2026 年 7 月 8 日，工业和信息化部 NVDB（网络安全威胁和漏洞信息共享平台）正式发布高危风险提示： Claude Code 2.1.91 ~ 2.1.196 版本内置隐蔽监控后门，未经用户授权静默向境外服务器回传用户地域、设备标识、账号身份、研发代码、项目文档等核心敏感数据。
行业反应：阿里巴巴已于 7 月 10 日起全员禁用 Claude Code 及 Anthropic 全系产品；腾讯早在 2025 年 11 月已将其移出大模型选择池；美团、京东等也已限制外部 AI 模型调用。
本文方案：以下所有涉及 Claude Code 的位置，均已替换为国产合规替代方案（iFlow CLI / Kimi Code CLI / CodeBuddy），功能一致、数据不出境、完全免费。详见第零章·附的方案对比。
| 方案 | iFlow CLI（阿里心流） | Kimi Code CLI（月之暗面） | CodeBuddy Code（腾讯） |
|---|---|---|---|
| 定位 | Claude Code 功能最完整的平替，免费开源 | Moonshot 官方 CLI Agent，中文理解极好 | 已在本文撰写中实际使用，零迁移成本 |
| 支持模型 | Kimi K2、Qwen3 Coder、DeepSeek V3、GLM 等 | Kimi 系列模型 | 混元 + 多模型切换 |
| 安装方式 | npm install -g @iflow/iflow-cli | npm install -g @moonshot-ai/kimi-code | IDE 插件 / CLI / 独立 IDE 三形态 |
| 费用 | 免费（心流开放平台提供 API Key） | 需 Kimi API Key（有免费额度） | 个人版免费 |
| 数据安全 | 推理在国内，代码不出境 | 推理在国内，代码不出境 | 腾讯云部署，数据不出境 |
| Karpathy 工作流兼容 | ✅ 完美兼容（文件读写 + Shell + Skills） | ✅ 完美兼容 | ✅ 完美兼容（本文即用此工具撰写） |
| 推荐场景 | ⭐ 首选推荐：功能最全、免费、开源 | 已在 Kimi 生态中的用户 | 已在腾讯云 / 微信生态中的用户 |
为保持内容简洁，下文将以 iFlow CLI 作为默认 AI 引擎进行演示。所有命令行中的 iflow 均可替换为 kimi（Kimi Code CLI）或直接使用你当前打开的 CodeBuddy（无需额外安装 CLI）。核心原理完全一致。
2026 年 4 月，前 OpenAI 联合创始人、特斯拉 AI 总监 Andrej Karpathy 在 X（Twitter）上公开了他的个人知识库工作流，两天内获得 1900 万次曝光、5000+ GitHub Star。
核心思路极度简单： 不让 AI 每次提问时翻原始资料，而是让 AI 先把所有资料"编译"成一个结构化的 Wiki 。里面有摘要、有交叉引用、有概念连接，也会显式标出互相矛盾的地方。这一切都由 AI 维护，你只管读和提问。
整套系统没有任何花哨组件，没有向量数据库，没有 Embedding，没有 RAG 框架——只有文件夹 + Markdown 文件 + AI。
| 层级 | 目录 | 职责 | 类比 |
|---|---|---|---|
| 输入层 | raw/ | 原始资料（文章、论文、截图、笔记），只进不改，AI 只读 | src/ 源代码 |
| 编译层 | wiki/ | AI 自动维护的结构化知识页，你来读，AI 来写 | build/ 编译产物 |
| 输出层 | outputs/ | AI 生成的报告、分析、问答沉淀 | logs/ 运行日志 |
| 规则层 | AGENT.md | AI 的"工作说明书"，定义 Wiki 如何组织、如何更新 | Makefile 构建规则 |
用 Obsidian Web Clipper 一键将网页保存到 raw/，或直接把 PDF/论文/笔记丢进去。然后告诉 AI"帮我消化这篇文章"。
AI 自动读取 raw/ 中的新资料，生成摘要页、概念页、实体页，更新索引和日志，建立所有页面之间的双向链接。
用自然语言提问，AI 先读 index.md 定位相关页面，再综合多篇文章给出带引用来源的答案。高质量的答案可以存回 wiki/ 沉淀。
定期让 AI 做健康检查：找出矛盾结论、过时信息、孤立页面、缺失的交叉引用、数据缺口，输出检查报告并自动修复。
