Obsidian + Claude Code: drugi mózg AI w jednym prompcie (metoda Karpathy'ego)
Masz Obsidian albo Notion. Masz w nich 300, 500, może 1000 notatek. Ostatnio zajrzałeś dwa miesiące temu. Z poczuciem winy. Witaj w klubie.
4 kwietnia 2026 Andrej Karpathy (były dyrektor AI w Tesli, współzałożyciel OpenAI) opublikował na GitHubie krótki gist — LLM Wiki. To nie kolejne narzędzie. To odwrócenie paradygmatu: drugi mózg nie ma być pisany przez Ciebie. Ma być pisany przez LLM. Ty tylko dropujesz źródła i zadajesz pytania.
W tym artykule pokażę:
- Dlaczego klasyczny drugi mózg (ang. second brain) prawie zawsze pada
- Jak Karpathy odwraca równanie — 3 warstwy, 3 operacje
- Gotowy prompt do Claude Code, który stawia cały system w 15 minut
- Bonus: jak Obsidian Web Clipper zamienia każdy artykuł w sieci w zasób Twojego vault'a
Bez przygotowania, bez kursu za 500 dolarów. Lecimy.
Dlaczego klasyczny drugi mózg pada
W 2022 Tiago Forte wydał książkę "Building a Second Brain". Sprzedał 400 000 egzemplarzy do końca 2025. Powstała cała branża — kursy, narzędzia (Notion, Obsidian, Roam), influencerzy productivity. A i tak większość ludzi porzuca system w ciągu kilku miesięcy.
Dlaczego? Bo klasyczny drugi mózg wymaga od Ciebie:
- Klasyfikowania notatek (PARA: Projects, Areas, Resources, Archives)
- Tagowania żeby później znaleźć
- Linkowania między notatkami
- Aktualizacji gdy coś się zmienia w 5 miejscach naraz
- Czyszczenia martwych notatek i broken linków
To jest praca administracyjna, nie myślenie. Po miesiącu masz wybór: prowadzić biznes albo katalogować notatki. Każdy wybiera biznes. System pada.
Karpathy o tym wprost: "Większość ludzi używa LLM-ów z dokumentami jak RAG — wrzucasz pliki, LLM przy każdym pytaniu szuka kontekstu od zera. Wiedza się nie kumuluje." I tu jest sedno.
Co Karpathy zmienia
Karpathy nie próbował zbudować lepszego notatnika. Zadał inne pytanie: jak wyglądałaby baza wiedzy, gdyby głównym czytelnikiem był LLM, nie człowiek?
Konsekwencja jest prosta i radykalna. Drugi mózg składa się z 3 warstw, na których wykonujesz 3 operacje. Cała reszta — klasyfikacja, tagi, linki, audyt — robi się sama, bo robi to LLM.
Cytat z gistu Karpathy'ego:
Wiki jest persistent, kumulującym się artefaktem. Powiązania istnieją na stałe. Sprzeczności są flagowane od razu. Synteza poprawia się z każdym dodanym źródłem.
To jest game-changer dla każdego, kto generuje masę kontekstu — researche, call'e z klientami, decyzje strategiczne.
3 warstwy architektury
secondbrain/
├── _CLAUDE.md # konstytucja vault'a
├── _index.md # katalog (czytany pierwszy)
├── _log.md # chronologiczny log akcji
├── sources/ # WARSTWA 1: surowe inputy
│ ├── articles/
│ ├── youtube/
│ ├── x/
│ └── podcasts/
├── inbox/ # myśli ulotne
└── wiki/ # WARSTWA 2: pisana przez LLM
├── concepts/
├── projects/
├── people/
└── synthesis/
Warstwa 1 — sources/ jest niezmienialna. Co tu wpadnie, nie edytujesz. Source of truth. Za rok pozwala zweryfikować, skąd Claude wziął jakieś twierdzenie.
Warstwa 2 — wiki/ jest dynamiczna. Pisze ją tylko LLM. Ty nigdy nie tworzysz tych plików ręcznie. Jak coś jest źle — poprawiasz prompty, nie pliki.
Warstwa 3 — _CLAUDE.md to konstytucja. Mówi LLM-owi jakie są reguły: folder map, jakie typy not jak nazywać, kiedy automatycznie zapisać, kiedy zapytać. Jeden plik zastępuje miesiące szukania "właściwej metody".
Karpathy dodaje też dwa pliki specjalne: index.md (katalog czytany pierwszy przy nawigacji) oraz log.md (append-only log akcji LLM-a).
