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

对于VScode中Copilot插件使用卡顿问题的解决办法

copilot卡顿主要是网络和内存占用原因。 VScode内存优化解决办法: 结合链接和我补充的基本都可以解决。 解决VSCode无缘无故卡顿的问题_vscode卡顿-ZEEKLOG博客 在VScode中打开setting.json文件,打开方法ctrl+shift+p,输入Preferences: Open User Settings (JSON), 然后添加如下代码: { "search.followSymlinks": false, "git.autorefresh": false, "editor.formatOnSave": false } 结合链接和我补充的基本都可以解决。 VScode代理问题: vscode copilot长时间没反应_vscode中copilot总是卡住-ZEEKLOG博客 配置代理的话两种方法,上面是一种,推荐两种结合起来用(不冲突) 还是在setting.json文件中,添加如下代码: { "http.proxy": "http://127.

(3-3)机器人身体结构与人体仿生学:四肢结构设计原则

(3-3)机器人身体结构与人体仿生学:四肢结构设计原则

3.3  四肢结构设计原则 四肢是人形机器人实现运动执行、负载作业与人机交互的核心执行单元,其设计需围绕“运动灵活性、承载可靠性、轻量化集成”三大核心目标,平衡关节运动范围、驱动效率与力传递性能。 3.3.1  手臂结构:肩、肘、腕的解耦设计 手臂作为人形机器人实现抓取、操作、人机交互的核心执行部件,其运动灵活性与控制精度直接依赖于肩、肘、腕关节的“解耦设计”——即通过结构布局与驱动配置,使各关节自由度运动独立可控,避免运动干涉与动力耦合,同时兼顾负载传递效率与轻量化需求。 图3-9展示了肩部、肘部、腕部的解耦设计,具体说明如下所示。 1. 肩部清晰区分了“前屈/后伸、外展/内收、旋转”三个独立自由度,搭配电机+谐波减速器的独立驱动配置,符合肩部三自由度解耦的球铰式布局; 2. 肘部标注“单自由度肘关节”,聚焦屈伸功能,配合行星减速器,

群消息机器人统计分析

群消息机器人统计分析

文章目录 * 一、企业微信群机器人 + 腾讯云函数 * 1.1 注册企业微信 * 1.2 注册腾讯云 * 1.3 创建群聊并添加机器人 * 1.4 创建腾讯云函数 * 二、个人微信(封号风险) * 3.1 itchat * 3.2 Wechaty * 3.3 ChatLog * 3.4 群洞察小程序 * 3.5 koishi * 三、钉钉开发平台 * 3.1 使用手册 * 3.2 钉钉机器人API * 3.3 Python脚本实现Send_message * **** 权限隔离 vs. 会话存档: * **** @机器人触发统计

基于深度学习的无人机航拍小目标检测算法研究

基于深度学习的无人机航拍小目标检测算法研究

本项目针对无人机航拍场景下的小目标检测问题,基于 YOLO11 系列模型,在 VisDrone 2019 数据集上进行训练与优化,并提供了完整的检测系统桌面应用,支持图片、视频、摄像头的实时检测与训练指标可视化。 一、项目概述 无人机航拍图像具有目标尺度小、密集分布、多尺度混合等特点,传统检测算法难以取得理想效果。本项目采用 Ultralytics YOLO11 框架,结合 VisDrone 数据集进行训练,实现了对行人、车辆等 10 类交通相关目标的高效检测,并配套开发了基于 PyQt6 的桌面应用,便于模型验证与日常使用。 二、数据集 2.1 数据集简介 本项目使用 VisDrone 2019-DET 数据集,由天津大学机器学习与数据挖掘实验室 AISKYEYE 团队发布,对应 ICCV 2019 "Vision