Claude Code × Obsidian: Vollständiger Leitfaden zur Erstellung von 15 KI-„externen Gehirn“-Alter Egos

Derzeit arbeiten 15 KI-Mitarbeiter autonom für mich. Um sie noch effektiver zu machen, habe ich 15 Alter Egos erschaffen, jedes mit einer eigenen Persönlichkeit, die mein Wissen und meine Denkmuster übernehmen. Ich gebe ihnen keine detaillierten Anweisungen; sie verstehen bereits meine Denkweise, sodass unnötige Kommunikation entfällt.

In den letzten Jahren war die Entwicklung der KI bemerkenswert und hat unsere Arbeitsweisen und Denkprozesse revolutioniert. Die meisten KI-Anwendungen stecken jedoch immer noch in einem „einmaligen" Frage-Antwort-Format fest, ohne das wahre Potenzial der Technologie auszuschöpfen. Um KI nicht nur als passives Werkzeug, sondern als „Kollaborateur" zu nutzen, der selbstständig denkt, handelt und lernt, ist es unerlässlich, ein System aufzubauen, in dem die KI „Loopen" kann.

Dieser Artikel bietet einen praktischen Leitfaden zum Aufbau eines „KI-Externen Gehirns" durch die Kombination von Claude Code und Obsidian. Wir werden das Konzept des „KI-Loops" untersuchen – bei dem KI kontinuierlich den Kreislauf „Planen → Ausführen → Verifizieren → Korrigieren" durchläuft – und spezifische Implementierungsmethoden mit praktischen Codebeispielen vorstellen. Von der Infrastruktureinrichtung über die Theorie des KI-Loop-Designs, die Workflow-Automatisierung mit Skills, das autonome Projektmanagement mit der PM Layer bis hin zu fortgeschrittener Automatisierung und Kostenmanagement deckt dieser Leitfaden alles ab, was Sie brauchen, um KI zu einem echten Partner zu machen.

Teil 1: Aufbau des KI-Externen Gehirns

Die Grundlage des „KI-Loops" ist das „KI-Externe Gehirn", das persönliches Wissen und Projektinformationen bündelt und verwaltet. Durch die Verknüpfung von Claude Code, Obsidian und Git bauen wir eine robuste Infrastruktur auf, auf die die KI zugreifen, von der sie lernen und auf deren Grundlage sie handeln kann. Dieses Kapitel erläutert die spezifischen Einrichtungsschritte und die empfohlene Verzeichnisstruktur.

1.1 Das Konzept des KI-Externen Gehirns

Ein KI-Externes Gehirn ist eine strukturierte Wissensdatenbank, die das menschliche Gedächtnis, Lernen und Denken externalisiert, sodass die KI darauf zugreifen und es nutzen kann. Dies ermöglicht es der KI, fundierte Entscheidungen zu treffen und Probleme zu lösen, indem sie auf vergangene Erfahrungen und Wissen zurückgreift.

・Wissensdatenbank: Eine Sammlung von Markdown-Notizen, die in Obsidian verwaltet werden und Ideen, Projekte, Besprechungsnotizen und technische Informationen enthalten.

・KI-Agent: Programme, die auf Claude Code basieren und automatisierte Prozesse ausführen.

・Versionskontrolle: Verwaltung und Synchronisation der Wissensdatenbank mit Git und GitHub.

・Automatisierungsebene: Periodische Aufgabenausführung und ereignisgesteuerte Verarbeitung mit GitHub Actions.

1.2 Vorbereitung der Entwicklungsumgebung

1. Obsidian: Ein Wissensmanagement-Tool für lokale Markdown-Notizen.
2. Git: Ein Versionskontrollsystem zur Verwaltung von Notizen in einem GitHub-Repository.
3. Claude Code: Die Ausführungsumgebung für KI-Agenten unter Verwendung der Anthropic Claude API.
4. GitHub-Konto: Erforderlich für die Fernspeicherung und Automatisierung über GitHub Actions.

