Claude Code × Obsidian で作る「自己増殖型ナレッジベース」——LLM Wiki の実装ガイド

Posted at 2026-04-11

Claude Code × Obsidian で作る「自己増殖型ナレッジベース」——LLM Wiki の実装ガイド

はじめに

NotebookLM を使っていると、ある限界に気づきます。

資料を読み込ませて質問できる。要約もできる。便利なのは間違いない。でも 情報がそこで止まる。一度出力したら終わり。知識が自己成長していかない。他のツールとの連携も難しい。

この「閉じた箱」問題を解決するアーキテクチャが、OpenAI共同創業者 Andrej Karpathy 氏が提唱した「LLM Wiki」 です。

本記事では、LLM Wiki の概念と、Claude Code × Obsidian を使った実装ワークフローを解説します。

LLM Wiki とは

Wikipedia のように ページ同士がリンクで繋がった知識グラフ を、AIが自動生成・自動拡張し続ける仕組みです。

従来の RAG（Retrieval-Augmented Generation）が「検索して回答する」受動的なシステムであるのに対し、LLM Wiki は 知識構造そのものを継続的に構築・改善する 能動的なアーキテクチャです。

従来: ユーザーが質問 → RAGが検索 → LLMが回答（そこで終わり）

LLM Wiki: 情報を投入 → AIが構造化・リンク付け → 知識ベースが成長
               ↑_____________________________________↓（ループ）

なぜ Obsidian × Claude Code なのか

この組み合わせが機能する技術的な理由は明確です。

Obsidian の特性：

すべてのデータがローカルの .md ファイルとして保存される
[[WikiLink]] によるノード間リンク構造を標準でサポート
プレーンテキストのため、LLM との相性が抜群

Claude Code の特性：

ローカルファイルシステムへの直接アクセス・読み書きが可能
自律的なタスク実行（ファイル作成・編集・フォルダ操作）
長いコンテキストウィンドウで、大量のノートを一度に処理できる

役割	ツール	担当
知識の倉庫	Obsidian	データ永続化・リンクグラフ管理
実行エンジン	Claude Code	構造化・リンク付け・生成

「思考はObsidian、実行はClaude Code」 という役割分担がこのシステムの核心です。

3フェーズのワークフロー

Phase 1 : Ingest（情報の投入）

生のテキストデータを inbox/ フォルダに投入します。完璧に整理する必要はありません。

vault/
├── inbox/           # 投入するだけ
│   ├── transcript_youtube.md
│   ├── meeting_notes.md
│   └── idea_fragments.md
├── wiki/            # Phese 2 でAIが自動生成
└── outputs/         # Phase 3 でAIが生成したコンテンツ

対象ファイルの例：

YouTube動画の書き起こし
読んだ記事・論文のメモ
会議・打ち合わせメモ
アイデアの断片

Phase 2 : Compile（自動整理とリンク付け）

Claude Code が inbox/ を読み込み、以下を自動実行します。

コンテンツを理解し、Wikipedia 型の構造化ページを生成
関連キーワード同士を [[WikiLink]] で自動接続
生成したノートを wiki/ 配下に配置

# Claude Code への指示例
> Read all files in /vault/inbox/, 
  create structured wiki pages in /vault/wiki/ with [[WikiLinks]],
  then move processed files to /vault/inbox/processed/

生成されるノートのイメージ：

# Claude Code

Claude Code は Anthropic が開発した AI エージェントツール。
[[Obsidian]] との連携により [[LLM Wiki]] の構築が可能。

## 関連
- [[Anthropic]]
- [[MCP（Model Context Protocol）]]
- [[AIエージェント]]

Phase 3 : Lint（品質チェックと新規コンテンツ生成）

プログラミングにおける linter（静的解析ツール）と同じ考え方で、知識ベース全体の品質を自動チェックします。

自動チェック項目：

# Claude Code への指示例
> Analyze all wiki pages and:
  1. Find contradictions between pages
  2. Identify orphan pages (no incoming links)
  3. Find pages that should be linked but aren't
  4. Flag potentially outdated information
  Output a lint report to /vault/lint_report.md

チェック観点：

情報の矛盾検出
孤立ページ（どこからもリンクされていないノード）の検出
関連しているのに未リンクなページの検出
情報の鮮度チェック

さらに、整理された知識ベースを元に 新規コンテンツを自動生成 できます。

# 自分のスタイルに合わせた台本・資料の自動生成
> Based on the wiki pages about [topic],
  generate a YouTube script in my writing style.
  Reference: /vault/style_guide.md

NotebookLM との比較

観点	NotebookLM	LLM Wiki（Claude Code × Obsidian）
データの場所	Google サーバー	ローカル（自分のPC）
知識の成長	なし（静的）	自動増殖（動的）
他ツール連携	難しい	ファイルベースで柔軟
アウトプット	質問への回答	新規コンテンツ・資料の自動生成
向いている用途	資料の質問応答・要約	知識ベース構築・育成・活用

NotebookLM はリサーチや資料理解に優れており、両者は競合しません。用途によって使い分けるのが正解です。

ハルシネーション対策としての観点

このワークフローには、ハルシネーション（AIの事実誤認）を抑制する副次的な効果があります。

自分が投入した情報を グラウンドトゥルース（根拠データ） として Claude Code に渡すため、モデルは自身の学習データではなく、あなたの知識ベースを参照して動作します。RAG 的なアプローチで、事実的根拠のある出力を得やすくなります。

ただし完全ではありません。Claude Code が生成したコンテンツは必ずレビューしてください。

注意点

データのプライバシー
Claude Code 使用時、ファイル内容は API 経由で Anthropic のサーバーに送信されます。機密情報・個人情報・患者データを含むファイルは知識ベースに含めないよう注意してください。

自律実行のリスク
Claude Code はファイルの作成・編集・削除を自律的に行います。重要なファイルは事前にバックアップを取り、--dangerously-skip-permissions フラグの使用は慎重に検討してください。

出力の検証
自動生成されたノートやコンテンツは叩き台として扱い、専門性の高い領域では必ず人間がレビューする工程を設けてください。

まとめ

LLM Wiki は Andrej Karpathy が提唱した「AIが自己成長する知識グラフ」の概念
Ingest → Compile → Lint の3フェーズで、生のメモが整理・連結・コンテンツ化される
Obsidian（.md ローカル保存 + WikiLink）と Claude Code（ファイル操作 + 自律実行）の相性が技術的な根拠
NotebookLM の「閉じた箱」問題を解決する、継続的に育つ知識ベースが実現する
ハルシネーション抑制・データプライバシー・自律実行リスクへの注意は必須

AIをその場しのぎで使うのではなく、日々の思考と作業の流れにAIを組み込む設計をする。その視点がこのワークフローの本質だと思います。

既存システムとの組み合わせ——「完全自律型」ナレッジエンジンへ

ここまで説明したワークフローは、単体でも十分に機能します。しかし、以下の既存システムと組み合わせることで、手動操作をほぼゼロにした完全自律型の知識基盤へと進化させることができます。

Phase 1 を自動化：n8n × Obsidian Git との連携

関連記事：【完全自動化】n8n×Obsidianで「寝ている間に最新ニュースが届く」最強の情報収集システムを作った話

上記の記事では、n8n が毎朝 Google News RSS を自動取得し、GPT-4o で要約後、GitHub 経由で Obsidian の inbox/ に自動配信するシステムを構築しています。

これは LLM Wiki の Phase 1（Ingest）を完全自動化するものです。

[Google News RSS]
      ↓ n8n（毎朝9時）
[GPT-4o で要約・Markdown化]
      ↓
[GitHub プライベートリポジトリ]
      ↓ Obsidian Git（自動 Pull）
[vault/inbox/ に自動配信]
      ↓ Claude Code（Phase 2 / 3）
[wiki/ に自動構造化・リンク付け]

毎朝 Obsidian を開くだけで、最新ニュースがすでに inbox/ に入っており、Claude Code がそれを wiki/ に整理するループが回ります。完全に手を動かさずに知識ベースが育ち続ける状態が実現します。

実装上のポイント：

n8n の GitHub ノードで guid をファイル名にすることで重複保存を防止（記事に詳細あり）
On Error: Continue 設定で既存記事をスキップし、新着のみ投入される設計
GitHub をバッファとして挟むことで、PCが起動していない間のデータも消えない

ローカルLLMとの組み合わせ：Bonsai-8B でプライバシーを守る

関連記事：【実装公開】医療現場のニーズを匿名で集める掲示板を作った——1-bit AI「Bonsai-8B」でアイデア発想もサポート

Claude Code を使う場合、ファイル内容は Anthropic の API サーバーに送信されます。医療・研究・機密情報を扱う場合、これがボトルネックになります。

上記の記事で紹介した Bonsai-8B（1-bit 量子化、1.15GB、RTX A5000 で 151 tokens/秒）を Claude Code の代替として Compile フェーズに組み込むことで、データを一切外部に出さないローカル完結型の LLM Wiki を構築できます。

[vault/inbox/]
      ↓
[Bonsai-8B（ローカルGPU）がノード生成・リンク付け]
      ↓
[vault/wiki/]  ← データは自分のPCから出ない

用途別の使い分け：

フェーズ	推奨モデル	理由
Phase 1（Ingest）	n8n + GPT-4o	公開情報の要約、スピード優先
Phase 2（Compile）— 公開情報	Claude Code	構造化品質が高い
Phase 2（Compile）— 機密情報	Bonsai-8B（ローカル）	データを外部に出さない
Phase 3（Lint / 生成）	Claude Code	長文コンテキスト・品質優先

Cloudflare Tunnel を使えば、Bonsai サーバーをローカルで起動しながら外部のサービスから安全に呼び出すことも可能です（記事に詳細あり）。

エージェント進化：Gemma 4 ADK との統合

関連記事：Gemma 4 徹底解説：Googleのオープンモデル最新版で何ができるのか

Gemma 4 と同時公開された Agent Development Kit（ADK） の「Skill Factory」は、LLM Wiki の Lint フェーズを大幅に強化する可能性があります。

通常の Lint フェーズでは、Claude Code に毎回「矛盾を探して、孤立ページを探して……」と指示を書く必要があります。ADK の Progressive Disclosure（段階的開示）を使うと、このチェックロジック自体をスキルとして定義・再利用できます。

[ADK Skill: lint_wiki]
  L1（メタデータ）: "Obsidianナレッジベースの品質チェック"
  L2（指示）: 矛盾検出 / 孤立ページ探索 / リンク提案 / 鮮度チェック
  L3（リソース）: /vault/wiki/ 全ファイル

さらに ADK の Skill Factory（エージェントが新しいスキルを自己生成する機能）と組み合わせると、知識ベースの成長に合わせてチェックルール自体が自動で追加・更新される 自己進化型の Lint エンジン を実現できます。

また、Gemma 4 の 256K コンテキストウィンドウ（Apache 2.0 ライセンスでオンプレ運用可）により、大規模なナレッジベース全体を一度に読み込んだ横断的な分析も可能になります。

統合アーキテクチャ全体像

3つの既存システムを統合すると、以下のフルスタック構成になります。

【自動収集層】
  n8n（毎朝定時起動）
    └─ Google News RSS → GPT-4o 要約 → GitHub → vault/inbox/

【知識構築層】
  Phase 2: Claude Code（公開情報）or Bonsai-8B（機密情報）
    └─ inbox/ → wiki/（WikiLink グラフ自動生成）

【品質維持・生成層】
  Phase 3: Claude Code + Gemma 4 ADK Skill
    └─ wiki/ の矛盾・孤立・鮮度チェック → コンテンツ自動生成

【同期層】
  Obsidian Git（自動 Pull / Push）
    └─ GitHub バックアップ → マルチデバイス同期

実現できること：

毎日の情報収集〜整理〜品質維持が完全自動
公開情報はクラウドLLM、機密情報はローカルLLM と使い分けた安全設計
Obsidian のグラフビューで成長する知識ネットワークを視覚化
整理済みの wiki をベースに、Qiita 記事・スライド・提案書を自動生成

参考

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up