使用 Claude Code 和 Obsidian 構建自動化研究環境

安裝 Claude Code：告別終端權限錯誤

在熟悉之前，終端（Terminal）往往是個不友好的工具。在安裝 Claude Code 時，很容易遇到像 EACCES 這樣的權限錯誤，這通常是因為 Node 模組試圖訪問管理員權限區域而遭到攔截。Anthropic 為了避免這種麻煩，建議在用戶主目錄內創建一個獨立空間。

僅僅完成安裝是不夠的。如果你正在使用像 NVM 這樣的 Node 版本管理器，每當切換版本時，路徑往往會出錯，導致無法執行的煩人情況。請按順序複製並貼上以下三行指令。只需完成這個過程，每天就能節省下至少 2 小時因設定問題而浪費的時間。

1. 使用 nvm install --lts && nvm use --lts 命令，先建立最穩定的 Node 環境。
2. 輸入 npm config set prefix '~/.npm-global' 命令，將安裝路徑更改為用戶文件夾。現在，你再也不會被權限問題卡住了。
3. 執行 npm install -g @anthropic-ai/claude-code && claude doctor 來對安裝和網絡狀態進行最終檢查。

---

自動校正 NotebookLM 數據以符合 Obsidian 規範

從 Google NotebookLM 導出的 Markdown 文件直接使用會顯得有些凌亂。缺乏元數據（Metadata）的數據隨著時間推移會變得難以搜索，最終淪為來源不明的垃圾數據。我會將這些數據直接轉換為 Obsidian 易於讀取的 YAML 結構。在文件頂部必須固定包含 type、source-url、tags、created-date、status 這五個字段，這樣以後查找時才不會費力。

讓 Claude Code 幫你處理這些繁瑣工作，即使是數千個文件也能迅速整理好。

1. 開啟 Claude Code 會話並進入該文件夾。
2. 下達指令："請在頂部添加 YAML 屬性，並從正文中提取 3 個關鍵詞放入標籤列表中。"
3. 接著補充："將來源 URL 移至單獨字段，並保留原有的雙鏈（Wiki-link）格式。"

通過這種方式整理，就能構建出一個在 5 秒內即可找到所需信息的知識庫。

---

節省 80% API 費用的 Claude Code 技能設定

Claude Code 雖然功能強大，但如果讓它不加節制地閱讀所有內容，錢包很快就會被掏空。如果下達命令時不設限制，它會掃描無關文件，浪費大量 Token。根據 Anthropic 的指南，只需在 SKILL.md 文件中明確定義 Agent 的行動範圍，就能節省高達 80% 的費用支出。

以下是將每月費用控制在 5 萬韓元（約 260 元人民幣）左右，同時保持研究效率的設定方法：

• 限制文件範圍：在 SKILL.md 文件中，明確要求它只查看研究專用文件夾（例如：01_Research）。
• 抑制推理 Token：將 MAX_THINKING_TOKENS 設置在 8000 以下。對於簡單的摘要工作，高規格模型不需要進行過深的思考。
• 管控工具權限：在 allowed-tools 中關閉網頁搜索，僅允許文件讀寫，這樣更安全。

---

每週日執行的數據清理慣例

如果只是通過自動化手段收集信息，那僅僅是堆積垃圾而已。要將其轉化為有價值的內容，需要定期的管理。我每週日都會運行 Claude Code 來製作 MOC（Map of Content，內容地圖），這是一項將知識碎片相互連接並繪製地圖的工作。

1. 要求它找出過去 7 天內新增的所有 Markdown 文件，並按主題分類。
2. 在各個主題的索引文件中，根據重要性自動插入新筆記的鏈接。
3. 尋找與既有筆記的關聯並添加雙鏈，讓碎片化的筆記進化成課程大綱或文章初稿。

---

實時確認使用量，防止費用爆炸

Claude Code 在讀取大文件時會消耗大量 Token。稍不留神，結賬簡訊可能會讓你大吃一驚。在 Anthropic 控制台中將每月限額鎖定在 40 美元左右是最可靠的防禦線。如果還是擔心，則需要進行更精細的管理：

• 隨時確認：在作業中輸入 /cost 命令。它會立即顯示當前對話消耗了多少費用。
• 整理上下文：如果費用偏高，使用 /clear 清除之前的對話內容，或使用 /compact 壓縮對話記錄，以減少 Token 消耗。
• 分離模型：對於不需要強大推理能力的任務，使用 /model 命令切換到低成本模型，這是明智的做法。

監控指標	測量目的	應對措施
實時 Token 使用量	確認費用是否激增	發生異常時停止作業
各模型費用佔比	優化運營效率	將簡單任務轉移至低成本模型
提示詞緩存效率	節省重複費用	將提示詞設計為可緩存結構