1.3 Empfohlene Verzeichnisstruktur

1.claude/          # Claude Code-Befehle und Konfiguration
2  commands/       # Skripte für benutzerdefinierte Befehle
3  config.yaml     # Claude Code-Einstellungen
400_Inbox/         # Temporäre Notizen und unorganisierte Informationen
510_Projects/      # Verzeichnisse für laufende Projekte
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # Laufende Bereiche (z. B. Entwicklung, Marketing)
1030_Resources/     # Referenzmaterialien und Lernressourcen
1140_Archives/      # Abgeschlossene Projekte und alte Informationen
12README.md         # Übersicht über das externe Gehirn

1.4 Git- und GitHub-Synchronisation

Die Synchronisierung von Obsidian-Notizen mit GitHub bietet Datensicherheit, Änderungsverfolgung, geräteübergreifende Synchronisation und ermöglicht es Claude Code, in die Wissensdatenbank zu schreiben und daraus zu lesen.

1.5 Claude Code Einrichtung

Claude Code ist ein KI-Codierungsagent, der Dateioperationen, Codegenerierung und Befehlsausführung auf der Grundlage von Anweisungen in natürlicher Sprache durchführt. Er fungiert als die „Hände und Füße" des KI-Externen Gehirns.

Grundlegende Verwendung:
``bash
claude "Bitte beschreibe den Zweck und die Übersicht dieses Projekts in README.md."
``

Teil 2: Implementierung von Verifikations-Gates

Dieses Kapitel konzentriert sich auf die Theorie des „KI-Loops" und die Implementierung von „Verifikations-Gates" (VERIFY Gate), die den Erfolg oder Misserfolg autonomer Operationen bestimmen.

2.1 Die 5 Phasen des KI-Loops

1. DISCOVER: Probleme identifizieren und Informationen sammeln.
2. PLAN: Einen Aktionsplan erstellen.
3. EXECUTE: Die Arbeit ausführen.
4. VERIFY: Ergebnisse objektiv bewerten.
5. ITERATE: Auf der Grundlage der Verifikation korrigieren und erneut versuchen.

2.2 Bedeutung des VERIFY Gates

Ohne ein strenges Verifikations-Gate kann die KI in Selbstzufriedenheit verfallen und fälschlicherweise annehmen, dass eine Aufgabe abgeschlossen ist, obwohl sie es nicht ist. Das Gate stellt sicher, dass die KI versteht, was einen Erfolg ausmacht.

2.3 Code-Implementierung des VERIFY Gates

Hier ist ein Python-Skript, das die Codequalität automatisch mit mypy und pytest überprüft:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- Starte Code-Verifikation ---")
14    # Führe mypy und pytest aus...
15    return True, "Alle Code-Qualitätsprüfungen bestanden."
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 Design der Stoppbedingung

Um Endlosschleifen und Kostenexplosionen zu verhindern, müssen Sie Stoppbedingungen festlegen, wie Erfolgskriterien, maximale Iterationen, Budgetgrenzen und Zeitlimits.

Teil 3: Skills und die PM Layer

3.1 Entwerfen von Skills

In Claude Code können Sie benutzerdefinierte „Skills" definieren, um komplexe Operationen in einzelne Befehle wie /decompose oder /work zu verwandeln.

3.2 Einführung der PM Layer

Um eine echte Autonomie zu erreichen, benötigt die KI eine „Urteilsebene", um den Kontext des Projekts zu verstehen (Was, Warum, Wie, Wann). Wir verwenden eine pm_brief.md-Datei in jedem Projektverzeichnis, um diesen Kontext bereitzustellen.

Teil 4: Dauerhafte Automatisierung

Mit GitHub Actions können wir die KI in regelmäßigen Abständen ohne menschliches Eingreifen arbeiten lassen.

4.1.1 Morgenliche Inbox-Bereinigung

Ein Workflow, der jeden Morgen um 9:00 Uhr ausgeführt wird, um den Ordner 00_Inbox/ zu organisieren.

4.2 Überwachung und Kostenmanagement

Die dauerhafte Automatisierung ist leistungsstark, erfordert aber eine Kostenüberwachung. Verwenden Sie --max-budget-usd und --max-turns, um die Ausgaben pro Ausführung zu begrenzen.

Fazit: Den Loop entwerfen

Der Schlüssel zur Maximierung der KI liegt nicht nur in intelligentem Prompting, sondern im Entwurf eines Loops, in dem die KI selbstständig planen, ausführen, verifizieren und korrigieren kann. Durch die Kombination von Claude Code und Obsidian verwandeln Sie die KI von einem einfachen Werkzeug in einen kontinuierlichen Kollaborateur.