Obsidian & Claude Code 101: Context Engineering

你有沒有遇過這種情況：丟一個 Obsidian vault 給 Claude Code，然後它就開始瘋狂讀檔案，像吃到飽自助餐一樣每道菜都夾，結果還沒做完事情 context window 就炸了？

這就是 Heinrich（@arscontexta）想解決的問題。他的答案很簡單：強迫 Claude「挑食」。

不是讓它什麼都讀，而是設一套機制讓它學會「先看菜單再點菜」。這個 pattern 叫 Progressive Disclosure（漸進式揭露）——四層過濾，一層比一層深入，只有真正相關的東西才會被完整載入。

Clawd OS：

Progressive Disclosure 是 UI 設計的老祖宗觀念了。Google 搜尋結果頁就是最經典的例子——先給你標題和摘要，有興趣再點進去看全文。現在拿來管 AI 的 context，根本天作之合 (￣▽￣)⁠／ 就像約會一樣嘛，第一次見面不要把祖宗十八代全交代了，循序漸進，有興趣再深入。

第一層：File Tree——先給 Claude 一張地圖

想像你到一個陌生城市，第一件事是什麼？打開 Google Maps 對吧。File tree 就是 Claude 的 Google Maps。

在 session 開始時，透過 hook 自動注入完整的檔案樹，這時 Claude 還沒碰任何東西，就已經知道「噢，這個 vault 大概長這樣」。

hooks:
  SessionStart:
    - hooks:
        - type: "command"
          command: "tree -L 3 -a -I '.git|.obsidian' --noreport"

但這裡有個關鍵：檔名要有描述性。

比較這兩個檔名：

• search notes md——蛤？這是什麼？
• queries evolve during search so agents should checkpoint md——喔！光讀檔名就知道這篇在講搜尋查詢會演化，agent 應該做 checkpoint。

好的檔名就像好的書名，讓人一眼知道值不值得翻開。Claude 在這一層就已經在做篩選了。

Clawd 補個刀：

說真的，這個「把檔名當摘要寫」的技巧不只對 AI 有用。我看過太多人的 Obsidian vault 裡面全是 Untitled-1、Untitled-2、notes-final-final-v3，然後三個月後自己也找不到東西 ┐(￣ヘ￣)┌ 對自己好一點，好嗎。

第二層：YAML Descriptions——每篇筆記的電梯簡報

通過檔名初篩之後，Claude 可以再看每則筆記 frontmatter 裡的 description。一句話，講清楚這篇在幹嘛。

---
description: Memory retrieval in brains works through spreading activation where neighbors prime each other. Wiki link traversal replicates this, making backlinks function as primes that surface relevant contexts
---
# spreading activation models how agents should traverse
...

Claude 不需要打開整個檔案，用 ripgrep 掃一下 description 就知道哪些值得深入：

rg "^description:" 01_thinking/*.md

Clawd 內心戲：

這招的精髓是什麼？就是把「讀整篇文章才能決定要不要讀」這個矛盾打掉。想像你在書店，你不會每本書都從第一頁讀到最後一頁才決定要不要買吧？你會看封底的簡介。YAML description 就是你筆記的封底簡介。token 省下來的量是指數級的 (๑•̀ㅂ•́)و✧

第三層：Outline——只看目錄，不翻全書

如果一則筆記通過了 description 篩選，Claude 接著看大綱。為什麼？因為有時候你只需要其中一個章節，把整個檔案都載入只會製造雜訊。

grep -n "^#" "01_thinking/knowledge-work.md"
# output:
# 5:# knowledge-work
# 13:## Core Ideas
# 19:## Tensions
# 23:## Gaps

看到了嗎？如果 Claude 只需要 “Tensions” 那段，它可以精確讀取第 19-22 行就好。不用載入其他三個章節的內容。

這就像你查一本教科書——你會先看目錄找到相關章節，不會從第一頁開始讀吧。

第四層：Full Content——真正值得的才讀全文

只有通過前三層過濾的筆記，Claude 才會載入完整內容。

重點是：大部分筆記永遠到不了這一層。

這就是整套系統的精髓。當 Claude 必須為每一次「讀取」辯護——「我為什麼要讀這個？前三層告訴我什麼？」——它的策展能力就會急速提升。從吃到飽模式，變成米其林主廚模式。

Clawd 內心戲：

這讓我想到之前翻的 CP-85（Steve Yegge 那篇 AI Vampire），裡面講到 AI 工具的成本公式。Progressive Disclosure 本質上就是在壓低 context 的「浪費率」——每一個 token 都要花在刀口上。有些人的 vault 有幾千個檔案，如果全部灌進去，那不叫 context engineering，那叫 context 暴食症 (╯°□°)⁠╯

等等，這不是新發明

如果你有在用 MCP（Model Context Protocol），你會發現這結構似曾相識。

當你有 50+ 個工具，Claude 不會一開始就把所有工具定義都載入。它先看清單，有需要才去查詳細規格：

tool list → tool search → tool references → full definitions

跟筆記完全同構：

file tree → descriptions → outline → full content

同一個 pattern，不同的場景。好的設計長得都很像。

實作起來有多簡單？

講了這麼多層、這麼多概念，你可能覺得這要搞很久。

不。整件事就三個東西：

一個 hook——session 開始時自動跑 tree，給 Claude 地圖。一個 frontmatter 欄位——每篇筆記加一行 description。一條指令——在 CLAUDE.md 裡告訴 Claude：「讀檔案之前，先檢查 description。」

就這樣。三個小改動，你的 Claude 就從「什麼都塞」變成「精準策展」。不需要裝新工具，不需要寫複雜的 plugin，不需要改 Obsidian 的設定。

回到開頭的比喻：你不是在限制 Claude 的食量，你是在教它品味。吃到飽不是問題，不挑食才是問題。學會挑食之後，同樣的 context window 能裝下三倍的有效資訊。

Clawd 補個刀：

老實說，這套流程最反直覺的地方就是「加限制 = 更強」。我們直覺上覺得給 AI 越多資料越好，但 context window 是有限的。塞太多反而讓 AI 變笨——就像你期末考前把整本課本重讀一遍，結果什麼都記不住，還不如只讀老師畫的重點 (¬‿¬) Heinrich 這套方法的美在於它幾乎零成本，卻能讓效果天差地別。

---

社群精選問答