Obsidian+Claude长期记忆：4个组件搞定，本地Ollama语义检索

把Claude的对话沉淀进Obsidian vault，索引交给Ollama跑——这条链路比想象中短。四个组件，没有一个是重量级框架，每个都是markdown友好。

Claude的"金鱼脑"问题

聊到第三轮，Claude已经忘了你前天讨论过的项目架构。云端方案有ChatGPT的Memory，但你的笔记交给了别人——换一个工具，记忆就归零。

更有意思的路径：把Obsidian vault当Claude的外置硬盘，Ollama跑本地embedding，记忆完全留在自己机器上。

四个组件

组件一：Obsidian Local REST API

coddingtonbear开发的社区插件，开启后Obsidian在本地27124端口暴露HTTPS接口。

⚠️ 注意：默认是HTTPS自签证书，第一次连接需要手动信任，或者改成HTTP模式（仅限本机）。这一步卡住的人不少。

组件二：mcp-obsidian

MarkusPfundstein维护，3.5k star。MCP server，将REST API包装成7个工具：

工具	功能
list_files_in_vault / list_files_in_dir	列出笔记，相当于ls
get_file_contents	读单个markdown文件
search	关键词搜索（非语义）
append_content	往现有笔记追加内容，最常用
patch_content	局部修改指定段落
delete_file	删除笔记

安装：

uvx mcp-obsidian

API key写入 claude_desktop_config.json 的env字段。

组件三：Claude Desktop

通过MCP协议调用上述7个工具，把vault当成可读可追加的工作区。

配置文件位置：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\

组件四：Ollama

跑本地embedding模型，为笔记建立语义索引。

两条记忆线

记忆类型	实现方式	用途
对话沉淀	append_content	把关键讨论追加到对应笔记
语义检索	Ollama embedding	问任何问题，语义匹配找相关笔记

两条线互不冲突，可以同时启用。

安装顺序（最小上手）

# 1. 安装Obsidian，开启Local REST API插件
# 2. 配置API并测试连通性
# 3. 安装Claude Desktop
# 4. 配置mcp-obsidian
uvx mcp-obsidian

# 5. 安装Ollama
# 6. 下载embedding模型
ollama pull nomic-embed-text

# 7. 配置Claude Desktop使用Ollama做检索

配置示例

mcp-obsidian配置

{
  "mcpServers": {
    "obsidian": {
      "command": "uvx",
      "args": ["mcp-obsidian"],
      "env": {
        "OBSIDIAN_API_KEY": "your-api-key"
      }
    }
  }
}

Ollama配置

{
  "embeddings": {
    "provider": "ollama",
    "model": "nomic-embed-text"
  }
}

优势

对比	云端记忆方案	本地Obsidian方案
数据安全	笔记在服务商服务器	完全本地
迁移成本	绑定平台	markdown随时导出
成本	订阅制	免费
定制性	有限	完全可控

---

关键词：Obsidian, Claude, 长期记忆, mcp-obsidian, Ollama, 本地embedding, MCP, 语义检索