Obsidian 看板 + Copilot:项目管理与每日总结的完美闭环

Obsidian 看板 + Copilot:项目管理与每日总结的完美闭环

在多项目并行的职场节奏中,项目管理是每个人的必修课。我曾深陷“工具选择困难症”,在滴答清单、Notion 等工具间反复横跳。虽然滴答清单足够优秀,但它始终无法与我的个人知识库深度联动,更难以调用 AI 能力来二次加工我的工作轨迹。

今天,我想分享一套基于 Obsidian 看板 + Copilot 的全自动化项目管理工作流。

工作流示意图

核心思路

All in One 的自动化闭环这套工作流的核心在于利用 Obsidian 的“万物皆 Markdown”特性。看板文件本质上是 Markdown 列表,通过插件自动记录的时间戳,我们可以让 Copilot 扮演“私人秘书”,瞬间完成从“任务执行”到“复盘总结”。

必备插件

在 Obsidian 插件市场安装以下三个插件:

  • Kanban:提供直观的看板视图。
  • Tasks:自动为完成的任务打上时间戳。
  • Copilot:调用 AI 能力进行分析总结。

具体步骤

1. 搭建可视化看板

安装 Kanban 插件后,你可以像使用 Trello 或滴答清单一样,创建项目组和任务清单。它支持双向链接,能完美融入你的 Obsidian 知识网络。

看板界面
2. Tasks

在 Tasks 插件设置中,开启“完成时添加日期”功能。这样当你勾选任务时,系统会自动在后台生成类似 ✅ 2026-01-19 的标记。

Tasks 设置

这些时间戳就是 AI 识别你“今日工作量”的唯一凭证。

3. AI 自动生成每日总结

通过 Copilot 插件,配合精心设计的提示词(Prompt),AI 会自动扫描看板,过滤掉杂讯,只提取你今天完成的成果。

我的提示词:

作为我的看板分析助手,分析我提供的 Obsidian 看板内容。

最终效果

每天下班前,只需简单操作,Copilot 就会生成一段干净的纯文本。我直接将其粘贴到 flomo 中,整个过程不到 10 秒。

最终效果图

这种从项目管理自动复盘的闭环,不仅节约了大量手动整理的时间,更让我能专注于任务本身,而非工具的操作。

延伸阅读

更多 Obsidian 相关内容请看往期文章:

Obsidian Copilot:打造你的专属 AI 笔记助手

Obsidian与Anki:高效管理个性化学习卡组

obsidian projects 插件 实现项目管理

obsidian  excalidraw 绘制思维导图

Tips

如果这篇分享对你有启发,欢迎点赞、收藏、转发

微信公众号:环境猫er

ZEEKLOG:细节处有神明

个人博客:https://maoyu92.github.io/

Read more

windows stable-diffusion-webui 一键运行,无需配置教程(仅供学习)

windows stable-diffusion-webui 一键运行,无需配置教程(仅供学习)

一.一步完成启动 直接上完整文件 包含模型,python环境 下载结束直接运行 (夸克网盘)(需要有N卡支持) 链接:https://pan.quark.cn/s/c126b8ba78b8?pwd=6fpw 提取码:6fpw 解压后 进入 Stable Diffusion WebUI 目录 解压目录所在位置 cd D:\notebook\AIGC\picture_ai\SDwebui\stable-diffusion-webui 激活python虚拟环境 .venv\Scripts\activate.bat 启动 WebUI 并使用暗色主题 webui.bat --theme dark 嫌启动麻烦的可以下一个 bat 处理命令 新建

【论文阅读】SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integration

【论文阅读】SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integration

SWE-CI:基于持续集成评估智能体在代码库维护中的能力 * 论文链接 * 摘要 * 1. 简介 * 2. 评估智能体维护代码库的能力 * 2.1 任务形式化 * 2.2 归一化变更 * 2.3 EvoScore(演进得分) * 3 SWE-CI * 3.1 数据构建(Data curation) * Step 1: Repository Collection * Step 2: Commit Span Extraction * Step 3: Environment Construction * Step 4: Case Filtering * 3.2 双智能体评估协议 * 4 Experiments * 4.1 Experiment

【论文阅读笔记】GlobeDiff:用扩散模型从局部观测生成全局状态,破解多智能体部分可观测难题

ICLR 2026 poster GlobeDiff: State Diffusion Process for Partial Observability in Multi-Agent Systemopenreview: https://openreview.net/forum?id=96g2BRsYZXarXiv: https://arxiv.org/abs/2602.15776 在多智能体强化学习(MARL)中,部分可观性(Partial Observability, PO) 是一个长期存在的难题。每个智能体只能看到局部信息,却需要基于此做出全局协调的决策。现有的方法(如信念状态估计或通信)往往难以准确还原全局状态,容易出现“模式坍塌”(Mode Collapse),即把多种可能的全局状态平均成一个模糊的状态,导致决策失误。 本文介绍了 GlobeDiff,一种基于条件扩散模型(Conditional Diffusion Model)

格拉姆角场(Gramian Angular Field, GAF)详解

格拉姆角场(Gramian Angular Field, GAF)详解

格拉姆角场(Gramian Angular Field, GAF)是一种于2015年被提出的时间序列可视化与特征编码技术。其核心思想是将一维时间序列转换为二维图像,并在此过程中保留原始序列的时间依赖关系与数值特征。目前,GAF已在故障诊断、生物电信号分析、射频信号识别等多个领域得到广泛应用。 GAF的实质是借助极坐标变换与格拉姆矩阵的结构,将一维序列中的“时间–数值”映射为图像中的像素关联信息。生成的图像矩阵的行列索引直接对应时间顺序,使其能够兼容主流图像识别模型(如CNN),从而挖掘出时间序列中的深层特征。 一、GAF 的核心设计逻辑 传统的一维时间序列包含两类基本信息:数值大小(如振幅)和时间顺序(如信号随时间的变化趋势)。折线图等常规方法虽能展示趋势,却难以显式表达不同时刻之间的数值关联。GAF 通过以下三步逻辑实现信息的结构化编码: 1. 数值归一化:将原始序列缩放至[-1, 1]区间,消除量纲与异常值影响,为极坐标变换提供基础; 2. 极坐标转换:将时间索引映射为半径,数值大小映射为角度,建立 时间-数值 在极坐标系统中的对应关系; 3. 格拉姆矩阵构建: