我用DeepSeek V4搭知识库，成本降了90%，效果不输Claude Opus

我花了28天，搭了一个能把我整个知识库“吃掉”的AI管家

上个月，我快被自己气炸了。

你猜怎么着？我桌子上一字排开三台设备，浏览器开了足足五个网页，就为了找一个上周才写的技术方案。明明记得存在某个文件夹里，关键词翻来覆去搜，就是搜不出来。

那个下午，我对着电脑屏幕骂了整整十分钟。

然后一拍桌子——妈的，老子自己搞！

说到这儿，你是不是也经历过这种绝望？笔记越写越多，找起来越来越难。市面上那些工具，我挨个试了个遍。

Notion？数据放云端，心里总不踏实。万一哪天上不去了呢？

印象笔记？AI能力基本等于零，你要它干嘛它都听不懂。

ChatGPT？每次都要上传文件，上传完了还得等它读完，读完还不一定读对。效率低到你想砸电脑。

专门的AI知识库产品？一年好几千块！我这小破站，光服务器都得省着点花，哪养得起这尊大佛？

后来呢？后来我看到DeepSeek V4的API价格——百万token才几毛钱！效果还跟Claude Opus差不多。

当场我就拍桌子了：就是它！

花了一周搭完，又熬了三天反复测试、调优、踩坑。现在这套系统在我笔记本上跑了大半个月，完成度比我想象的高太多了。

今天，我把搭建全过程、实测数据、还有那些用真金白银踩出来的坑，全掏出来给你看。

为什么偏偏是这三样东西？

我选工具的原则，就仨：

数据必须在我手里。AI必须够聪明。价格必须接地气。

你看，是不是特别朴素？但就这么朴素的要求，市面上没一个产品能满足。

直到我把它们仨组在一起——

Obsidian，满足第一条。所有文件都是.md格式，存在你的电脑上。没网？照样访问。插件体系一应俱全。说白了就是个超级记事本，但上限高到你想象不到。

Claude Code，Anthropic出的命令行工具。核心卖点是啥？它能直接操作你的本地文件！不是你跟它聊天让它猜，而是它直接读写你的文件系统。这一点，太关键了。

DeepSeek V4，负责提供脑子。长文本理解能力实测跟Claude Opus 4.6差不多，价格呢？只有后者的十分之一！

我当时测试的时候，跑了上百个任务，烧掉的积分还没一杯奶茶钱。

这三个东西串起来，等于什么？

等于我有了一个24小时不睡觉、随叫随到、还特别便宜的AI管理员。

搭建过程：四步走，坑我已经替你踩实了

第一步，装Obsidian

去官网下载对应系统的安装包，Mac和Windows都有，免费的。

双击，装上，完事。

这一步你肯定没问题。

第二步，装Claudian插件

这玩意儿是啥？是把Claude Code嵌入Obsidian的桥梁。不走这一步，你就得在终端和编辑器之间来回切——太影响体验了，跟没搭一样。

具体操作：打开Obsidian设置，进第三方插件，关掉安全模式。在社区插件里搜BRAT，安装并启用。

BRAT是个能从GitHub拉beta插件的工具。Claudian还没上架官方市场，得靠它才能装上。

我在这儿卡了半小时你知道吗？BRAT的界面第一眼看有点懵，不知道从哪儿下手。

添加beta插件的时候，输入这个地址：github.com/YishenTu/claudian，选最新的版本。添加完了回插件列表，Claudian的开关就出现了。

打开它。

第三步，装Claude Code，然后换掉它的后端模型

这步稍微有点技术含量，但你只要会复制粘贴就够。

先装Node.js。Mac用户跑：

brew install node

Windows用户去nodejs.org下LTS版本。装完验证一下：

node --version
npm --version

看到版本号了？好，继续。

再装Claude Code：

npm install -g @anthropic-ai/claude-code

关键来了。

Claude Code默认调用的是Anthropic自家的API——贵不说，还不一定连得上。我们要做的，就是把它指向DeepSeek。

在用户目录下新建一个文件夹 .claude，里面创建 settings.json，填入这段内容：

{
 "env": {
 "ANTHROPIC_AUTH_TOKEN": "你的DeepSeek API Key",
 "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
 "ANTHROPIC_MODEL": "deepseek-v4-pro",
 "API_TIMEOUT_MS": "3000000",
 "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
 }
}

