Architecture Blueprint

01. Architecture Blueprint

1. 设计目标

你的知识系统不是单一笔记软件，而是一个分层系统：

• Obsidian 负责原始输入与人工组织
• Git 负责版本与审计
• TrueNAS 负责存储、快照、备份
• llm-wiki 负责知识编译与 AI 可消费输出
• gbrain 负责长期记忆
• MacBook 负责 AI 执行、编排与例行工作

你的角色是：

• 架构师
• 程序员
• 前端团队 TL

所以系统需要同时支持：

• 深度技术思考
• 代码与方案沉淀
• 团队协作上下文
• 会议/项目/人员长期记忆
• AI 辅助的回顾、总结、预案、周报与行动项

2. 机器分工

MacBook

定位：主工作台

负责：

• Obsidian
• Codex
• Claude Code
• Ghostty
• 本地代码开发
• 日常知识输入
• AI 会话产出

原则：

• Obsidian Vault 始终本地打开
• 不直接把 Vault 放在 SMB/NFS 上编辑
• 同步和备份交给 Git + TrueNAS

homelab Ubuntu

定位：常驻服务节点

负责：

• Forgejo
• llm-wiki
• gbrain
• 可选 Postgres + pgvector
• 定时任务、Webhook、自动汇总

原则：

• 所有 AI 服务尽量容器化
• 所有运行数据落到 TrueNAS
• 对外暴露尽量通过反向代理和内网入口

TrueNAS SCALE

定位：数据底座

负责：

• Vault 原始存储备份
• Git 仓库存储
• AI 产物存储
• 快照
• 异地备份

原则：

• 快照比同步更重要
• Syncthing 或 Git 都不是备份
• 误删回退必须依赖 ZFS snapshots

3. 分层架构

Layer 1: Raw Knowledge

原始知识层，保存未经 AI 重写的第一手资料：

• Obsidian 笔记
• 会议记录
• 设计草稿
• 架构分析
• Daily log
• 团队管理笔记
• 人物与项目手账

建议目录：

• 00 Inbox
• 10 Projects
• 20 Areas
• 30 Knowledge
• 40 ADR
• 50 People
• 60 Architecture
• 70 Team
• 80 AI
• 90 Archive

Layer 2: Version and Audit

版本与审计层：

• Forgejo
• Git 仓库
• Pull Request
• ADR 演进
• 方案草案与变更记录

目的：

• 让知识库像代码一样可追踪
• 支持阶段回滚
• 支持 AI 后续读取变更上下文

Layer 3: Compiled Knowledge

知识编译层：

• llm-wiki

输入：

• Obsidian Vault
• Codex 会话记录
• Claude Code 会话记录
• 项目代码仓库
• ADR 和设计文档

输出：

• 可搜索静态知识站
• interlinked wiki
• llms.txt
• JSON/文本导出

这一层的核心价值：

• 让你不是在“查原始笔记”
• 而是在“查 AI 编译后的高质量知识入口”

Layer 4: Memory

长期记忆层：

• gbrain

输入重点：

• 会议
• 人
• 公司
• 项目
• 你自己的持续思考

适合放进去的内容：

• 某个同事的能力画像和历史协作上下文
• 某个项目的关键节点和关系人
• 某次会议提到的后续追踪事项
• 你长期关注的一类架构模式或组织问题

这一层的核心价值：

• 不是单纯搜索
• 而是给 agent 提供“持续积累的上下文”

Layer 5: Agent Workbench

执行工作台层：

• MacBook
• Codex
• Claude Code
• 可选远程模型或 API

适合承接的工作：

• Daily brief
• Weekly review
• Meeting prep
• ADR 草稿生成
• 项目状态摘要
• PR 风险聚合
• 会议后行动项收敛

原则：

• 不让 AI 直接写核心原始知识
• 优先让 AI 先写到单独目录或输出区
• 由你人工审核后再进入正式知识层

4. 推荐部署拓扑

flowchart LR
    MB["MacBook\nObsidian / Codex / Claude Code / Ghostty"] --> GIT["Forgejo on homelab"]
    MB --> RAW["Local Vault"]
    RAW --> GIT
    GIT --> TN["TrueNAS\nSnapshots / Backup"]
    RAW --> LLMW["llm-wiki"]
    GIT --> LLMW
    MB --> TX["AI transcripts"]
    TX --> LLMW
    RAW --> GB["gbrain"]
    TX --> GB
    GB --> AW["MacBook Agent Workflow\nCodex / Claude Code"]
    LLMW --> AW
    TN --> LLMW
    TN --> GB

5. 数据集规划

建议在 TrueNAS 上建立：

• tank/knowledge/obsidian-vaults
• tank/knowledge/git-forge
• tank/knowledge/ai-transcripts
• tank/knowledge/llm-wiki
• tank/knowledge/gbrain
• tank/knowledge/backups

快照建议：

• 每小时，保留 48 小时
• 每天，保留 30 天
• 每周，保留 12 周

6. 网络与访问建议

优先级：

1. 内网访问
2. Tailscale/ZeroTier 之类的组网
3. 反向代理 + 强鉴权

不建议：

• 直接把 gbrain 或 Hermes 暴露到公网
• 未经鉴权开放任何 memory / wiki / AI 面板

7. 最重要的架构决策

决策一

Obsidian 是原始知识源，不是 AI 的工作流引擎。

决策二

llm-wiki 是知识编译器，不是事实真源。

决策三

gbrain 负责长期关系和上下文记忆，不替代 Vault。

决策四

当前阶段不在 homelab 上部署重型执行代理，AI 执行能力优先放在 MacBook。