确认。

Skill 的意义不是提供一组漂亮的提示词，而是让方法论成为稳定、可复用、可检查的操作协议。同一套 LifeOS 规则也可以被 Aino 右侧栏、Claude Code 或 Codex 使用。

#6. 整理与复盘不再是两个孤立按钮

我在 LifeOS 中一直强调「先捕获，再整理」和周期复盘。到了 Aino，我把 AI 放进了这两个原有节点。

AI 整理会先从捕获区、主题笔记或周期记录中筛出候选项，再把明确的范围交给智能体。AI 可以提出摘要、标签、合并或移动建议；后续变更是进入编辑器 diff，还是由 Agent 按权限执行，取决于当前的 Edit / Agent 模式和授权设置。

AI 复盘则从当前周期出发，先给出到期与实际完成任务、活跃笔记、周期笔记、推断项目和习惯等有界证据，再由 Agent 分析进展与可能的阻塞。你可以继续讨论和更新报告；报告确认后，再要求 Agent 写回复盘笔记或创建下一周期任务，所有写入都先展示变更预览。

这时 AI 不是额外制造一份总结，而是在 LifeOS 原本就存在的整理和复盘节奏中工作。今天的记录进入项目，本周的变化进入周记，本月反复出现的问题又成为下一轮计划的依据。

#7. AI 小程序让 Markdown 长出自己的界面

LifeOS 已经把很多内容变成了带有标签、Frontmatter、区块和关系的 Markdown，但每个人最终想看的界面并不一样：有人需要客户跟进台，有人需要项目驾驶舱，也有人只想看自己的阅读、习惯或内容发布进度。

我在 Aino 中加入了 AI 小程序：你可以直接描述需求，AI 会先确认用途、数据来源、记录格式和读写方式，再生成 HTML、CSS、JavaScript 与 Markdown 数据契约。Aino 会展示示例笔记，等你确认后才保存源码和示例数据；生成的源码还要经过宿主校验，并在隔离沙箱中运行。

例如，你可以说：

为“个人品牌”项目做一个内容发布台：
读取带 #内容选题 标签的 Markdown，按想法、写作中、待发布和已发布分组；
卡片里显示平台、计划日期和关联文章，并允许更新状态。

AI 负责生成界面，业务数据仍然是普通 Markdown。小程序只能通过 Aino 提供的 Host SDK 按已确认的数据契约读写，不能任意访问网络。以后即使不用这个界面，原始笔记依然可以直接打开、搜索和迁移。

AI 小程序目前也是实验功能。它把 AI 和 LifeOS 的结合再向前推了一步：不只是让模型读写现有笔记，而是让每套个人工作流都能按需获得一个专用界面。

#8. 最后的控制权必须留在人手里

当 AI 开始真正操作笔记，「它能不能改」不是唯一问题，「我能不能看懂它改了什么」更重要。

在编辑模式，以及 AI 整理、AI 复盘等开启预览确认的工作流中，Aino 会把新增、删除与改写显示成编辑器 diff。你可以按文件或按片段接受、拒绝。普通智能体或本机 CLI Agent 是否直接写入，取决于当前模式和你授予的权限；写入、删除与 MCP 工具也分别受权限边界约束，并保留审核或撤销入口。

我希望 AI 带来的不是一种「交出去就别管了」的自动化，而是更低成本的人机协作：AI 负责搜索、归纳和执行，人负责目标、判断与最终确认。

#一个完整例子：让 AI 推进「新版网站上线」

假设我正在推进一个持续四周的网站改版。

平时，会议结论、用户反馈和零散想法先进入日记；明确的行动写成任务，并用项目标签和「新版网站上线」连接。网页资料通过 Aino Web Clipper 进入本地 Markdown，重要参考再加入项目现场。

周中，我打开这个项目的 AI 工作台，让 AI 做三件事：

1. 根据项目索引、最近日记和任务，说明当前进度；
2. 找出没有负责人、没有下一步或长期未更新的事项；
3. 给出接下来三天最值得推进的动作。

如果结论合理，我切到编辑模式，让 AI 更新项目索引。Aino 展示 diff，我逐块接受。需要查询外部数据时，智能体可以通过 MCP 调用我明确启用的工具；需要复杂的跨文件工作时，也可以交给本机 Claude Code 或 Codex。