https://nodejs.org ，下载 LTS（长期支持）版本 node --version （应显示 v18.x 或 v20.x） npm --version （应显示 9.x 或 10.x） https://obsidian.md/downloadmy-knowledge-base为什么选 Obsidian？
[[页面名]] 让知识之间自动互相关联raw/articles/iFlow CLI 是阿里心流团队开源的终端 AI Agent，功能完整对标 Claude Code，且永久免费、数据不出境、支持国产顶尖模型。 基准测试（GAIA、SWE-bench、Terminal-Bench）综合表现优于 Claude Code。
npm install -g @iflow/iflow-cliiflow --versionhttps://open.iflow.cn，注册账号后即可获取免费 API Key（支持 Kimi K2、Qwen3 Coder、DeepSeek V3 等模型），无需自备任何付费 Key。 iflow，按提示粘贴 API Key 即可 iflow 进入交互模式 如果你更偏好 Kimi 生态，月之暗面的 Kimi Code CLI 是同样优秀的替代：
npm install -g @moonshot-ai/kimi-code（需 Node.js 24+）platform.kimi.com 获取 API Keykimi 进入交互模式，kimi -p "任务" 执行单次命令Claudian（原来的 Claude Code Obsidian 桥接插件）依赖 Anthropic API，在国内不可用。 以下推荐两个国产兼容的替代方案：
Graphify 在 Obsidian 原生图谱基础上，增加了社区发现、语义关联和知识补全建议功能。
| 工具 | 作用 | 必要性 | 费用 |
|---|---|---|---|
| Obsidian | 知识库容器，Markdown 编辑器 + 图谱浏览 | 必需 | 免费 |
| Obsidian Web Clipper | 网页一键剪藏到 raw/ | 强烈推荐 | 免费 |
| iFlow CLI | AI 引擎，负责编译/查询/维护（首选推荐） | 必需 | 免费 |
| Kimi Code CLI | AI 引擎备选方案 | 备选 | 免费额度 |
| Text Generator | Obsidian 内嵌 AI 面板（接入国内模型） | 推荐 | 免费 + API 费用 |
| Graphify | 知识图谱增强分析 | 可选 | 免费 |
| Git | 版本控制，追踪 Wiki 变化 | 可选 | 免费 |
在你的知识库根目录下，按照以下结构创建文件夹：
mkdir -p my-knowledge-base/raw/{articles,papers,podcasts,assets}mkdir -p my-knowledge-base/wiki/{indexes,concepts,entities,sources,summaries}mkdir -p my-knowledge-base/outputs/{qa,reports,blog}mkdir -p my-knowledge-base/.ai/commandscd my-knowledge-base && touch AGENT.md wiki/indexes/All-Sources.md wiki/indexes/All-Concepts.md wiki/log.md| 路径 | 用途 | 谁来操作 |
|---|---|---|
raw/articles/ | 网页文章（Web Clipper 剪藏） | 你来添加 |
raw/papers/ | 论文、PDF 文档 | 你来添加 |
raw/podcasts/ | 播客转录文本 | 你来添加 |
raw/assets/ | 图片、截图、图表 | 你来添加 |
wiki/concepts/ | 概念条目（一个概念一个文件） | AI 维护 |
wiki/entities/ | 人物/公司/产品等实体页 | AI 维护 |
wiki/sources/ | 每篇原始资料的摘要页 | AI 维护 |
wiki/summaries/ | 主题级别的综合总结 | AI 维护 |
wiki/indexes/ | All-Sources.md（资料索引）、All-Concepts.md（概念索引） | AI 维护 |
wiki/log.md | 按时间顺序的操作日志，仅追加不修改 | AI 维护 |
outputs/qa/ | 高质量的问答沉淀 | AI 输出 |
outputs/reports/ | 综合分析报告 | AI 输出 |
outputs/blog/ | 可发布的博客文章 | AI 输出 |
.ai/commands/ | AI CLI 自定义快捷命令（原 Claude Code 的 .claude/ 目录） | 你来定义 |
AGENT.md | AI 工作说明书（整个系统的灵魂，模型无关） | 你来编写 |
这是整个系统最关键的配置文件。它决定了 AI 是"有纪律的 Wiki 维护者"还是"随便聊天的机器人"。 每次启动 iFlow CLI / Kimi Code CLI / CodeBuddy 时都会自动读取这个文件（不同工具可能用不同文件名，如 AGENT.md、CLAUDE.md 或 CODEX.md，但内容是通用的）。
在知识库根目录创建 AGENT.md（或你所用工具对应的文件名），将以下内容复制进去，再根据自己的领域修改 Focus Areas 部分：
[Source: xxx] 标注依据。 这是最频繁的操作。每次你发现一篇有价值的文章或资料，执行以下流程：
cd ~/my-knowledge-baseiflow当你攒了多篇新资料后，可以批量编译。直接在 iFlow CLI 中输入：
"扫描 raw/ 目录，找出所有尚未编译的资料。按照 AGENT.md 中的 Ingest Workflow，逐篇处理。每完成一篇，告诉我进度。"AI 会：
当知识库积累到一定规模（20+ 篇文章），你可以直接用自然语言提问：
"关于 Ozon 平台的定价策略，综合所有资料，帮我总结最佳实践，并指出不同资料之间的观点差异。""我读过的那篇关于俄罗斯消费者行为分析的论文里，提到了哪些关键洞察？这些洞察在其他资料中有没有佐证或反驳？""帮我对比文章中提到的三种物流方案（FBO / FBS / RFBS），列出每种方案的适用场景、成本和风险。"每月执行一次，防止知识库腐化：
"对我的知识库做一次全面健康检查。按照 AGENT.md 中的 Lint Workflow，检查：页面之间的矛盾、被新资料推翻的旧结论、没有入链的孤立页面、缺失的交叉引用、没有标注来源的断言。输出检查报告到 wiki/lint-report-YYYY-MM-DD.md。"AI 会检查并输出一份结构化报告，标明各项问题的严重级别，你可以据此决定哪些需要修复。
积累了足够多的知识后，你可以让 AI 基于 Wiki 产出可直接使用的内容：
以下插件能显著提升使用体验，按安装顺序排列：
| 插件 | 作用 | 优先级 |
|---|---|---|
| Dataview | 用 SQL 式语法查询页面元数据，生成动态表格。如果你的 Wiki 页面有 YAML frontmatter（如 tags、date、source_count），Dataview 可以自动生成"最近更新"、"待审阅"等列表。 | ⭐⭐⭐ |
| Templater | 高级模板引擎，可创建 Wiki 页面的标准模板（如概念页模板、实体页模板），插入时自动填充日期、标题等元数据。 | ⭐⭐⭐ |
| Calendar | 日历视图，结合每日日志查看哪天做了什么操作（ingest/query/lint），与 wiki/log.md 互补。 | ⭐⭐ |
| Kanban | 看板视图，可以把"待消化文章"、"待深挖概念"、"待验证结论"做成看板卡片管理。 | ⭐⭐ |
| Excalidraw | 在 Obsidian 内手绘流程图、架构图、思维导图，作为知识的可视化补充。 | ⭐⭐ |
| Marp Slides | Markdown 转幻灯片，直接从 Wiki 内容生成演示文稿，适合做技术分享和汇报。 | ⭐ |
| Paste URL into selection | 选中文字后粘贴 URL 自动转为 Markdown 链接格式，建立外部引用更方便。 | ⭐ |
raw/assets/ ，确保所有图片集中存放 wiki/整个知识库就是一堆 Markdown 文件，天然适合 Git 管理：
cd my-knowledge-basegit init.gitignore，排除 .obsidian/workspace.json 等 Obsidian 内部文件 git add . && git commit -m "init knowledge base"git add . && git commit -m "ingest: xxx"好处：可以看到知识库的演变历史、比较不同版本的差异、出问题时可以回滚。还可以推送到 GitHub 做远程备份。
