System Case File
Obsidian - AI 時代的知識基地
在大 AI 時代，任何工具都會變得極其容易做，但難的是讓工具每天都能穩定可靠的運行。/check-wf 是我在自己的 Obsidian Vault 裡長期使用的整理流程，用來索引 Agent Skills、檢查知識庫健康狀態，也讓我看見哪些地方已經形成維護債，這些都是從實際使用中長出來的方法論。
check-wf / 最近一次產出紀錄
持續使用中，也持續迭代中
generated_at2026-05-10本地產出時間 19:29
skills_indexed49已整理成能力卡片
vault_files19,970納入檢查的檔案
notes_scanned6,341被掃描的 Markdown 筆記
我想解決的不是展示問題，而是累積之後的管理問題
AI 讓人很快就能產出內容與工具，但產出越快，越需要有人負責整理。當 skill 越來越多、筆記庫越來越大，問題不再是「會不會做」，而是「能不能找得到、信得過、維護得下去」。check-wf 就是為了解決這個問題。
我實際看到的狀況
from generated dashboards- 技能已經成為資產49 個 skill cards、49 份 README、15 個具備 scripts 的技能，已經不能只靠記憶管理。
- 知識庫已有規模19,970 個檔案、6,341 篇筆記、5,568 個附件，這已經是需要維運的資料環境。
- 有些工具會改動資料12 個 skills 會改動 Vault，這類工具不能只看方便，也要看風險。
- 問題需要被看見未解連結、無標籤、無 YAML、編碼異常，都是日後自動化會遇到的阻力。
這件事對我代表什麼
portfolio signal- 我重視長期使用工具不是做完就結束，而是要能在每天的工作中反覆使用。
- 我願意面對髒資料真實系統一定會有維護債，把問題攤開比把頁面做漂亮更重要。
- 我會把流程產品化從掃描、索引、統計到靜態輸出，最後形成可重建的工作流程。
我選擇讓它本地運作，因為知識庫需要能被長期保存
我沒有把這件事做成需要啟動服務的系統。對一個個人知識庫來說，能離線、能搬移、能直接打開，反而更可靠。Markdown 保留在 Obsidian 裡，HTML 負責搜尋、篩選、統計與視覺化。
01
掃描
讀取 .agent/skills 與 .gemini/skills，抽取 SKILL.md metadata、腳本與輔助文件。
02
索引
產生 AI-Assets/000_Workspace_Skill_Inventory.md，保留在 Obsidian 中可連結的技能索引。
03
轉譯
輸出 Skill Inventory HTML、detail pages、Vault Dashboard 等靜態成果，不依賴本機 server。
04
回看
把維護債、風險技能與基礎設施檢查結果帶回下一輪整理工作。
我不迴避維護債，因為那才是真實使用的樣子
一個真的被長期使用的知識庫，不可能永遠乾淨。重點不是假裝沒有問題，而是讓問題可以被看見、被排序、被處理。
12,734未解連結，影響知識網路引用品質。High
5,466無標籤筆記，影響分類與自動化分群。Medium
2,833無 YAML 筆記，影響 metadata 查詢與批次治理。Medium
3UTF-8 編碼異常筆記，影響穩定讀取與自動化處理。Low
它是一步一步長出來的
Markdown index 轉成 HTML Dashboard加入搜尋、篩選與分類瀏覽。
加入分頁、狀態記憶與 detail pages讓每個 skill 都有可閱讀的獨立資料頁。
Analytics tab新增成熟度圖譜、腳本語言熱度與文件覆蓋率。
模組化 renderer 與增量快取把掃描/摘要、HTML 渲染、執行管線拆開，降低重建成本。
Skill Work Log Dashboard開始追蹤技能呼叫紀錄；資料量累積後再公開深入介紹。
