他没买新AI工具，而是给AI建了个私人图书馆

凌晨三点，研究员翻出上周读到的三篇论文，拖进一个文件夹；五分钟后，他的AI助手自动摘要、打标签、关联到两个未完成的实验设计里。这不是科幻场景，是@omarsar0日常工作的切片。

他用Obsidian管理所有笔记，但不止于记笔记：每天筛选、归档、结构化机器学习领域的最新论文，并为这些资料专门微调了一个技能（Skill），让AI能精准检索、推理、引用——就像人脑调取长期记忆那样自然。 这意味着：AI不再靠临时提问猜意图，而是像同事一样，带着上下文进入任务。

他自建了代理运行框架（agent harness）、任务编排器（orchestrator）和MCP工具链（一种模块化控制协议），整套系统直接跑在本地笔记库之上。 这意味着：知识不是静态文档，而是可执行的组件；每次阅读、标注、链接，都在给AI注入新的判断依据。

最特别的是，他没用任何商业AI平台做底座，而是在Obsidian vault上搭了一层自研UI和API层，让知识呈现方式完全按需定制。 这意味着：知识库的形态，终于可以匹配思考的形状，而不是迁就软件的模板。

别人在问‘这个模型能不能做X’，他在问‘我今天喂给它的第17篇论文，有没有改变它对X的理解’。

这条路没有现成SDK，只有README、实验日志和不断重写的自动化脚本——但所有零件都长在同一个知识根系上。