Skip to content

canxer314/ThinkFlywheel

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

37 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

ThinkFlywheel · 知行飞轮

个人认知复利引擎 —— 每次完成任务,都让未来的任务更简单。

ThinkFlywheel 是一套运行在 Obsidian + Claude Code 上的个人工作与生活管理系统。它融合了四种方法论:

方法论 解决的问题
防弹笔记法 (Esor) 任务不丢、执行不卡、问题不遗忘
Atomic Notes + FSRS-6 学过的知识能记住、能复用
LLM Wiki (Karpathy) AI 帮你编译、索引、交叉引用所有知识
简化 PMO 多任务目标的进度可视、风险可追踪

核心洞见:大多数人的任务系统、知识库、记忆系统是三个孤岛。知无法指导行,行无法沉淀知。ThinkFlywheel 把它们连成一个飞轮:完成任务 → 产生知识 → 进入记忆 → 新任务浮现 → 更好执行。复利循环。


文档导航

你想做什么 去看
从头搭起来 快速开始上手指南
5 分钟看完整流程 5 分钟走一遍
某个技能怎么用 技能参考
看真实使用案例 工作流示例
出问题了 故障排查
想改系统配置 定制指南
理解架构设计 完整架构文档(含深度分析)
搭配增强技能 增强模式:planning-with-files + agentmemory
看版本更新记录 CHANGELOG

快速开始

前置条件

  1. Obsidian ≥1.12下载安装
  2. Claude Code安装 Claude Code
  3. Python 3.8+ — FSRS-6 间隔重复引擎需要(纯标准库,无外部依赖)

安装

# 1. 克隆仓库
git clone <your-repo-url> thinkflywheel
cd thinkflywheel

# 2. 运行安装脚本(将 vault/ 复制到你的工作目录)
#    Windows:
.\install.ps1 -TargetPath "C:\Obsidian\MyVault" -InitGit

#    macOS / Linux:
./install.sh -t ~/Obsidian/MyVault --init-git

# 3. 按脚本输出的指引:打开 Obsidian → 安装 obsidian-skills → 启动 Claude Code

2 分钟试跑

# 1. 进入安装目录, 验证 CLI 可用(需 Obsidian 运行中)
cd "C:\Obsidian\MyVault"    # 替换为你的目标目录
obsidian help                # 应显示 100+ 可用命令

# 2. 启动 Claude Code
claude

# 3. Claude Code 启动后自动加载 .claude/rules/ 中的操作规则。验证:
"系统里定义了哪些卡片类型?"
# 预期: Claude 列举 10 种卡片类型

# 4. 创建第一个防弹任务笔记
/task 整理本周工作优先级
# 预期: 在 Tasks/active/ 下创建带 4 要素的笔记, AI 自动从 vault 搜索相关知识填入材料堆

# 5. 生成今日上下文简报
/briefing
# 预期: 生成 Daily/YYYY-MM-DD.md, 包含活跃任务 + 到期复习 + 项目健康

# 6. 快速系统体检
/health quick
# 预期: 多维度健康报告, 综合评分(初期有很多"警告"是正常的)

详细设置步骤和故障排除见 上手指南


5 分钟走一遍

用一个具体任务"整理本周工作优先级"展示核心飞轮:

Step 1: 创建任务
> /task 整理本周工作优先级
→ Tasks/active/ 下创建带 4 要素(目标/材料/行动/吐槽)的笔记

Step 2: 执行完成后告诉 Claude
> 本周工作优先级整理完了, 下周重点是 Q2 OKR 复盘
→ 任务状态更新为 done

Step 3: 复盘, 提取知识(关键桥接!)
> /retro 整理本周工作优先级
→ AI 分析"问题与吐槽", 双提议 insight/atomic 卡片, 你选择接受

