Como criar um “segundo cérebro” com IA usando Obsidian e Claude: o método LLM Wiki explicado

Principais destaques

• 🧠 O método LLM Wiki transforma o Claude em um “funcionário do conhecimento” dentro do seu cofre de notas do Obsidian, processando, conectando e resumindo informações automaticamente, em vez de você fazer isso manualmente.
• 🔗 O recurso mais valioso do sistema não é criar notas novas, mas sim o cruzamento automático de links entre elas, transformando uma pilha de anotações soltas em uma verdadeira rede de conhecimento conectada.
• ⏰ Um briefing diário, gerado automaticamente a partir da atividade recente do seu cofre de notas, é o que torna esse sistema útil no dia a dia, e não apenas um projeto interessante na teoria.

A maioria dos aplicativos de anotações compartilha o mesmo problema: são ótimos para guardar informação e péssimos para conectá-la. Você salva um artigo, anota um insight de reunião, cola um resumo de pesquisa, e três semanas depois nada disso aparece quando você realmente precisa.

A ideia de um “segundo cérebro” existe há anos, mas sempre dependeu de um trabalho manual pesado: era você quem etiquetava, ligava e sintetizava as informações, um esforço cognitivo que a maioria das pessoas abandona depois de um mês.

O que mudou foi a chegada de modelos como o Claude. Combinado com a estrutura local, baseada em arquivos de texto simples (Markdown), do Obsidian, hoje é possível montar um segundo cérebro que praticamente se mantém sozinho: absorve novas informações, cria links entre ideias relacionadas e gera briefings diários sem que você precise curar cada nota manualmente.

Essa abordagem ficou conhecida como método LLM Wiki, o uso de um modelo de linguagem como o trabalhador ativo dentro da sua base pessoal de conhecimento. Este guia explica como montar esse sistema, passo a passo, com prompts prontos para usar em cada etapa.

🧩 O que o método LLM Wiki realmente significa

O termo “LLM Wiki” descreve um cofre de notas em que um modelo de linguagem, no caso o Claude, atua como um editor contínuo, e não apenas como alguém que resume um texto uma única vez.

Uma wiki tradicional é escrita e mantida por pessoas. O LLM Wiki inverte essa lógica: você alimenta o sistema com informação bruta (anotações, transcrições, artigos, e-mails, gravações de reunião), e o Claude cuida de:

• 📥 Ler e resumir o conteúdo recebido
• 🏷️ Extrair entidades, como pessoas, conceitos, projetos e datas
• 🔗 Criar links bidirecionais entre notas relacionadas
• 🧵 Escrever notas de síntese que conectam ideias de fontes diferentes
• 📰 Gerar briefings diários ou semanais a partir da atividade recente do cofre

O Obsidian é o programa ideal para hospedar esse sistema porque seu cofre nada mais é do que uma pasta de arquivos Markdown no seu computador, sem nenhum banco de dados fechado no caminho. Já o Claude se encaixa bem por lidar de forma confiável com contextos longos, seguir instruções de formatação estruturada e produzir Markdown limpo sem exigir uma engenharia de prompt complicada.

🗂️ Configure seu cofre do Obsidian para automação

Antes de qualquer IA fazer algo útil, o seu cofre precisa de uma estrutura previsível.

Estrutura de pastas

Um cofre funcional para o método LLM Wiki usa poucas pastas principais:

/Inbox          — Anotações brutas, ainda não processadas
/Notes          — Notas permanentes já processadas
/People         — Uma nota por pessoa (contatos, colegas, pensadores)
/Projects       — Espaços de projetos ativos
/Concepts       — Notas de ideias duradouras
/Briefings      — Resumos diários/semanais gerados por IA
/Templates      — Modelos de nota para manter a consistência

A pasta /Inbox é a peça mais importante: tudo entra por ali primeiro. Sua automação observa essa pasta, processa cada arquivo e o move para o lugar certo, mantendo a entrada bruta separada do conhecimento já curado.

Padrão de cabeçalho (frontmatter) das notas

Um cabeçalho YAML consistente é o que torna o processamento por IA confiável. Toda nota deve seguir um modelo parecido com este:

yaml

---
title: "Título da Nota"
date_created: 2026-01-15
date_modified: 2026-01-15
tags: []
status: inbox  # inbox | processed | evergreen
related: []
source: ""
---

O campo status funciona como o gatilho da sua automação: notas com status: inbox estão esperando para ser processadas. A IA muda esse valor para processed quando termina, e você pode promover manualmente uma nota para evergreen quando ela amadurecer.