3 operacje (codzienna rutyna)
Ingest — wrzucasz źródło, LLM kompiluje
Czytałeś artykuł McKinsey o AI w produkcji? Zamiast zostawić w zakładkach, dropujesz URL do Claude:
/obsidian-ingest https://mckinsey.com/...
Co robi Claude przez 30 sekund (sam, nie Ty):
- Pobiera artykuł, zapisuje surową wersję do
sources/articles/
- Identyfikuje firmy, osoby, koncepty (Siemens, Industry 4.0, MES)
- Updateuje 5-15 istniejących stron wiki — jeśli „Siemens" już istnieje, dostaje nową notatkę. Jeśli to nowy koncept, tworzy nową stronę
- Loguje zdarzenie w
_log.md
Ty wkleileś jeden URL. Dostałeś 15 zaktualizowanych stron wiedzy.
Query — pytasz, LLM odpowiada z Twojej wiedzy
Za tydzień rozmawiasz z klientem o AI w produkcji. Zamiast googlować od nowa, pytasz Claude:
/obsidian-find "AI w produkcji ROI"
Claude przeszukuje najpierw wiki, potem sources, potem daily notes. Wraca z syntezą Twojej własnej wiedzy. Wartościowe odpowiedzi zostają jako nowe strony wiki. Vault rośnie nie tylko z zapisanego contentu, ale też z Twoich pytań.
Lint — audyt zdrowia vault'a
Raz w tygodniu LLM robi przegląd:
- Sprzeczności (3 miesiące temu napisałeś że klient płaci 14k, dzisiaj że 32k — zaktualizujemy?)
- Sieroce strony (do których nic nie linkuje)
- Broken wikilinks
- Stale claims (twierdzenia ze starymi datami, warto zweryfikować)
Zero ręcznej pracy. LLM nie zapomina, nie nudzi się, zaglada do 15 plików w jednym pasie.
Cytat Karpathy verbatim:
Człowiek curate'uje źródła, kieruje analizą, zadaje dobre pytania. LLM robi resztę.
Tutorial: jeden prompt, cały system
To jest miejsce, gdzie ten artykuł różni się od innych poradników w sieci. Nie dam Ci 7 kroków do ręcznego wyklikania. Dam Ci jeden prompt, który podaje Claude'owi źródła do research'u i pozwala mu samemu zaprojektować wdrożenie pod Twój konkretny vault.
To jest Karpathy way: człowiek curate'uje źródła i pyta, LLM robi resztę.
Wymagania
- Claude Code zainstalowany i zalogowany (działa też w Cursorze, Codex CLI, Gemini CLI)
- Obsidian z istniejącym vault'em (albo pustym)
- Ścieżka do Twojego vault'a
Prompt do wklejenia
Otwórz Claude Code w terminalu w katalogu Twojego vault'a i wklej:
Chcę zbudować drugi mózg w moim Obsidianie według wzorca Andreja Karpathy'ego (LLM Wiki).
Tu są materiały do research'u — przeczytaj wszystkie zanim cokolwiek zaproponujesz:
1. Filozofia + architektura (źródło prymarne):
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
2. Oficjalne Obsidian Skills od Steph Ango (CEO Obsidiana) — fundament syntax, CLI, bases, canvas:
https://github.com/kepano/obsidian-skills
3. Implementacja Karpathy pattern z 32 slash commands + scheduled agents:
https://github.com/eugeniughelbur/obsidian-second-brain
4. Obsidian Web Clipper — do dropowania artykułów z przeglądarki:
https://obsidian.md/clipper
Mój vault: <PODAJ ŚCIEŻKĘ, np. ~/Documents/Obsidian/secondbrain>
Zrób:
1. Research — przeczytaj 4 źródła. Jeśli czegoś brakuje, doszukaj w sieci.
2. Skan vault'a — zobacz co już mam, co działa, co jest legacy do archiwizacji.
3. Plan — zaproponuj DOSTOSOWANY do mojego vault'a plan implementacji (Karpathy 3-layer, struktura katalogów, _CLAUDE.md governance, migracja istniejących plików). NIE wdrażaj bez mojego potwierdzenia.
4. Po moim OK — wdrożenie:
- struktura katalogów (sources/, wiki/, inbox/)
- _CLAUDE.md, _index.md, _log.md
- migracja starych plików do nowej struktury
- instalacja skilli z punktu 2 i 3 przez git clone (do ~/.claude/skills/) — bez npx, transparent file copy
5. Po wdrożeniu — powiedz co dalej (np. deploy scheduled agents, pierwszy test ingest, Web Clipper setup).
Pisz po polsku, krótko, konkretnie. Zadawaj pytania tylko gdy naprawdę niezbędne — domyśl się z kontekstu vault'a.