Step 4: 复习知识卡片
> /review
→ 刚接受的 atomic 卡片进入复习队列, 自评 1-4 分, FSRS-6 自动调度

Step 5: 看飞轮效果
> /briefing
→ 活跃任务 + 到期复习(交叉引用关联任务)+ 项目健康, 一页全貌

这个循环重复得越多, 系统价值越大。更多场景见 工作流示例


系统架构

+==========================================================+
| L4: GOVERNANCE     /health  /decide  /briefing            |
| AI 扫描:断链、孤儿卡片、知识-行动断层、领域失衡           |
+==========================================================+
    |                    |                    |
    v                    v                    v
+----------------+ +----------------+ +----------------+
| L3: TASK       | | L2: KNOWLEDGE  | | L1: MEMORY     |
| 防弹笔记法      | | LLM Wiki       | | FSRS-6 间隔重复|
| /task /project | | /note /ingest  | | /review        |
| /flow /meeting | | /query         | |                |
| /retro         | |                | |                |
| "要做什么"      | | "我知道什么"    | | "我记住什么"    |
+----------------+ +----------------+ +----------------+
    |                    |                    |
    +--------------------+--------------------+
                         |
                         v
              +--------------------------+
              | L0: AGENT CONTEXT        |
              | Transparent Memory + MCP |
              | profile / constraints    |
              | agent-log / sessions     |
              | "Agent 对你的已知事实"    |
              +--------------------------+

四层通过 Markdown 文件 + YAML frontmatter + Hooks 双向流动,Git 版本控制。

这不是上下堆叠,是飞轮。 任务完成产生洞察 (/retro),洞察进入记忆 (/review),记忆浮现于晨报 (/briefing),晨报指导新任务——每一圈都让下一圈更轻松。


核心工作流

早晨 /briefing  →  看今日任务 + 到期复习卡片 + 触发流程
   ↓
执行 /task      →  做事,/flow 提供 SOP,/meeting 记录会议
   ↓
完成 /retro     →  提取教训为原子卡片,回写 Flow 经验
   ↓
复习 /review    →  卡片进入 FSRS-6 间隔重复
   ↓
回到 /briefing  →  复习过的知识出现在新任务的晨报中

关键融合点

融合点 技能 发生了什么
晨间融合 /briefing 活跃任务 + 到期复习卡片 + 项目健康 + 历史预警 → 一页上下文
任务创建融合 /task AI 自动搜索 vault 中相关知识填入"原始材料堆",让你不空白起步
完成融合 /retro "问题与吐槽"中的痛点自动提取为原子卡片,痛苦变资产
阅读融合 /ingest 文章处理完后,知识点自动链接到相关活跃任务

12 个技能

每日节奏:什么时候用哪个

早晨刚坐下   → /briefing   每天唯一必跑
开始做一件事 → /task       新任务、新想法、别人交代的事
开了一个会议 → /meeting    记录会议纪要、行动项、决议
建立标准流程 → /flow       固化 SOP/检查清单/流程模板
读了一篇文章 → /ingest     处理成阅读摘要 + 提取知识点
对话中学到了 → /note       双提议提取, 存为卡片
做完了一件事 → /retro      复盘 + 提取知识(关键桥接)
晚上空闲     → /review     5-10 分钟复习到期卡片
需要找东西   → /query      多策略搜索 vault
做重要选择   → /decide     结构化记录 + 未来复查
周末         → /health     全面体检

详细用法见 技能参考

执行组

技能 触发词 什么时候用 功能
/task "new task" "创建任务" "要做X" 开始任何新工作, 想到要做的事 创建防弹 4 要素任务笔记
/project "project" "goal" "目标" "新项目" 多任务协同, 想追踪整体进度 里程碑 + 进度脉搏 + 风险日志
/flow "flow" "流程" "SOP" "常做的事" 建立可复用的标准操作流程 固化 SOP/检查清单,关联 task
/meeting "meeting" "会议" "转录" 开完会需要记录和跟进 结构化会议纪要 + 行动项追踪
/briefing "briefing" "今天" "晨报" "早上好" 每天第一次打开 Claude Code 生成每日上下文简报

知识组

技能 触发词 什么时候用 功能
/ingest "ingest" "read this" "处理" "读一下" 读了好文章想留下笔记 处理原始材料 → 摘要 → 触发知识提取
/note "note" "做笔记" "存笔记" "拆卡片" 对话中学到东西, 值得保留 双提议机制:wikilinks + 原子卡片
/query "query" "find" "搜索" "找" 想查 vault 里记录过的知识 多策略搜索, 综合回答带 wikilink 引用

记忆组

技能 触发词 什么时候用 功能
/review "review" "复习" "今天复习什么" 每天一次, vault 里有卡片后 FSRS-6 间隔重复, 评级调度
/retro "retro" "done" "完成" "复盘" 任务完成或放弃时 复盘 + 自动知识提取(核心桥接)

治理组

技能 触发词 什么时候用 功能
/health "health" "check" "体检" "lint" quick 随时, full 每周 跨系统健康检查, 综合评分
/decide "decide" "decision" "决策" "决定" 做重要选择, 在两个选项中纠结 结构化决策 + FSRS 复查提醒

卡片类型

系统中所有内容以 10 种卡片形式存在:

卡片类型 存储位置 示例
Task Tasks/active/ "Q3 OKR 制定"
Project Projects/active/ "学会 Rust"
Flow Flows/{domain}/ "周报撰写流程"
Atomic Cards/atomics/ "SBI 反馈模型" (进入 SR)
Concept Cards/concepts/ "决策矩阵"
Insight Cards/insights/ "周末部署更容易出错"
Reading Cards/reading/ "某篇文章的阅读摘要"
Decision Decisions/ "DEC-2026-001: 选 React 还是 Vue"
MOC MOCs/ 按领域聚合的内容地图
Review Reviews/ 周报、月报、任务复盘

每张卡片携带 4 维标签:type + domain + status + mastery


AI 权限分级

ThinkFlywheel 采用三级自主权,避免 AI 过度操作:

级别 范围 示例
AI 自主 无需确认 更新索引、追加日志、生成简报、更新项目进度脉搏
AI 提议 + 人确认 双提议机制 创建原子/概念/洞察卡片、添加 wikilink
仅人操作 AI 不触发 设定任务优先级、定义项目目标、做决策

关键原则:AI 做广度(扫描、提议、格式化),人做深度(判断、决定、创造)。


Transparent Memory — Agent 已知事实层

为了不让 AI 每次都从空白开始,ThinkFlywheel 引入了 Transparent Memory (TM)——Agent 在每次对话中自动携带的、关于你的最小化真相集。

TM 的四份文件

文件 内容 谁维护 注入时机
profile.yaml 用户画像:角色、偏好、决策模式、当前优先事项 你审核,Agent 提议 每条消息前
constraints.yaml 全局约束:Agent 在任何建议中必须遵守的硬边界 你定义,Agent 只读 每条消息前
agent-log.md Agent 犯过的错和学到的教训,防止重复犯错 Agent 自动写入 每条消息前
commitments.yaml Agent 未完成的承诺和待办 Agent 自动写入,你定期清理 每条消息前

三级 Hook 自动化

会话启动  →  UserPromptSubmit Hook  →  注入 TM 四件套到 Agent 上下文
会话退出  →  Stop Hook              →  写会话骨架 + 标记 pending_review
上下文压缩 →  PreCompact Hook        →  记录压缩元数据,防止信息丢失
下次简报  →  /briefing Step 0       →  读取骨架 + MCP 召回 + 检测冲突 + 提议 TM 更新

冲突解决

当 TM 与其他信息源矛盾时,优先级:你当场说的话 > Obsidian vault > TM > AgentMemory MCP

为什么 TM 不是 Rules/Skills

三者解决问题的维度不同,不可互相替代:

Rules Skills TM
认识论地位 命令("应该怎么做") 流程("步骤是什么") 信念("什么是真的")
生长机制 人编写,不写不长 人编写,不写不长 Agent 观察→推断→提议,被动生长
信任模型 二进制:100% 正确 二进制:100% 正确 概率化:confidence ≥ 0.8 才注入
错误后果 灾难性(删文件) 流程崩溃 软偏差(建议略偏)
更新延迟 天到周 天到周 1 个会话

Rules 不能替代 TM:你不能把"用户偏好结构化分析"写成 rule——那不是行为指令,是关于世界的事实。Agent 用 rule 限制操作空间,用 TM 调整推理路径。

