案例 06 · 基于本地 Markdown 的 Obsidian 智能关系网标签推荐器

> 📘 本案例有深度详解（含真实提示词与全程调试）：案例06 · Obsidian 智能标签与双链推荐器

【关键工具】 Claude Code + Node.js

【70% Vibe】

对所有用 Obsidian 记笔记的人来说，这是个梦想工具：它扫描你本地的整个笔记库，理解每篇笔记的语义，自动为那些"孤岛笔记"推荐合适的双向链接（bi-links）和标签，让你散落的知识自动连成网。这是一个典型的"高阶 CLI"案例——用 Claude Code 直接在终端里操作你的本地文件系统，配合 Node.js 处理 Markdown。

【30% Engineering】

这个案例的 30%，是一道地道的工程性能题。

核心难点是本地文件系统的大批量读写性能。一个用了几年的笔记库可能有上千个文件。如果程序设计得粗糙，一次全量读取、逐个比对，会非常慢，甚至卡死。你需要认真考虑读写的效率——批量处理、控制内存占用、避免重复 IO。

与之配套的是增量扫描算法。你不可能每次运行都把整个库重新分析一遍——那既慢又浪费。正确的做法是记录上次扫描的状态，每次只处理"新增或修改过"的笔记。如何准确地判断"哪些变了"、如何维护这份状态，是让工具从"能用一次"变成"能天天用"的关键。