周末进入 AI 复盘。Aino 沿着本周时间范围整理到期与实际完成任务、活跃笔记、项目和习惯等证据，再由 Agent 分析延期、可能的阻塞和新发现。我补上只有自己知道的判断：为什么延期、什么决定是错的、下周真正要舍弃什么。确认报告后，我再要求 Agent 把复盘写回周记，并把新行动加入项目和任务系统；写入前先审核变更预览。

于是形成一个闭环：

日常捕获 → LifeOS 建立时间与主题关系 → AI 整理和分析
        → 人做判断 → AI 执行或提交可审查修改 → 周期复盘 → 进入下一轮

这个流程里，模型可以替换，工具可以增加，但项目、记录、判断和结果始终留在自己的 LifeOS 中。

#本地优先，是 AI 时代更重要的底座

我始终坚持本地优先：Aino 把笔记保存为你选择目录里的本地 Markdown，可以直接打开 Obsidian Vault，也不要求把整个知识库迁入某个专有云端格式。

桌面端 AI 由你配置自己的模型 API、兼容端点、Ollama，或本机 Claude Code / Codex。我没有让 Aino 默认把整个 Vault 一次性上传给模型；每次请求只会把界面中启用或可见的当前笔记、网页、手动选择的材料和会话历史，以及运行任务所需的系统指令与 Skills，按照所选服务的方式交给对应模型或工具。在 Agent 模式中，你授权的文件工具、MCP 或本机 CLI Agent 还可能按任务需要读取其它文件，并把必要的工具结果发送给所选模型或服务；工作现场是优先上下文，不是安全沙箱。Aino 默认不提供托管的桌面端 AI 推理。

本地优先并不意味着完全拒绝网络，而是让数据位置、模型选择和授权边界保持清楚。即使未来更换模型、停止使用 Aino，Markdown 文件、目录结构和 LifeOS 工作流仍然属于你。

#Aino 不是要替代 Obsidian

我最初在 Obsidian 上实现 LifeOS，也仍然喜欢它的插件生态和高度可定制性。Aino 与 Obsidian 可以打开同一个 Vault：

• 想使用丰富的社区插件和自由组合，继续在 Obsidian 中工作；
• 想让 AI 带着 LifeOS 规则理解和推进当前工作，就打开 Aino；
• 文件仍然是同一批 Markdown，不需要在两个封闭系统之间导入导出。

在我看来，Aino 更像是 LifeOS 面向 AI 时代的一种新界面。它没有丢掉原来的时间系统、主题系统和本地文件，反而把这些积累变成 AI 真正可以使用的长期上下文。

#如何开始

如果你已经有 LifeOS 或 Obsidian Vault，可以直接用 Aino 打开；如果没有，也可以从 Memos、IPO、GTD、PARA 或 OPC 示例库开始。

我的建议是循序渐进：

1. 先用日记和一个真实项目记录一周，让系统拥有真实上下文；
2. 在 设置 → AI 配置模型、兼容端点或本机 CLI Agent；
3. 在右侧栏安装 LifeOS Skill，先用问答模式总结和查找；
4. 确认 AI 理解你的结构后，再尝试编辑模式和 diff；
5. 最后才把多步骤工作交给智能体、AI 工作台或 MCP 工具。

不要一开始就追求「让 AI 自动管理一切」。先让笔记系统真实反映你的工作，再逐步把重复、机械、可检查的部分交给 AI。

#写在最后

三年前，我把第二大脑理解成第一大脑和现实世界之间的一层缓存。它替我保存上下文，让我可以专注当下。

现在，这层缓存开始拥有理解和行动能力。但我并不希望它取代第一大脑。真正重要的变化是：当我需要回到一个项目、一次复盘或一段长期生活时，AI 不再面对一片空白，也不必靠我重新讲述一切。

LifeOS 让经历成为有结构的长期上下文，Aino 让 AI 在这份上下文中工作。

第二大脑负责不遗忘，AI 工作系统负责把记忆重新变成行动。