使用 Claude Code 构建自主 AI 外脑

目前，我们拥有 15 名自主工作的 AI 员工。为了让他们更高效，我创建了 15 个分身，每个都有特定的个性，并继承了我的知识和思维模式。我不需要给他们详细指令，他们早已理解我的想法，因此无需多余沟通。

近年来，AI 的进化令人瞩目，彻底改变了我们的工作方式和思维模式。然而，大多数 AI 的使用仍停留在“一次性”问答形式，未能释放技术的真正潜力。要让 AI 不再是被动工具，而是能自主思考、行动和学习的“协作者”，关键在于构建一个能让 AI “循环”的系统。

本文提供了一份实用指南，教你如何通过结合 Claude Code 和 Obsidian 来构建“AI 外部大脑”。我们将探讨“AI 循环”的概念——即 AI 持续经历“计划 → 执行 → 验证 → 修正”的循环——并提供具体的实现方法和实用的代码示例。从基础设施搭建到 AI 循环设计理论、通过技能实现工作流自动化、借助 PM 层实现自主项目管理，再到高级自动化和成本管理，这份指南涵盖了你将 AI 打造成真正合作伙伴所需的一切。

第 1 部分：构建 AI 外部大脑

“AI 循环”的基础是“AI 外部大脑”，它汇总并管理个人知识和项目信息。通过连接 Claude Code、Obsidian 和 Git，我们为 AI 构建了一个强大的基础设施，供其参考、学习和行动。本章将介绍具体的设置步骤和推荐的目录结构。

1.1 AI 外部大脑的概念

AI 外部大脑是一个结构化的知识库，将人类记忆、学习和思考功能外化，以便 AI 能够访问和利用它们。这使得 AI 能够通过参考过去的经验和知识，做出高级决策并解决问题。

・知识库：在 Obsidian 中管理的 Markdown 笔记集合，包括想法、项目、会议记录和技术信息。

・AI Agent：以 Claude Code 为中心的自动化执行程序。

・版本控制：使用 Git 和 GitHub 管理和同步知识库。

・自动化层：使用 GitHub Actions 进行定期任务执行和事件驱动处理。

1.2 准备开发环境

Obsidian：用于本地 Markdown 笔记的知识管理工具。
Git：版本控制系统，用于在 GitHub 仓库中管理笔记。
Claude Code：使用 Anthropic 的 Claude API 的 AI Agent 执行环境。
GitHub 账户：用于远程存储和通过 GitHub Actions 实现自动化。

1.3 推荐的目录结构

text

1.claude/          # Claude Code 命令和配置
2  commands/       # 自定义命令脚本
3  config.yaml     # Claude Code 设置
400_Inbox/         # 临时笔记和未整理信息
510_Projects/      # 进行中项目的目录
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # 持续关注的领域（例如：开发、营销）
1030_Resources/     # 参考资料和学习资源
1140_Archives/      # 已完成项目和旧信息
12README.md         # 外部大脑概览

1.4 Git 和 GitHub 同步

将 Obsidian 笔记与 GitHub 同步，可以提供数据安全、变更追踪、多设备同步，并允许 Claude Code 读写知识库。

1.5 Claude Code 设置

Claude Code 是一个 AI 编码 Agent，能够根据自然语言指令执行文件操作、代码生成和命令执行。它是 AI 外部大脑的“手脚”。

基本用法：
``bash
claude "请在 README.md 中描述此项目的目标和概述。"
``

第 2 部分：实现验证关卡

本章重点介绍“AI 循环”理论以及“验证关卡”（VERIFY Gate）的实现，该关卡决定自主操作的成败。

2.1 AI 循环的 5 个阶段

发现：识别问题并收集信息。
计划：制定行动计划。
执行：完成工作。
验证：客观评估结果。
迭代：根据验证结果进行修正和重试。

2.2 验证关卡的重要性

如果没有严格的验证关卡，AI 可能会陷入自我满足，错误地认为任务已完成。关卡确保 AI 理解成功的标准。

2.3 验证关卡的代码实现

以下是一个使用 mypy 和 pytest 自动检查代码质量的 Python 脚本：

python

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("--- 开始代码验证 ---")
14    # 运行 mypy 和 pytest...
15    return True, "所有代码质量检查通过。"
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)