当知识库超过 100 篇文章时，仅靠 index.md 定位内容可能不够快。Karpathy 推荐使用 qmd——一个轻量级的本地 Markdown 搜索引擎：
https://github.com/tobi/qmdcargo install qmd（需要安装 Rust 环境）qmd index wiki/（对 wiki/ 目录建立索引）qmd search "关键词" 快速定位相关页面你可以在 AI CLI 中配置自定义命令（放在 .ai/commands/ 中），实现一键操作：
/ingest-all ：自动扫描 raw/ 新文件并全部编译 /lint ：一键执行 Lint 检查 /dashboard ：生成知识库仪表盘（总文章数、概念数、最新更新、待处理项） 在 Obsidian 中创建一个"仪表盘"页面，插入以下 Dataview 查询块：
下面以我们的实际场景——俄罗斯跨境电商为例，完整演示从零搭建到首次使用的全流程。
D:\Documents\cross-border-wiki\ 创建目录结构（参考第四章）raw/articles/raw/papers/cd D:\Documents\cross-border-wiki && iflow在 iFlow CLI 中输入：
AI 处理过程（约 5-10 分钟/篇）：
wiki/sources/ozon-ad-strategy.md 等wiki/concepts/ 下创建 FBO仓储模式、FBS发货模式、RFBS混合模式、DPP盈亏模型、加购率优化等页面wiki/entities/ 下创建 Ozon平台、Wildberries平台、俄罗斯物流公司等页面切换到 Obsidian，你会看到：
日常使用节奏：
| 对比维度 | 传统 RAG（ChatGPT 上传 / NotebookLM） | Karpathy LLM Wiki |
|---|---|---|
| 知识持久性 | 每次从零检索，会话结束知识消失 | 编译一次，永久累积，持续增长 |
| 交叉引用 | 无（仅关键词匹配） | 自动建立双向链接 [[页面名]] |
| 矛盾检测 | 无 | 显式标记 CONTRADICTION |
| 维护成本 | 低（无需维护，但也无法积累） | 零（AI 全权维护） |
| 技术门槛 | 极低（网页上传即可） | 中等（需安装 Node.js + AI CLI） |
| 数据可控性 | 数据上传到云端服务 | 数据 100% 本地，纯 Markdown 文件 |
| 可扩展性 | 受平台限制 | 无限（Git 版本控制、插件生态、自定义脚本） |
| 成本 | 免费（ChatGPT）/ $20/月（Plus） | iFlow CLI / Kimi Code CLI 免费，其余工具全部免费 |
| 规模上限 | 受单次上传限制（通常几十个文件） | Karpathy 实测 100+ 文章、40 万字无压力 |
| 输出能力 | 仅文本回答 | 报告、博客、幻灯片、图表、对比表 |
首选 iFlow CLI（阿里心流），免费开源、功能最完整、支持国产模型、数据不出境。备选 Kimi Code CLI（月之暗面）同样优秀。如果你已经在用 CodeBuddy / WorkBuddy，可以直接用它，无需额外安装 CLI。核心要求不变：能读写本地文件夹中的 Markdown 文件即可。详见第零章·附的方案对比。
检查 AGENT.md 是否写得足够详细。规则越具体，AI 输出越规范。可以在 Focus Areas 里列得更细化（不要只写"跨境电商"，而是"Ozon 平台搜索排名算法、俄罗斯消费者价格敏感度、俄语关键词优化技巧"）。
两个优化方向：(1) 在 AGENT.md 的 Identity 部分明确说明知识库主要语言是简体中文；(2) 使用 Web Clipper 剪藏前，确认文章是以 Markdown 格式而非纯 HTML 保存，格式越干净 AI 理解越准确。
Karpathy 的实测数据：100 篇文章、约 40 万字的规模下，单纯靠 index.md 导航足够快，不需要向量数据库。如果未来超过 300 篇，可以安装 qmd 本地搜索引擎加速检索。