Ative a API REST local do Obsidian

O plugin Local REST API do Obsidian é o que permite que scripts externos leiam e escrevam no seu cofre. Instale-o pelo diretório de plugins da comunidade, ative-o e anote a chave de API gerada. Com isso funcionando, seu cofre vira um banco de dados consultável: dá para listar notas de uma pasta, ler conteúdo, criar notas novas e atualizar as existentes, tudo por meio de requisições HTTP simples.

🔌 Conecte o Claude ao seu cofre de notas

Com a estrutura pronta, falta uma camada de processamento entre o Obsidian e a API do Claude.

O núcleo do seu LLM Wiki é um script que varre a pasta /Inbox em busca de notas não processadas, envia cada uma para o Claude com um prompt estruturado, interpreta a resposta, cria ou atualiza a nota processada na pasta correta e atualiza o cabeçalho e os links de retorno. Uma estrutura básica em Python ficaria assim:

python

import anthropic
import requests
import json

OBSIDIAN_BASE_URL = "http://localhost:27123"
OBSIDIAN_API_KEY = "sua-chave-de-api"
client = anthropic.Anthropic(api_key="sua-chave-da-api-do-claude")

def buscar_notas_inbox():
    response = requests.get(
        f"{OBSIDIAN_BASE_URL}/vault/Inbox/",
        headers={"Authorization": f"Bearer {OBSIDIAN_API_KEY}"}
    )
    return response.json()["files"]

def processar_nota(caminho_nota):
    response = requests.get(
        f"{OBSIDIAN_BASE_URL}/vault/{caminho_nota}",
        headers={"Authorization": f"Bearer {OBSIDIAN_API_KEY}"}
    )
    conteudo_bruto = response.text

    mensagem = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=4096,
        messages=[{
            "role": "user",
            "content": PROMPT_DE_PROCESSAMENTO.format(content=conteudo_bruto)
        }]
    )

    return json.loads(mensagem.content[0].text)

Prompt de processamento (para colar no lugar de PROMPT_DE_PROCESSAMENTO):

Você é um assistente de gestão do conhecimento. Processe a nota bruta
abaixo e devolva um objeto JSON com os seguintes campos:

- "resumo": um resumo de 2 a 3 frases sobre a ideia principal
- "conceitos_chave": lista de 3 a 7 conceitos centrais mencionados
- "pessoas": lista de pessoas citadas
- "itens_de_acao": lista de tarefas ou pendências mencionadas
- "topicos_relacionados": lista de temas com os quais esta nota se conecta
- "pasta_destino": onde esta nota deve ficar (Notes/People/Projects/Concepts)
- "conteudo_processado": a nota reescrita em Markdown limpo, com:
  - um título em nível H2
  - uma seção de resumo
  - pontos-chave em tópicos
  - links no formato [[wiki-link]] para qualquer conceito, pessoa ou
    projeto que mereça sua própria nota

Nota bruta:
{content}

Responda apenas com o JSON válido, sem nenhum texto adicional.

A instrução dos links [[wiki-links]] é essencial: essa é a sintaxe interna de links do Obsidian, e fazer o Claude inseri-la automaticamente é o que constrói sua rede de conhecimento sem esforço manual.

🌐 Automatize a entrada de dados de várias fontes

Um segundo cérebro que só aceita notas criadas manualmente não é grande coisa. O método LLM Wiki fica realmente poderoso quando você direciona fontes externas direto para a sua pasta /Inbox.

• 🖇️ Recortes da web: a extensão Web Clipper do Obsidian salva qualquer página direto no cofre, já com status: inbox no cabeçalho, pronta para ser processada
• 📧 E-mail e notas de reunião: ferramentas como Zapier ou Make podem observar e-mails com determinados rótulos ou remetentes e enviar o conteúdo para o cofre via API REST; transcrições de reunião de ferramentas como Otter.ai ou Fireflies.ai também podem ser empurradas automaticamente para o /Inbox, e o Claude é particularmente bom em extrair decisões e itens de ação desse tipo de conteúdo
• ☀️ Captura diária: um modelo de nota simples pode aparecer automaticamente no /Inbox toda manhã, para receber tarefas e ideias do dia, que são processadas e conectadas às notas relevantes na rodada seguinte

🕸️ Construa o motor de cruzamento de links

O recurso mais valioso do método LLM Wiki não é criar notas, é o cruzamento automático de links, o que transforma uma coleção de anotações em uma verdadeira rede de conhecimento.

Quando o Claude processa uma nota nova, ele identifica os conceitos-chave e insere os links [[wiki-links]] diretamente no texto. Mas existe uma segunda etapa que a maioria das implementações esquece: atualizar as notas já existentes para que também apontem de volta para a nota nova. O caminho é:

1. Depois de processar uma nota nova, extrair seus conceitos-chave
2. Buscar no cofre notas existentes que mencionem esses conceitos, mas ainda não tenham um link para a nota nova
3. Enviar essas notas existentes para o Claude com um prompt direcionado
4. Salvar o conteúdo atualizado de volta nos arquivos

Prompt para atualizar notas existentes com o novo link:

Adicione um link [[Título da Nota Nova]] em qualquer trecho relevante da
nota abaixo, sempre que o assunto se conectar ao tema dessa nota nova.
Não altere o restante do conteúdo. Devolva apenas o texto atualizado da
nota, sem comentários adicionais.

Nota existente:
{conteudo_da_nota_existente}

À medida que um mesmo conceito aparece repetidamente em várias notas, o Claude também pode gerar “notas-hub”, que sintetizam tudo o que o cofre já sabe sobre aquele assunto:

Com base nas notas abaixo, escreva uma nota de conceito abrangente sobre
"[TEMA]", sintetizando as ideias principais e incluindo links [[wiki-link]]
para todas as notas de origem utilizadas.

Notas relacionadas ao tema:
{lista_de_notas_relacionadas}

Esse é o verdadeiro efeito cumulativo do método: o cofre não só cresce, ele fica mais inteligente à medida que o Claude sintetiza padrões no conhecimento acumulado.

📰 Gere briefings diários a partir do seu cofre

O briefing diário é o que torna esse sistema realmente útil no dia a dia, e não apenas impressionante na teoria. Um bom briefing deve trazer: notas criadas ou atualizadas nas últimas 24 horas, itens de ação extraídos de notas recentes, conceitos que apareceram repetidamente na semana, conexões que o Claude percebeu entre notas recentes e conteúdo mais antigo, e uma nota antiga que vale a pena revisitar com base no contexto atual.

Prompt para o briefing diário:

Você tem acesso à seguinte atividade recente em um cofre pessoal de
conhecimento:

NOTAS NOVAS (últimas 24 horas):
{conteudo_notas_novas}

NOTAS ATUALIZADAS (últimas 24 horas):
{conteudo_notas_atualizadas}

CONCEITOS RECORRENTES NESTA SEMANA:
{principais_conceitos}

Gere um briefing diário em formato Markdown, contendo:
1. Resumo de 3 a 5 tópicos sobre as principais entradas de ontem
2. Itens de ação em aberto extraídos das notas recentes
3. Um tema emergente percebido nas notas recentes
4. Uma conexão entre uma nota recente e uma nota mais antiga do cofre
5. Uma nota antiga para revisitar hoje (escolha a mais relevante para os
   temas atuais)

Mantenha o tom direto e factual, sem enrolação.

A nota de briefing é salva automaticamente em /Briefings/AAAA-MM-DD.md. Com o tempo, esses briefings se tornam, eles mesmos, um registro pesquisável da sua atividade intelectual.

Sugestão de agenda para rodar o sistema:

• ⏰ Processamento do Inbox: a cada 2 horas no horário de trabalho
• 🌙 Atualização de links de retorno: todas as noites
• 📅 Síntese de conceitos: semanalmente, no domingo à noite
• ☕ Briefing diário: toda manhã às 7h

⚠️ Erros comuns a evitar

• 🏗️ Superengenhar a estrutura de pastas: cinco ou seis pastas principais já bastam; criar uma taxonomia profunda antes do cofre ter 50 notas é construir para um sistema que ainda não existe
• 🔍 Usar o Claude para toda operação de leitura: ele deve entrar em cena para processar e sintetizar, não para buscas simples, que a própria busca do Obsidian ou o plugin Dataview resolvem melhor
• 📋 Pular o padrão de cabeçalho: um frontmatter inconsistente quebra a automação; defina o modelo uma vez e mantenha desde o início
• 📖 Não revisar os briefings: o briefing diário só gera valor se for lido; reserve cinco minutos pela manhã para isso
• 📥 Deixar o inbox acumular: se o processamento falhar e ninguém perceber por uma semana, o inbox transborda; vale adicionar um alerta simples por e-mail ou Slack quando o número de notas pendentes passar de um limite

O método LLM Wiki transforma o Claude em um verdadeiro trabalhador de conhecimento dentro do seu cofre do Obsidian, processando, conectando e sintetizando informações continuamente, em vez de esperar por comandos pontuais.

Uma estrutura de pastas simples e um padrão consistente de cabeçalho são a base que faz tudo funcionar de forma confiável, mas o ganho real aparece no cruzamento automático de links entre notas e nos briefings diários, que transformam um simples arquivo de anotações em uma ferramenta de pensamento ativa.

Para quem não quer lidar com scripts em Python, plataformas de automação sem código conseguem reproduzir o mesmo fluxo de forma visual, o que reduz bastante a barreira de entrada para montar esse tipo de sistema.