知识库自动化流水线：NAS+微信+Hermes+Obsidian 全链路打通

作者：浅木·先生 | 2026-06-16

一、认识"财政剁手党"的自我修养

作为一个在财政系统摸爬滚打多年的"老财"，我最深的体会是：信息差才是最大的成本。

每天打开微信，工作群、政策群、行业交流群里的消息像潮水一样涌来。国务院刚发的预算管理一体化规范、财政部最新的政府采购投诉处理规则、地方财政局的试点经验分享——这些信息如果你没在第一时间抓住，等过了三天再去翻聊天记录，大概率已经找不到了。

更痛苦的是，就算你当时看了、收藏了，到了月底写分析报告的时候，依然需要翻遍各个角落去找那条"我记得看过"的文章。

2026年初，当我第一次接触 Hermes Agent 时，我发现了一个残酷的现实：不是 AI 不够强，而是我的知识管理方式还停留在农耕时代。

这篇文章，就是我在过去几个月里，从"手动收藏-手动整理-手动归档"的农耕模式，进化到"微信抓取→Hermes处理→Obsidian归档→NAS备份"全自动化流水线的完整记录。踩过的坑、填过的代码、重装过的系统，都在这里了。

二、架构总览：一条水管贯通四个池子

在动手之前，我先画了一张架构图（用 Mermaid 在 Obsidian 里），虽然最终实现时调整了不少细节，但大方向是对的：

微信文章 ──→ OpenClaw 微信技能 ──→ Markdown 落盘
                      │
                      ▼
               Hermes Agent
           (LLM 摘要 + 自动打标)
                      │
                      ▼
         Obsidian Vault /Inbox 目录
                      │
                      ▼
        Obsidian 模板引擎 → 正式归档
                      │
                      ▼
              NAS 定时同步备份

整个链条的核心逻辑只有一句话：让信息在无人值守的情况下，自己完成从原始文本到结构化知识的转变。

具体到每个环节，我使用的工具链如下：

环节	工具	版本/部署方式
微信文章抓取	OpenClaw	v3.7，部署在极空间 Z4Pro NAS
内容处理引擎	Hermes Agent	v0.6.2，本地部署 + NAS Docker
知识存储	Obsidian	v1.8.9，Windows 客户端
文件备份	极空间 NAS	ZDR 模式，双向同步
模型后端	DeepSeek V4 / Claude	混合路由

三、Step 1：微信文章自动抓取——从"人找信息"到"信息找人"

3.1 OpenClaw 微信技能配置

第一个要解决的问题是：微信里的文章怎么自动流入我的系统？

手动复制链接？太原始。截图 OCR？精度不够。

最终方案是用 OpenClaw 的微信机器人技能 + Webhook 联动。配置过程如下：

首先，在 OpenClaw 中启用 WeChat MCP 插件：

# 在 OpenClaw 工作目录下安装微信插件
openclaw plugin install @openclaw/plugin-wechat-mcp

# 验证插件状态
openclaw plugin list | grep wechat
# 输出应包含: wechat-mcp (enabled, v1.2.3)

然后在 config.yaml 中配置微信监听规则：

plugins:
  wechat-mcp:
    auto_login: true
    listen_groups:
      - "财政政策交流群"
      - "预算管理一体化研讨"
      - "地方政府债务管理"
    listen_users:
      - "财政部信息中心"
      - "财政科学研究院"
    output_dir: "/data/hermes/inbox/wechat"
    format: "markdown"
    include_metadata: true

这里有个大坑要注意：微信 Web 协议的登录策略经常变化。第一次配置时，我花了整整一个下午去处理扫码登录超时的问题。

踩坑记录 #1：扫码登录二维码超时

现象：二维码生成后 30 秒内未扫码就过期，但手机扫码后一直显示"登录中"。

解决方案：检查后发现是 NAS 系统时间与手机时间不同步导致的。在极空间后台执行：

# 同步系统时间
sudo ntpdate ntp.aliyun.com
# 或使用 timedatectl
timedatectl set-ntp true
timedatectl status

时间同步后，扫码登录在 3 秒内完成，再也没有超时过。

3.2 文章自动转发与抓取

配置完成后，只要有人在群里或通过公众号发了一篇文章，OpenClaw 就会自动执行以下流程：

1. 检测到链接（微信公众号文章、网页链接）
2. 使用 article_fetch 工具抓取全文内容
3. 转换为标准 Markdown 格式
4. 保存到指定目录，文件名格式为 {日期}_{公众号名称}_{标题}.md