除 iFlow CLI 外，Kimi Code CLI（月之暗面）、CodeBuddy Code（腾讯）都是优秀的国产替代。如果对数据安全有极高要求，可以本地部署 DeepSeek / Qwen-Coder / GLM-Coder 等开源模型，搭配 OpenCode 或 Cline 等开源 Agent 框架，实现完全离线运行、代码永不出本机。无论选哪个方案，Karpathy 工作流的核心原理完全不变。
LLM 无法在一次读取中同时处理 Markdown 文本和行内图片。解决方法是分两步：(1) 先让 AI 读取 Markdown 文本内容；(2) 再让 AI 单独查看 raw/assets/ 中的图片文件。虽然略微繁琐，但效果足够好。建议在 Obsidian 中开启"自动下载附件"功能。
背景：文章初稿写完后，发现 Claude Code 需要 Anthropic API，而 Anthropic 在国内没有直接服务。更重要的是——
2026 年 7 月 8 日，工信部 NVDB 正式发布了关于 Claude Code 的高危安全风险提示。监测发现其 2.1.91~2.1.196 版本内置隐蔽监控后门，可绕过用户授权静默向境外传输数据。阿里巴巴已于 7 月 10 日起全员禁用，腾讯更早在 2025 年 11 月就已将其移除。
结论：不仅仅是"能用不能用"的问题，而是"用了会不会出事"的问题。对于跨境电商这类涉及供应链数据、客户信息的业务场景，Claude Code 存在不可接受的安全合规风险。
核心认知：Karpathy 工作流本质上只需要一个能读写本地文件、能执行 Shell 命令的 AI Agent。任何支持这些能力的工具都能胜任，不绑定任何特定模型或厂商。
推荐方案：iFlow CLI（阿里心流）是 Claude Code 最完整的平替——免费、开源、支持 Kimi K2 / Qwen3 Coder / DeepSeek V3 等国产模型，基准测试综合表现优于 Claude Code。Kimi Code CLI（月之暗面）和 CodeBuddy Code（腾讯）同样是成熟方案。
本文即为证明：你现在看到的这篇文章，从调研、分析、撰写到代码修改，全程由 CodeBuddy（腾讯 CodeBuddy Code）完成——没有调用一次 Anthropic API。
不变。核心流程（Ingest → Compile → Query → Lint → Output）完全一致。唯一不同的是：
· 启动命令从 claude 变为 iflow（iFlow CLI）或 kimi（Kimi Code CLI）
· 规则文件从 CLAUDE.md 变为 AGENT.md（内容通用）
· 不再需要科学上网，不再需要 $20/月订阅
· API Key 从心流开放平台 / Kimi 平台免费获取
实际使用体验几乎无差异——都是终端交互模式，都是自然语言对话。
三个层面保障：
1. 传输层：国内模型的 API 推理全部在国内服务器完成，数据不出境。
2. 存储层：知识库本身就是本地 Markdown 文件，完全不依赖云端存储（Obsidian 是本地优先的）。
3. 极端方案：如果你对数据安全有极致要求，可以本地部署 DeepSeek / Qwen-Coder / GLM-Coder 等开源模型（Ollama），配合 OpenCode 等开源 Agent——实现完全离线运行，代码永不出本机。
省流版：够用，但方案要选对。
2GB 内存不适合运行重型 Node.js 应用或 Docker + PostgreSQL 全家桶（如 Wiki.js、Outline 需要 2GB 以上）， 但跑轻量级 Obsidian Web 浏览器完全没问题：
· Perlite（PHP）： 内存占用 < 50MB，Docker 容器整体 < 100MB
· Silmaril（Python FastAPI）： 内存占用 ~100MB
· VitePress 静态站点 + Nginx： 内存占用 < 30MB（最省资源）
· Obsidian-web（Go）： 内存占用 ~50MB
推荐配置：2核 2GB 完全可跑，如果预算允许升级到 4GB 会更从容，但不升级也不是瓶颈。 详见 十一·附：云服务器部署方案。
完全可以，而且有两种方式：
1. iframe 嵌入（推荐，零代码）： 在 vueMaster 中新增一个路由页面，用 <iframe> 嵌入云服务器上的知识库 Web 界面。
2. 自定义 Vue 组件（深度集成）： 用 Vue 2 + Element UI 写一个 Markdown 阅读器组件， 通过 API 从服务器拉取 Markdown 文件实时渲染。