API Key去DeepSeek官网买，几块钱就够，填进去。

然后终端跑 claude，如果显示模型已经换成了deepseek-v4-pro——恭喜你，配置成功了！

第四步，回到Obsidian，让Claudian连上Claude Code

在Obsidian设置里找到Claudian插件页，配置环境变量。把刚才settings.json里的内容填进去。

模型选DeepSeek V4，上下文token上限酌情设置。我设了32000，日常工作绰绰有余。

有个特别隐蔽的坑：Obsidian必须开启命令行界面。在设置-关于-高级里能找到，打开它。

不然Claudian连不上Claude Code，你就白忙活了。

实测效果：真金不怕火炼

装好之后我立刻开始高强度测试。

先说基础检索。

我在上千篇笔记的库里，故意问了一个特别窄的问题——“2024年深圳GTC大会提到的端侧模型部署方案”。

以前呢？我得先回忆大概什么时候写的、放在哪个文件夹，然后一层层手动翻。

现在？直接打字。

五秒。就五秒。

AI列出了三篇相关笔记，还标注了各自侧重了什么方面。我当时就愣住了。

然后是跨文件关联。这是我最头疼的点。

笔记散落在各个文件夹，很多内容有隐性关系，但手动根本关联不过来。我试过无数次了，每次想想就头疼。

我让AI“梳理所有跟RAG相关的文章，按技术方案归类”。

它花了大概十五秒读完所有文件，给我一份分类大纲——精确到每个方案对应的笔记片段和链接。

我凭着十多年的知识库经验核了一遍，正确率九成五以上。

再来是自动整理。

我有个文件夹叫“随手记”，里面全是碎片化的想法、摘录、各种信息。乱七八糟，我自己都不想打开。

我扔了一条指令：“把这些内容按主题合并，整理成规范的卡片笔记，每个卡片加上上下文关联和来源链接。”

二十分钟后，我拿到了十几张完整的信息卡片。

比我之前手动整理两周还高产。

你想想，二十分钟干完了两周的活。

最后算算积分。重度用了两天，跑了不下五十个任务，包括大规模读取全文、综合整理、生成总结。

总共烧了不到一百积分。

按DeepSeek的定价，一百积分折合人民币不到20块。

对比之前用Claude Opus呢？同样的工作量，最少两三百打底。

这不只是省钱的问题——而是本质区别。

因为便宜，我敢用它做任何事。不用每次下指令前先算成本。

实际体验：好的坏的都说说

好的方面——我得先说好的。

AI真的“住”进了我的笔记库。

不用上传文件，不用粘贴内容。整个知识库就是它的工作目录，开机即用。

这种体验提升有多大？大到根本回不去了。

DeepSeek V4的长上下文能力，真不是吹的。

它可以一次读取大量内容，还保持准确记忆。我试过让它从一百多篇笔记里找出某个具体论断——它找到了，还指出了三处矛盾点。

我当时愣了好一会儿。

操作几乎没学习成本。

我让AI干活就一个动作：把指令扔到Claude Code的对话框里。它自己去读、去写、去整理，我只需要审核结果。

就这么简单。

不好的方面——我也不藏着掖着。

一是Claudian插件的安装流程确实绕。

要装BRAT、配GitHub来源、再单独配环境变量。对不熟悉工具链的人来说，任何一个环节出错都可能卡住。

我当时就在这儿卡了半小时。

二是大模型的稳定性受网络影响。

DeepSeek的API偶尔会超时，尤其是读取大量笔记的时候。建议在settings.json里把timeout设高一些，3000000毫秒起步。

三是检索深度依赖你的记笔记习惯。

内容没结构、没标签、没关联，AI也难发力。

说白了，这是个杠杆。你的底稿质量，决定它能撬动多少。

几个让你少花冤枉钱的最佳实践

这些都是我用真金白银砸出来的教训。

第一，收资料阶段必须极简。

只做轻量的确定性工作。比如创建新笔记、提取少量元数据、更新索引。

千万别让AI在这个阶段自动对比、自动写综合页面、自动分析矛盾。

否则你的token消耗会从O(n)直接变成O(n³)。

我第一次踩了这个坑——整理二十篇笔记，就烧了三百多万token。

你算算，这得多少钱？

第二，综合整理改成拉模式。

别让AI一有数据就自动全局关联、自动写总结。改成只有你真正提问时，才让它按需做分析。

这样复杂度从O(n²)降到O(k)，k是问题涉及的笔记数。

省的钱完全不是一个量级。

第三，定期用AI做仓库健康检查。

我每隔两周让AI读一遍整个知识库，输出结构分析和优化建议。

每次只花几积分，换来的是我始终清楚知识库长什么样、哪里该补、哪里该删。

它不再是一个堆满废纸的黑洞了。

说点大实话

这套方案不是完美的。

安装门槛摆在那儿，对纯新手确实不太友好。需要一点动手能力，至少能打开终端复制粘贴三行命令。

但是——一旦跨过这个坎呢？

你收获的是一个真正私有、真正聪明、真正便宜的知识库。

我用了大半个月，最大的感受是什么？

终于不用在“记笔记”这件事本身消耗精力了。

只需要写、收集、丢进去。找东西、归类、提炼、梳理——这些杂活，全交给AI。

事后想想，这大概才是知识管理该有的样子——

工具不该要求你为它服务，而是它为你服务。

想清楚这一点，你自然就会搭一个这样的系统。

好了，教程就到这儿。

有问题评论区见，我会在笔记里同步更新。

**最后送你一句话：**

知识管理的终极形态，不是你会不会记，而是你想不想记——一个足够聪明的工具，会把剩下的活全干了。