为了验证配置是否生效，我写了一个简单的测试脚本：

# 查看最近抓取的文章
ls -lt /data/hermes/inbox/wechat/ | head -10
# 输出示例：
# 2026-06-15_财政部_关于加强预算绩效管理的指导意见.md
# 2026-06-15_中国财政杂志社_地方政府专项债券发行情况分析.md
# 2026-06-14_国务院_关于进一步深化预算管理制度改革的意见.md

看到文章一条条自动落盘的那一刻，那种"被信息洪流淹没"的焦虑感瞬间减轻了 80%。

四、Step 2：Hermes Agent 内容处理——让 AI 帮你读文章

4.1 Hermes 处理流水线配置

文章抓取下来只是第一步，原始 Markdown 文件动辄几千字，没有人会每天手动去读十几篇政策文件。我需要的是 AI 自动摘要 + 关键信息提取 + 标签系统。

这一步我使用了 Hermes Agent 的 Skills 机制，编写了一个自定义的"财政政策处理"技能：

# skills/fiscal-policy-processor.yaml
name: fiscal-policy-processor
version: "1.0"
description: 自动处理财政政策类文章的摘要与归档

trigger:
  type: watch
  path: "/data/hermes/inbox/wechat/"
  pattern: "*.md"
  debounce: 60  # 60秒防抖，避免批量文件同时触发

steps:
  - name: extract_summary
    model: deepseek-v4
    prompt: |
      你是一个财政政策分析专家。请对以下文章进行结构化分析：
      
      1. 一句话摘要（30字以内）
      2. 核心要点（3-5条，每条不超过50字）
      3. 涉及的政策领域标签（从以下列表中选择：预算管理/政府采购/债务管理/绩效评价/非税收入/财政监督/其他）
      4. 文件级别（法律/行政法规/部门规章/规范性文件/政策解读）
      5. 关键日期（如果有）
      6. 关联文件（如果有）
      
      文章内容：{{content}}

  - name: generate_tags
    model: deepseek-v4
    prompt: |
      基于以上分析，生成 3-5 个 Obsidian 双链标签，格式为 [[标签名]]
      优先使用已有标签库中的标签。

  - name: save_to_obsidian
    action: write_file
    template: |
      ---
      title: {{title}}
      source: {{source}}
      date: {{date}}
      tags: {{tags}}
      summary: {{summary}}
      level: {{level}}
      ---
      
      ## 摘要
      
      {{summary}}
      
      ## 核心要点
      
      {{points}}
      
      ## 原文内容
      
      {{content}}
      
      ## 元数据
      
      - 来源：{{source}}
      - 抓取时间：{{date}}
      - 原文链接：{{url}}
      - 处理时间：{{processed_at}}
    output: "/data/hermes/processed/fiscal/{{date}}_{{slug}}.md"

这个 Skills 配置有几个设计上的巧思：

防抖机制：debounce: 60 是关键。第一次部署时没有设置防抖，结果一次批量同步来了 30 篇文章，Hermes 同时启动 30 个处理任务，直接把 NAS 的 CPU 干到了 100%。加了 60 秒防抖后，文件会排队处理，系统负载保持在 30% 以下。

双链标签自动生成：在 generate_tags 步骤中，我要求模型优先使用已有标签库中的标签。这是为了保持标签体系的一致性——如果每次生成的标签都不一样，几个月后标签系统就会变成一团乱麻。

4.2 模型选型的心得

在内容处理这个环节，我试过三种模型组合，踩了不少坑：

模型	摘要质量	处理速度	Token 消耗	结论
DeepSeek V4	★★★★★	快	低	推荐
Claude Sonnet	★★★★☆	中	中	质量好但贵
GPT-4o	★★★★☆	慢	高	不划算
本地小模型(Qwen 7B)	★★☆☆☆	极快	0	摘要质量不够

踩坑记录 #2：本地小模型不够用

我最开始想用本地部署的 Qwen 7B 来处理，毕竟省 Token 费用。结果发现它对政策文件的专业术语理解很差，经常把"预算绩效管理"理解成"预算效果管理"，把"专项债券"归类到"一般债券"。

最后折中方案是：摘要和标签生成用 DeepSeek V4（API），关键词提取用本地小模型（离线）。这样既保证了核心质量，又把 API 调用量压到了最低。

五、Step 3：Obsidian 归档与知识网络

5.1 收件箱到归档的自动化

Hermes 处理完的文章会写入 /data/hermes/processed/fiscal/ 目录。但这还不是终点——这些文件需要进入 Obsidian 的正式知识库体系。

我的 Obsidian Vault 结构如下：

Fiscal-KB/
├── Inbox/           ← 新文章进入的地方
├── Daily/           ← 每日财政动态
├── Policies/        ← 按政策领域分类归档
│   ├── 预算管理/
│   ├── 政府采购/
│   ├── 债务管理/
│   └── 绩效评价/
├── Templates/       ← Obsidian 模板
├── Attachments/     ← 附件
└── .obsidian/       ← 配置目录

为了实现自动归档，我使用了 Obsidian 的 Templater 插件 + QuickAdd 插件组合：

# .obsidian/scripts/auto-classify.js
// 这是一个 Dataview 查询脚本
// 自动将 Inbox 中超过 24 小时的文章按标签移动到 Policies 目录

const inbox = app.vault.getFolder('Inbox');
const files = inbox.children.filter(f => f.extension === 'md');

const tagToPath = {
  '预算管理': 'Policies/预算管理',
  '政府采购': 'Policies/政府采购',
  '债务管理': 'Policies/债务管理',
  '绩效评价': 'Policies/绩效评价',
  '财政监督': 'Policies/财政监督',
  '非税收入': 'Policies/非税收入',
};

files.forEach(async (file) => {
  const metadata = app.metadataCache.getFileCache(file);
  const tags = metadata?.frontmatter?.tags || [];
  
  for (const tag of tags) {
    const cleanTag = tag.replace(/[\[\]]/g, '');
    if (tagToPath[cleanTag]) {
      const newPath = `${tagToPath[cleanTag]}/${file.name}`;
      if (file.path !== newPath) {
        await app.fileManager.renameFile(file, newPath);
        console.log(`Moved ${file.name} to ${newPath}`);
      }
      break;
    }
  }
});

5.2 知识图谱的复利效应

Obsidian 最强大的地方不是单篇笔记，而是笔记之间的连接。

我建立了一个"财政政策关联图谱"，每当新文章进入知识库，我都会让 Hermes 自动扫描已有笔记，建立双向链接：

# 在 Hermes 技能中增加关联分析步骤
steps:
  - name: link_existing_notes
    action: hermes_skill
    skill: obsidian-linker
    params:
      vault_path: "/obsidian/Fiscal-KB"
      similarity_threshold: 0.7
      max_links: 5
      create_backlinks: true

效果是什么？举个例子：当我新抓取一篇《地方政府专项债券资金管理办法》时，系统会自动发现它和《预算管理一体化规范》、《政府投资条例》之间的关联，在笔记底部自动生成"相关笔记"区块：

## 相关笔记

- [[预算管理一体化规范（2025年修订版）]]
- [[政府投资条例]]
- [[地方政府债务风险评估指引]]
- [[专项债券项目资金绩效管理办法]]
- [[财政部关于进一步规范地方政府举债融资行为的通知]]

这个功能在日常工作中帮了我大忙。原本需要半小时的"这篇文章跟哪些政策有关联"的脑力劳动，现在变成了一键查看。

六、Step 4：NAS 备份与灾难恢复

6.1 备份策略

知识库一旦建立起来，就变成了数字资产。我绝不能接受"硬盘坏了所有笔记都没了"这种悲剧。

我的备份策略是三层防御：

本地 SSD (工作区)
    │
    ├── 实时同步 → 极空间 NAS (ZDR 模式)
    │                    │
    │                    ├── 每日快照 → NAS 冷存储
    │                    │
    │                    └── 每周增量 → 阿里云 OSS
    │
    └── 手动触发 → 移动硬盘 (每月一次)