无论是哪种方式，你都能在手机、平板、任何有浏览器的设备上访问知识库——而且因为是你自己的服务器，数据完全私密。 详见 十一·附：前端集成方案。
结论先行：2GB 内存完全够用，但方案选择是关键。 云服务器的瓶颈不在 CPU，而在内存。2GB 的场景下，不能用"全家桶"式的重型方案（如 Wiki.js + PostgreSQL + Redis）， 但轻量级的 Obsidian Vault Web 浏览器实测内存占用不到 100MB。
| 方案 | 技术栈 | 内存占用 | 部署方式 | 支持功能 | 推荐场景 |
|---|---|---|---|---|---|
| Perlite ⭐ | PHP + Nginx（Docker） | ~80MB | Docker 一行命令 | 搜索、图谱、标签、Mermaid、LaTeX、Obsidian 主题 | 首选推荐，最省心 |
| Silmaril ⭐ | Python FastAPI | ~100MB | pip install + 一行启动 | 搜索、Obsidian 主题、移动端适配、代码高亮 | 不用 Docker 的场景 |
| VitePress 静态 | Vue 3 + Vite | ~20MB | 本地 build + Nginx 静态托管 | 搜索、导航、主题 | 追求极致性能 |
| obsidian-web | Go + Vue 3 | ~50MB | Go 二进制 + 前端 | 搜索、图谱、LLM 集成、多仓库 | 需要 LLM 集成的进阶场景 |
Obsidian 官方有 Publish 服务（$8/月），但几个硬伤：
1. 数据在 Obsidian 官方服务器，不是你的云服务器
2. 无法自定义域名和鉴权
3. 月费累积成本：一年 $96，够买一台 2核4G 云服务器了
4. 无法集成到自己的项目网页——Publish 是独立站点
基于以上原因，本文推荐自建方案。
以下是完整步骤（以 Ubuntu 20.04/22.04，2GB 内存为例）：
curl -fsSL https://get.docker.com | bashsudo usermod -aG docker $USER ← 免 sudo 运行 Docker （退出 SSH 重新登录后生效）
# 在本地终端执行（替换为你的服务器 IP）scp -r ~/my-knowledge-base root@你的服务器IP:/home/kb/ 注意：不需要上传 .obsidian/ 文件夹（那是 Obsidian 客户端配置，服务器用不上），只上传 Markdown 文件和附件即可。
docker run -d \ --name perlite \ --restart unless-stopped \ -p 8080:80 \ -v /home/kb/my-knowledge-base:/var/www/perlite \ secure77/perlite:latesthttp://你的服务器IP:8080，应该能看到你的知识库 Web 界面 sudo apt install nginx certbot python3-certbot-nginx -ysudo nano /etc/nginx/sites-available/kbserver { server_name kb.your-domain.com; location / { proxy_pass http://127.0.0.1:8080; proxy_set_header Host $host; }}sudo ln -s /etc/nginx/sites-available/kb /etc/nginx/sites-enabled/sudo certbot --nginx -d kb.your-domain.comsudo systemctl reload nginx如果你的服务器没装 Docker 或想更轻量：
pip install silmarilsilmaril --vault /home/kb/my-knowledge-base --port 8080 --host 0.0.0.0# 支持 416 个 Obsidian 社区主题，移动端完美适配# 在服务器上添加 crontabcrontab -e# 添加：每 5 分钟 git pull 一次*/5 * * * * cd /home/kb/my-knowledge-base && git pull ⚠️ 注意：在 obsidian-web 或 Perlite 中设置只读模式（readonly: true），避免 Web 端编辑与本地编辑冲突。