Claude przeczyta 4 źródła, zeskanuje Twój vault, zaproponuje plan dopasowany do Twojej zawartości — i wdroży go po Twoim OK.
Dlaczego ten styl działa lepiej niż prompt z gotowymi instrukcjami:
- Claude czyta źródła prymarne, nie moje streszczenie — łapie niuanse, których ja mogłem pominąć
- Plan jest dostosowany do Twojego vault'a, nie generyczny
- Aktualizuje się sam — jak Karpathy updateuje gist albo wychodzi nowa wersja eugeniughelbur, Claude pociągnie najnowsze
- Polish-blunt — "zadawaj pytania tylko gdy niezbędne" daje Ci 1-2 pytania, nie 10
Czas: czysty vault — 15-20 minut. Vault z 500 plikami do migracji — 60-90 minut (głównie czekanie na propozycje migracji).
Bonus: Obsidian Web Clipper
Karpathy w swoim gist'cie wymienia jedno narzędzie explicit jako część stack'a: Obsidian Web Clipper.
To oficjalna wtyczka od zespołu Obsidiana (autorstwa Steph Ango, CEO Obsidiana). Działa w Chrome, Firefox, Safari, Edge, Brave, Arc. Pod spodem używa Mozilla Readability — tego samego algorytmu, co Firefox Reader View.
Killer features (stan na 2026):
- Templates z auto-apply — ustawiasz reguły per witryna (artykuł z McKinsey idzie do
sources/articles/, post z X do sources/x/)
- LLM Interpreter — wtyczka wywołuje LLM przy clipowaniu, robi automatyczne podsumowanie, ekstrahuje kluczowe fakty
- Highlights management — zaznaczasz w przeglądarce, ląduje w vault z kontekstem
- Wszystko lokalnie — żadnej chmury, vault jest Twój
Workflow:
- Czytasz artykuł w przeglądarce
- Klikasz Web Clipper → ląduje w
sources/articles/2026-05-15-tytul.md z metadatą i podsumowaniem
- W Claude Code:
/obsidian-ingest sources/articles/2026-05-15-tytul.md
- Claude propaguje wiedzę do wiki — 5-15 stron zaktualizowanych
Pobierz: obsidian.md/clipper.
Co zyskujesz, gdy to działa
Po wdrożeniu (mówię z własnego doświadczenia — wdrożyłem to wczoraj):
- Czas decyzji: zamiast 20 minut researchu pod każdy call z klientem — 30 sekund pytania do vault'a
- Pamięć organizacyjna: jak zatrudnisz współpracownika, on pyta vault. Onboarding skraca się z 2 tygodni do godzin
- Wiedza, która się kumuluje — Karpathy nazywa to "compounding artifact". Klasyczny RAG zaczyna od zera za każdym razem. Tutaj synteza rośnie z każdym źródłem
- Audit trail: każda decyzja, klient, deal — traceable historia z datami i źródłami
- Bez cognitive load: nie musisz pamiętać "gdzie to zapisałem". Pytasz Claude, dostajesz
To nie jest "ładny notatnik". To zewnętrzny mózg, który działa szybciej niż Twój własny.
Jeden warunek żeby zadziałało
Karpathy w gist'cie ostrzega: "Start small. 10 sources. Make sure ingest, query, lint feel natural. Then expand."
Pierwsze 2 tygodnie to trial. Twoja praca:
- Każdy artykuł/X post/YT video, którego czytasz dłużej niż 30 sekund →
/obsidian-ingest
- Gdy potrzebujesz info →
/obsidian-find zamiast googlowania
Po 14 dniach: jeśli używasz ingest codziennie, system żyje. Jeśli nie — wyłącz i przemyśl czego naprawdę potrzebujesz.
Wartość vault'a = funkcja użycia. Nie jakości setupu. Najpiękniejszy _CLAUDE.md świata nic nie pomoże, jeśli wrócisz do googlowania.
Chcesz tego u siebie?
Jeśli prowadzisz firmę, agencję albo jesteś solopreneur'em i czujesz, że tracisz wiedzę szybciej niż ją zdobywasz — to jest rozwiązanie.
Umów 30-min konsultację. Pokażę Twój use case, zaprojektujemy strukturę pod Twój biznes, postawimy system w jednym callu.
Źródła: