金工专题报告：AI研究系列之四，AI+Obsidian管理投研知识库.pdf

随着AI技术在金融研究领域的深入应用，信息处理效率虽大幅提升，但知识沉淀与长期调用成为新瓶颈。本报告介绍如何利用Obsidian结合AI插件构建个人投研知识库，解决信息碎片化与记忆断层问题。

核心工具与架构

Obsidian凭借本地Markdown存储、双向链接及开放插件生态，成为理想的投研知识管理底座。其本地优先特性保障数据安全，Markdown格式便于AI读取与维护，双向链接则构建起知识间的逻辑网络。报告强调渐进式搭建理念，从基础笔记逐步扩展至自动化工作流。

关键插件应用

Web Clipper用于网页资料的快速剪藏与元数据保留；Claudian插件引入AI Agent，使其能读取库内多篇笔记，协助搭建报告框架、提炼信息及改写内容，实现类似IDE的代码式协作写作；Dataview插件则将笔记属性转化为动态看板，支持结构化查询与可视化展示；Karpathy LLM Wiki插件基于“LLM Wiki”理念，自动提取实体与概念，构建可检索的知识网络。

典型实战场景

报告详细展示了四个应用场景：一是利用Claudian辅助撰写海外期权ETF报告，实现从资料整理到初稿生成的全流程协作；二是通过Dataview跟踪卖方观点，识别市场共识、机构分歧及观点边际变化；三是构建券商金股知识库，将静态名单转化为可追踪配置偏好、主题热度及推荐逻辑的动态数据库；四是建立基金经理调研库，结构化记录调研纪要，支持横向比较不同经理对同一资产的判断及纵向跟踪单一经理的观点演变。

结论与风险提示

通过上述工作流，投研资料可从分散存储转变为可检索、可追踪、可复核的研究资产。但需注意AI生成内容的幻觉风险、第三方插件的数据安全隐患以及信息的时效性问题，关键结论仍需以原始资料为准。