## 第二大脑堆栈：八大知识引擎实测 ### 概述 当 Claude Code 把 Skills 从「一次性命令」升级为可长期驻留、可被主模型自动调度的能力单元（即所谓 Skills 2.0），生态里最先爆发的并不是某个垂类工具，而是横跨生产力、研究与学习三大场景的「第二大脑（Second Brain）」堆栈。本周期内，知识捕获、持久记忆、引用式检索与综述合成四个环节都出现了安装量陡增的代表性引擎。本次横评聚焦八个真正可被主代理直接调用的知识引擎：**notebooklm、remembering-conversations、notion 三件套、obsidian 四件套、deep-research、wikipedia-research、academic-researcher、knowledge-card-pro**，从功能完整度、上手难度、变现潜力、训练营适用性与社区活跃度五个维度逐个拆解，并给出可直接落地的商业化与教学路径。 ### 评测对比总览 | 引擎 | 所属环节 | 功能完整度 | 上手难度（星越多越易） | 变现潜力 | 训练营适用性 | 社区活跃度 | 综合得分 | |------|---------|:---:|:---:|:---:|:---:|:---:|:---:| | notebooklm | 检索/接地 | ★★★★★ | ★★★★ | ★★★★ | ★★★★ | ★★★★ | 4.4 | | remembering-conversations | 持久记忆 | ★★★★ | ★★★★★ | ★★★ | ★★★ | ★★★ | 3.6 | | notion 三件套 | 捕获/组织 | ★★★★ | ★★★ | ★★★★★ | ★★★★★ | ★★★★ | 4.2 | | obsidian 四件套 | 捕获/可视化 | ★★★★★ | ★★★ | ★★★★ | ★★★★★ | ★★★★★ | 4.4 | | deep-research | 综述合成 | ★★★★★ | ★★★★ | ★★★★★ | ★★★★ | ★★★★★ | 4.6 | | wikipedia-research | 引用接地 | ★★★★ | ★★★★★ | ★★★ | ★★★★ | ★★★★ | 4.0 | | academic-researcher | 文献综述 | ★★★★ | ★★★★ | ★★★★ | ★★★★ | ★★★★ | 4.0 | | knowledge-card-pro | 知识外化 | ★★★★ | ★★★★ | ★★★★★ | ★★★★★ | ★★★★ | 4.4 | > 评分口径：功能完整度看是否开箱即用且能力齐全；上手难度看学习曲线与前置依赖（含鉴权/环境配置）；变现潜力看能否改造成付费产品及定价空间；训练营适用性看教学时长与可演示性；社区活跃度结合本地可用性、skills.sh 安装量与周边教程密度。 --- ### 一、notebooklm —— 把 Gemini 的「只读证据库」接到代理里 **来源/安装**：作为本地 Skill 直接可用，主代理在需要「来源接地的、带引用的回答」时自动触发；市场侧等价物为 `yonatangross/orchestkit@notebooklm`（约 95 次安装）。核心价值在于让 Claude Code 直接查询你的 Google NotebookLM 笔记本，强制模型只能基于文档作答，从而把幻觉率压到极低。 **核心功能演示**：典型链路是「建库 → 持久登录 → 提问 → 拿带引用的答案」。它会通过浏览器自动化完成 NotebookLM 的库管理与会话维持，把文档式回答（document-only responses）连同原始来源一并回灌给主代理。对一个有 20 篇论文/规范的研究库，提问「PDU 会话建立的关键步骤」时，它会返回带 `[来源 3, 时间码]` 的结构化答案而非自由发挥。 **评分**：功能完整度 ★★★★★｜上手 ★★★★（需配 Google 账号与浏览器）｜变现 ★★★★｜训练营 ★★★★｜社区 ★★★★。 **变现/训练营**：可作为「企业内部知识库问答 SaaS」的引擎层，按席位或按检索量计费；教学上适合作为「RAG vs 文档接地」对比课的演示件，2 课时即可跑通「私有库 + 引用」闭环。竞品是自建向量库方案，但 notebooklm 的优势在于零运维、零 chunking 调参。 --- ### 二、remembering-conversations —— 跨会话的长期记忆层 **来源/安装**：本地 Skill，主代理在判断「这条信息未来还会用到」时主动写入持久记忆；属于「主上下文之外的记忆系统」最小实现。它解决的是 Claude Code 默认「会话结束即遗忘」的痛点，把关键决策、用户偏好、项目约束落盘到记忆文件。 **核心功能演示**：当你在一次会话中确立了「项目用 4 空格缩进、提交信息不加版本号」的约定，它会判断该信息具有跨会话价值并写入记忆目录；下次新会话开场即自动加载，无需重复交代。它本质上是把「CLAUDE.md + 持久文件记忆」机制产品化为一个可被自动调度的 Skill。 **评分**：功能完整度 ★★★★（机制清晰但偏薄）｜上手 ★★★★★（零依赖）｜变现 ★★★｜训练营 ★★★｜社区 ★★★（属基础设施类，安装量不显眼）。 **变现/训练营**：单独变现弱，更适合作为「个人数字助理」产品的标配记忆模块，与 persona 类 Skills 打包售卖（这正是「人格 Skills 商业化」浪潮的底座）。教学上可作为「短期记忆 vs 长期记忆」一节的概念演示，但深度不足，不建议单独成课。竞品是各类「memory tool」MCP 服务，它胜在轻量、与原生记忆目录零摩擦。 --- ### 三、notion 三件套 —— 把捕获、纪要、研究三个口子接到 Notion **来源/安装**：由 `notion-knowledge-capture`、`notion-meeting-intelligence`、`notion-research-documentation` 三个本地 Skill 组成，主代理在「记录这条到 Notion」「整理会议纪要」「沉淀研究文档」等场景分别触发。三者覆盖了知识进入第二大脑的最高频入口。 **核心功能演示**：知识捕获负责把对话中的事实/决策结构化写入指定 Notion 数据库；会议纪要组件做语音/文字 → 行动项 + 决议 + 待办的拆解；研究文档组件负责把 deep-research 的产出按 Notion 页面规范归档。三者协同，形成「对话事实 → 会议决议 → 研究档案」的捕获主干。 **评分**：功能完整度 ★★★★（覆盖广，单点深度依赖 Notion API 配额）｜上手 ★★★（需建集成、配 token、设计数据库 schema）｜变现 ★★★★★｜训练营 ★★★★★｜社区 ★★★★。 **变现/训练营**：这是八者中训练营适配度最高的一个——可在 1 天工作坊里讲完「Notion 第二大脑搭建」，学员自带 Notion 即可产出可用系统，适合 99–299 元的入门训练营；商业化上可直接包装成「企业 Notion 知识库代建 + 自动捕获」服务，客单价空间大。竞品是 Obsidian 方案，差异在 Notion 的协作与数据库属性更利于团队，而 Obsidian 更利于个人与本地化。 --- ### 四、obsidian 四件套 —— 本地优先的第二大脑与可视化大脑 **来源/安装**：`obsidian-cli`、`obsidian-markdown`、`obsidian-mermaid`、`obsidian-bases` 四个本地 Skill（市场另有 `obsidian:skill-creator` 等），主代理在「写入 vault」「生成双链笔记」「画 Mermaid 知识图」「建 Bases 数据库视图」时分别触发。这是生态里最成熟的本地知识库集成簇，社区教程密度极高。 **核心功能演示**：`obsidian-cli` 完成笔记的增删查改与 vault 组织；`obsidian-markdown` 负责符合 Obsidian 语法的双链 `[[ ]]` 与 frontmatter；`obsidian-mermaid` 把工作流/概念转成可直接嵌入笔记的 Mermaid 图；`obsidian-bases` 则构建类数据库的结构化视图。四者合起来，等于让代理替你「写笔记 + 串双链 + 配图 + 建表」。 **评分**：功能完整度 ★★★★★｜上手 ★★★（需先有 vault、懂双链与 Bases 概念）｜变现 ★★★★｜训练营 ★★★★★｜社区 ★★★★★（教程、插件、二开项目数量第一）。 **变现/训练营**：教学价值极高，适合做成「Obsidian + Claude Code 第二大脑实战营」（1–2 天，199–499 元），学员结业即拥有一套自动归档、自动配图、自动建链的个人知识系统。商业化上可与 `claude-obsidian` 这类自组织第二大脑插件结合，做面向研究者/写作者的付费模板与定制 vault。与 Notion 三件套的取舍：本地、隐私、可移植 vs 协作、属性化、零运维。 --- ### 五、deep-research —— 多源检索 + 证据汇编 + 引用报告 **来源/安装**：本地 Skill，主代理在「需要深度、多源、事实核查过的研究报告」时触发。它是一条完整的调研流水线：扇出式搜索 → 抓取来源 → 对抗式验证主张 → 合成带引用的报告。市场同类 `firecrawl/firecrawl-workflows@firecrawl-deep-research` 安装量约 15.5K，验证了该品类的旺盛需求。 **核心功能演示**：提问「2026 年 6G 太赫兹通信三大技术突破」，它会并行发起多路搜索、抓取原文、对每条主张做对抗式核验（尝试证伪），最终输出带可点击引用的结构化报告。它的杀手锏是「在回答前先做事实核查」，把幻觉从源头拦住。 **评分**：功能完整度 ★★★★★｜上手 ★★★★（开箱即用，结果质量依赖搜索配额）｜变现 ★★★★★｜训练营 ★★★★｜社区 ★★★★★（本周期最热品类之一）。 **变现/训练营**：变现天花板最高——可直接做成「行业研报按篇计费」「竞品分析订阅」「尽调简报」等付费产品，单篇定价空间从 50 元到上千元。训练营适合作为「AI 调研方法论」核心课，但要先讲清「对抗式验证」的思想，约 0.5 天。竞品是 `research`、`wikipedia-research`、`academic-researcher`，它胜在全链路自动化与验证严格度，但单点深度（如纯学术）弱于 academic-researcher。 --- ### 六、wikipedia-research —— 可验证、带引用的结构化知识抽取 **来源/安装**：本地 Skill，主代理在做「需要来源验证的事实核查、引用抽取、实体关系构建」时强制触发。它专门把某百科内容连同其底层引用一并抽取，输出对 AI 与验证管线友好的结构化 JSON。 **核心功能演示**：除抓取正文外，它还会回溯条目下方的参考文献、构建实体关系、生成时间线，适合做知识图谱与跨源事实校验。例如核实「某协议标准首次发布的年份」时，它会给出条目原文 + 对应引用编号，而不是断言。 **评分**：功能完整度 ★★★★（限于维基语料）｜上手 ★★★★★（零依赖，触发即用）｜变现 ★★★｜训练营 ★★★★｜社区 ★★★★。 **变现/训练营**：单独变现受限（维基内容免费），更适合作为教育产品的「事实核查后端」或事实卡片生成器的数据源。训练营里它是讲「为什么 LLM 会编造、如何用一手引用兜底」的最佳教具，半天即可。竞品是通用 WebSearch，它胜在「带引用、可回溯、结构化」，劣势是覆盖面限于某百科条目。 --- ### 七、academic-researcher —— 文献综述与学术写作助手 **来源/安装**：本地 Skill，主代理在「审论文、做文献综述、写研究综述、规范引文」时触发。它面向学术场景，强项是方法学分析、引文格式化与综述结构。 **核心功能演示**：输入一组 arXiv 论文，它能产出方法对比矩阵、研究空白识别与综述段落，并按指定格式（APA/IEEE）输出引文。配合 `arxiv-paper-to-wechat-article` 还能进一步把论文转成公众号解读。 **评分**：功能完整度 ★★★★｜上手 ★★★★（需懂学术规范）｜变现 ★★★★｜训练营 ★★★★｜社区 ★★★★。 **变现/训练营**：变现路径清晰——「论文精读/文献综述代写」「基金标书文献支撑」服务，客单价中等偏高；训练营适合面向研究生群体的「AI 辅助科研」课，约 1 天。竞品是 deep-research 与各类学术 GPT，它胜在学术规范严格、引文可控，劣势是工业情报/市场研究场景偏弱。 --- ### 八、knowledge-card-pro —— 把知识外化成可传播的动画卡片 **来源/安装**：本地 Skill，主代理在「把抽象概念做成科普短视频/知识卡片」时触发，定位是 STEM 领域的「知识外化引擎」。它把第二大脑里沉淀的内容反向输出为可传播的 16:9 动画知识卡。 **核心功能演示**：输入一个技术概念（如「网络切片」），它输出带动画演绎的知识卡视频，适合做短视频科普。它处在第二大脑流水线的最末端——捕获、检索、合成之后，做最终的「知识再传播」。 **评分**：功能完整度 ★★★★（垂类聚焦但成品质量高）｜上手 ★★★★｜变现 ★★★★★｜训练营 ★★★★★｜社区 ★★★★。 **变现/训练营**：变现极强——可直接支撑「知识博主代运营」「科普短视频按条计费」「企业技术宣发」业务，单条定价空间大；训练营上，它是「把内部知识资产变成对外内容资产」的收尾课，演示效果炸裂。竞品是各类文生视频/卡片引擎，它胜在「先有结构化知识再外化」的工程化链路，而非纯生成。 --- ### Skills 生态分类思维导图 ```mermaid mindmap root((第二大脑堆栈)) 捕获 Capture notion三件套 知识捕获 会议纪要 研究归档 obsidian四件套 vault读写 双链markdown mermaid配图 Bases视图 记忆 Memory remembering-conversations 跨会话持久化 偏好与约束 检索 Retrieve notebooklm 文档接地 带引用回答 接地 Grounding wikipedia-research 结构化抽取 引用回溯 academic-researcher 文献综述 引文规范 合成 Synthesize deep-research 多源扇出 对抗式验证 引用报告 外化 Externalize knowledge-card-pro STEM动画卡 知识再传播 ``` ### 推荐排行榜 **按综合得分**：① deep-research（4.6）→ ② notebooklm / obsidian 四件套 / knowledge-card-pro（4.4 并列）→ ⑤ notion 三件套（4.2）→ ⑥ wikipedia-research / academic-researcher（4.0 并列）→ ⑧ remembering-conversations（3.6）。 **按变现潜力（优先做出付费产品）**：① deep-research（研报/尽调按篇计费）→ ② knowledge-card-pro（知识博主代运营）→ ③ notion 三件套（企业知识库代建）→ ④ academic-researcher（文献综述服务）→ ⑤ notebooklm（私有库问答 SaaS）。 **按训练营落地优先级（先开课先收学员）**：① notion 三件套（1 天工作坊，自带账号即可出成果）→ ② obsidian 四件套（1–2 天，本地化受众广）→ ③ knowledge-card-pro（演示炸裂的收尾课）→ ④ deep-research（方法论核心课）→ ⑤ notebooklm（RAG 对比演示）。 **按上手零门槛（想立刻体验）**：① wikipedia-research（零依赖，触发即用）→ ② remembering-conversations（零依赖）→ ③ notebooklm（仅需 Google 账号）→ ④ deep-research（开箱即跑）。 **给你的选型建议**：如果目标是「个人研究者单兵作战」，首选 `obsidian 四件套 + deep-research + wikipedia-research` 的组合——本地沉淀、严格综述、可回溯引用，闭环最干净；如果目标是「团队/企业知识资产化」，首选 `notion 三件套 + notebooklm + knowledge-card-pro`——协作捕获、私有库问答、对外内容外化一条龙。记忆层 `remembering-conversations` 建议无论哪条线都常驻，它是整套堆栈粘合跨会话上下文的「水泥」。 ### 结语延伸 第二大脑堆栈之所以在本周期集体爆发，本质是 Skills 2.0 让「捕获—记忆—检索—合成—外化」这条历来割裂的链路，第一次能在同一个主代理里被自动调度、首尾相接。下一步值得观察的不是单个引擎的 Star 数，而是它们之间的编排契约——谁能先把这些引擎串成一条「无人值守的知识流水线」，谁就拿到这一波第二大脑商业化的最大红利。 --- ## 参考来源 1. [The Ultimate Claude Code Resource List 2026 — scriptbyai](https://www.scriptbyai.com/claude-code-resource-list/) — 覆盖 Agents/Skills/Plugins/SDK 的精选资源目录，可交叉验证各知识引擎的存在与定位。 2. [Claude Code Skills Ecosystem: The Complete 2026 Guide — getbeam](https://getbeam.dev/blog/claude-code-skills-ecosystem-guide.html) — 对 1000+ Skill 生态的导航与分类，第二大脑类引擎的归类依据。 3. [What's New in Claude Code Skills 2.0 — Pere Villega](https://perevillega.com/posts/2026-04-01-claude-code-skills-2-what-changed-what-works-what-to-watch-out-for/) — 解释 Skills 2.0 统一命令与 Skill、引入 subagent/evals 后生态如何扩张。 4. [Claude Code + NotebookLM + Obsidian: The Research Stack Nobody's Using — artemxtech](https://artemxtech.substack.com/p/notebooklm-has-a-knowledge-graph) — notebooklm 与 Obsidian 协同做带引用研究栈的实战，佐证检索与捕获环节。 5. [Building a Knowledge Management System with Obsidian and Claude Code — carlfung](https://carlfung.dev/blog/obsidian-claude-code-knowledge-management) — 把 Claude Code 记忆目录改造成第二大脑的工程实践，obsidian 四件套场景来源。 6. [claude-obsidian: Self-organizing AI second brain — GitHub](https://github.com/AgriciDaniel/claude-obsidian) — 开源自组织第二大脑插件，obsidian/记忆层变现打包方案的参照实现。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。