有了云服务器上的 Web 版知识库后，下一步就是把它嵌入到"一颗松树"项目里——这样团队成员打开 OA 系统就能直接查知识库，无需记住额外网址。
在 vueMaster 项目中新增一个路由页面，用 iframe 嵌入知识库：
src/views/extranet/KnowledgeBase.vue： <template> <div class="kb-container"> <iframe src="https://kb.your-domain.com" class="kb-iframe" frameborder="0" allow="clipboard-write" /> </div></template><style scoped>.kb-container { width: 100%; height: calc(100vh - 60px); }.kb-iframe { width: 100%; height: 100%; border: none; }</style>router/index.js 中）： { path: '/knowledge-base', component: KnowledgeBase, meta: { title: '知识库' } }{ path: '/knowledge-base', title: '知识库', icon: 'el-icon-reading' }如果知识库部署在独立域名（如 kb.your-domain.com），而 OA 在另一域名，需要在服务器的 Nginx 中添加：
add_header X-Frame-Options "ALLOW-FROM https://oa.your-domain.com";或者更简单：知识库和 OA 部署在同一域名下的不同路径（用 Nginx location 转发）。
Perlite 和 Silmaril 都原生支持移动端响应式布局。iframe 在手机上也能正常使用——建议给 kb-container 设置 height: 100dvh 以适配移动端地址栏变化。
如果你不想用 iframe，而是想做成一整套符合项目 UI 风格的知识库界面，可以基于 Vue 2 + Element UI 搭建：
后端 API（Go/Node.js）：部署在云服务器上，提供 Markdown 文件的 CRUD + 搜索接口
前端（vueMaster）：用 marked + highlight.js 渲染 Markdown， 用 el-tree 展示目录结构，用 el-input 做全局搜索
数据流：Obsidian 本地编辑 → Git 同步 → 服务器 WebDAV/API → vueMaster 读取
核心依赖（在 vueMaster 中安装）：
npm install marked highlight.js github-markdown-css关键代码框架：
// API 接口设计（服务器端，Go 示例仅 30 行）GET /api/notes → 返回目录树 JSONGET /api/notes/:path → 返回 Markdown 原文GET /api/search?q=关键词 → 全文搜索// 前端 Markdown 渲染import { marked } from 'marked';import hljs from 'highlight.js';marked.setOptions({ highlight: (code, lang) => hljs.highlightAuto(code, [lang]).value});// 渲染this.renderedHtml = marked.parse(markdownContent);// 加上 [[双向链接]] 的转换逻辑// 加上 Mermaid 图表的实时渲染完整部署后的架构：
📱 手机/平板 ─── 浏览器 ───┐
💻 办公电脑 ─── Obsidian 客户端 ─── Git 同步 ───┐
│
┌──云服务器（2GB）──┐
│ Perlite / Silmaril │
│ Obsidian Vault │
│ Web 界面（:8080） │
└──────────┬─────────┘
│
🌐 vueMaster OA ─── iframe 嵌入 ───┘
→ 团队成员打开 OA → 点击"知识库"菜单 → 直接查、直接搜，一气呵成。