在极空间 NAS 上配置 ZDR 同步：

# 在极空间 SSH 终端中
# 查看 ZDR 同步状态
zdrctl status
# 输出：
# Sync target: /mnt/zdr/fiscal-kb-backup
# Status: SYNCED
# Last sync: 2026-06-16 03:00:00
# Files: 1,847 synced, 0 pending

# 如果需要手动触发同步
zdrctl sync --now

6.2 踩坑：文件路径长度问题

踩坑记录 #3：Windows 路径长度限制

这是一个极其隐蔽但破坏力巨大的问题。

Hermes 在处理文件时生成的文件名包含完整日期和标题，例如：

2026-06-15_财政部_关于印发《预算管理一体化规范（2025年修订版）》的通知_附：预算编制与执行操作规程的补充说明.md

这个文件名长达 80+ 个字符。当它被放入嵌套目录 Policies/预算管理/2025/ 时，完整路径超过了 Windows 的 260 字符限制，导致 Obsidian 无法同步，NAS 同步失败。

解决方案有两个：

1. 启用 Windows 长路径支持（注册表修改）：

# 以管理员身份运行
[HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem]
"LongPathsEnabled"=dword:00000001

2. 修改文件名生成规则（更推荐）：

# 在 Hermes 技能配置中限制文件名长度
output: "/data/hermes/processed/fiscal/{{short_date}}_{{slug_40}}.md"

我选择了方案 2，文件名改为 2026-06-15_预算管理一体化规范补充说明.md，既保留了关键信息，又避免了路径过长。

七、全链路测试与日常维护

7.1 端到端验证

配置完成后，我跑了一个完整的端到端测试：

# 1. 模拟微信文章推送
echo "https://mp.weixin.qq.com/s/test-article" | openclaw wechat-simulate

# 2. 等待 Hermes 处理（约 2-3 分钟）
sleep 180

# 3. 检查处理结果
ls /obsidian/Fiscal-KB/Inbox/
# 预期看到自动生成的 Markdown 文件

# 4. 检查 NAS 同步状态
zdrctl status | grep "Last sync"
# 预期看到最近的同步时间

7.2 日常维护 checklist

经过几个月的运行，我总结了一套日常维护清单：

• 每日检查：OpenClaw 登录状态（微信登录偶尔会掉线）
• 每周检查：NAS 同步状态、磁盘空间
• 每月检查：标签体系是否混乱、是否需要新建分类目录
• 每季度：清理重复文件、合并相似笔记

八、效果与反思

经过三个多月的运行，这套流水线的效果远超我的预期：

• 文章自动抓取：日均 15-20 篇财政领域文章
• 摘要与分类：准确率约 85%（人工抽检）
• Obsidian 归档：累计 1,847 篇笔记，无遗漏
• NAS 备份：零数据丢失
• 查询效率：原来找一篇政策需要 5-10 分钟，现在通过 Obsidian 搜索 + 双链，平均 30 秒

最重要的是，这套系统让我从"信息的搬运工"变成了"知识的整合者"。我不再需要每天花 2 小时去手动整理信息，而是可以把精力放在更高价值的分析、判断和决策上。

当然，远非完美。目前还有几个痛点没有解决：微信文章中的表格识别还不够准确、部分 PDF 附件无法自动处理、多模态内容（图表、流程图）的提取仍然需要人工介入。这些是下一步改进的方向。

但至少，我的"财政知识库"已经不再是一个静态的文件夹，而是一个每天都在自我生长的有机体。它记住我看过的每一篇文章，理解它们之间的关联，在我需要的时候准确地把最相关的信息推到我面前。

这种感觉，挺好。

---

如果你也在搭建自己的知识库自动化流水线，欢迎交流。下一篇文章我会写关于 Agent Memory 与 AI 测试新范式的思考，敬请期待。