TM 不能替代 Rules:绝对命令("不删文件")必须是 rule,不能靠 Agent 推断。Rules 是你的意志,TM 是你的镜子。


增强模式:planning-with-files + agentmemory

ThinkFlywheel 的 10 个技能管理的是人的工作和生活。搭配以下两个 Claude Code 生态技能,覆盖范围从"人脑"扩展到"AI Agent 大脑",形成完整的人-AI 协作记忆栈

技能 解决的问题 记忆类型
planning-with-files 复杂多步骤任务怎么不跑偏?AI 的执行进度放哪? Agent 工作内存 — phase 追踪、发现记录、3-strike 错误恢复
agentmemory 会话间上下文怎么不丢失?/clear 后怎么恢复?上次做了什么? Agent 长期记忆 — 会话历史、提交溯源、语义召回

四系统记忆分工

┌──────────────────────────────────────────────┐
│ ThinkFlywheel (人脑外挂)                      │
│ /task /project /note /retro /review          │
│ "我知道什么、我在做什么、我记住了什么"          │
│ 存储: Obsidian vault (Markdown + Git)        │
├──────────────────────────────────────────────┤
│ Transparent Memory (Agent 已知事实层)          │
│ profile.yaml / constraints.yaml / agent-log  │
│ "用户是谁、边界在哪、犯过什么错"                │
│ 存储: vault/.claude/memory/ (Git 版本控制)    │
├──────────────────────────────────────────────┤
│ planning-with-files (Agent 工作内存)          │
│ task_plan.md / findings.md / progress.md     │
│ "这一步做完了、下一步做什么、发现了什么"        │
│ 存储: .planning/ 目录                        │
├──────────────────────────────────────────────┤
│ agentmemory (Agent 长期记忆)                  │
│ session-history / memory_recall / handoff    │
│ "上次我们聊过这个、这个决定是怎么来的"          │
│ 存储: MCP plugin 持久化                       │
└──────────────────────────────────────────────┘

关键协同

  • 任务执行闭环: ThinkFlywheel /task 定义"要做什么" → planning-with-files task_plan.md 拆成 phase 追踪"怎么做" → 完成后 /retro 把经验提取回 ThinkFlywheel
  • 双重会话恢复: /clear 后 agentmemory handoff 恢复对话上下文 + planning-with-files session-catchup 恢复执行进度——两套恢复互补
  • 双向知识沉淀: /retro人的经验提取为 FSRS 卡片;agentmemory memory_saveAI 的发现保存为长期观察 → 下次类似任务自动召回
  • 代码溯源: agentmemory commit-context 追溯每一行代码是哪个会话、哪个 ThinkFlywheel 任务的产物

详细配置和用法见 增强模式指南


目录结构

vault/
├── SCHEMA.md              # 系统宪法 — 类型、标签、命名规范、权限矩阵
├── AGENTS.md              # AI Agent 行为规则(跨工具兼容)
├── CLAUDE.md              # Claude Code 桥接配置
├── index.md               # 内容索引(AI 自动维护)
├── log.md                 # 时间线日志(AI 自动追加)
├── .claude/
│   ├── hooks/             # 自动化 Hook 脚本(UserPromptSubmit / Stop / PreCompact)
│   ├── skills/            # 12 个技能的 SKILL.md 定义
│   ├── memory/            # Transparent Memory — Agent 已知事实层
│   │   ├── profile.yaml       # 用户画像
│   │   ├── constraints.yaml   # 全局约束
│   │   ├── agent-log.md       # Agent 错误日志
│   │   ├── commitments.yaml   # Agent 未完成承诺
│   │   └── sessions/          # 会话摘要(Stop Hook 自动写入)
│   └── rules/             # 操作规则(自动加载至 ground truth 层)
│       ├── iron-laws.md       # 5 条铁律
│       ├── autonomy.md        # 权限矩阵
│       ├── writing.md         # 写作与标签规范
│       ├── workflows.md       # 标准操作流程
│       ├── card-types.md      # 卡片类型与命名
│       ├── structure.md       # 四层架构与目录
│       ├── obsidian-cli.md    # Obsidian CLI 强制规则
│       ├── execute-env.md     # 运行环境
│       ├── toolcalling.md     # 工具调用规则
│       └── no-post-hoc-reasoning.md  # 推理诚实性规则
├── Draft/                  # 闪念收件箱 — 未分类的原始念头
├── Tasks/                 # 防弹任务笔记
│   ├── active/            # 进行中
│   ├── waiting/           # 阻塞中
│   └── archived/          # 已完成
├── Flows/                 # 永久型任务笔记(SOP/流程库)
│   ├── work/              # 工作类流程
│   ├── life/              # 生活类流程
│   └── learning/          # 学习类流程
├── Cards/                 # 知识卡片
│   ├── atomics/           # SR 原子卡片
│   ├── concepts/          # 概念定义
│   ├── insights/          # 教训和模式
│   └── reading/           # 阅读摘要
├── Projects/              # 多任务目标
├── Decisions/             # 决策日志
├── MOCs/                  # 内容地图
├── Reviews/               # 周期回顾
├── Daily/                 # 每日简报
├── Sources/               # 原始材料
│   ├── inbox/             # 待处理
│   └── processed/         # 已处理
├── Templates/             # 卡片模板
└── .obsidian/scripts/     # FSRS-6 引擎

五条铁律

系统为 AI Agent 设定了 5 条不可违背的规则:

  1. 知识写入必须双提议 — 创建知识卡片前必须先提议、获得确认
  2. 绝不删除,只归档 — 状态标记为 archivedsuperseded,数据不丢失
  3. 绝不重组文件结构 — 不移动用户手动放置的文件
  4. 溯源链不可断 — 每张知识卡片必须能追溯到来源
  5. SCHEMA 变更走审批 — 修改系统宪法前必须说明理由 + 展示 diff + 获得确认

与现有系统的区别

ThinkFlywheel 不是另一个知识管理工具或任务管理器。它是生活编译器

knowledge-mgmt agent-pmo ThinkFlywheel
范围 仅知识 仅项目 行动 + 知识 + 记忆 + 治理
任务层 企业 PMO 防弹笔记法 4 要素
间隔重复 FSRS-6(联通任务层)
每日整合 单独的 /review /briefing 融合全部三层
完成流程 /close 只生成摘要 /retro 自动提取原子卡片
生活覆盖 知识领域 7 个生活领域
技能数 8 15 12

实践路线图

每阶段的详细 checklists 和成功标准见 上手指南

阶段 时间 构建内容
Phase 0 已完成 vault 结构、SCHEMA.md、AGENTS.md、模板、FSRS 引擎
Phase 1 第 1-2 周 只用 /task 和 /briefing,建立肌肉记忆
Phase 2 第 3-4 周 引入 /note、/ingest、/query,构建卡片库
Phase 3 第 5-6 周 启用 /review,建立每日复习习惯
Phase 4 第 7-8 周 引入 /project、/retro、/decide,系统"点亮"
Phase 5 第 9-12 周 /health 治理 + 基于实际使用调优

常见问题

Q: 必须用 Obsidian 吗? 是的。Obsidian ≥1.12 是必需依赖——它不仅是 Markdown 浏览器和编辑器,其 CLI 是 vault 文件操作的强制通道(自动更新 wikilink、校验 frontmatter)。FSRS 引擎通过 Python CLI 独立运行。

Q: 数据安全吗? 所有数据以纯 Markdown 文件存储在本地,用 Git 做版本控制。没有云同步依赖(除非你自己配置)。

Q: 我能只用其中几个技能吗? 可以。四组技能(执行、知识、记忆、治理)相互独立,你可以按自己的节奏逐步采用。推荐从 /task/briefing 开始。

Q: 有更详细的使用指南吗? 每个技能怎么用、什么时候用、常见坑 → 技能参考。真实场景的端到端示例 → 工作流示例

Q: 出错了怎么办? 先跑 /health quick——它能自动发现大多数问题。还不行的话, 按症状查 故障排查

Q: 怎么知道系统在健康运转? 运行 /health quick 会扫描链接健康、任务僵死、复习积压、领域平衡等 6 个维度,给出综合评分和修复建议。

License

MIT — see LICENSE. Fork 随便改。

About

ThinkFlywheel — a personal compound-interest engine for cognition. AI-native life OS on Obsidian + Claude Code: 10 skills weave task management, knowledge extraction, and FSRS-6 spaced repetition into a flywheel. Every task completed makes every future task easier.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors