Obsidian Pipeline
Персональная ИИ‑инфраструктура, которая принимает аудио с iPhone, локально транскрибирует его на Raspberry Pi и превращает в связанные Markdown‑заметки для Obsidian.
Контекст
Я веду личную базу знаний в Obsidian и часто ловлю мысли вне рабочего места: на ходу, после тренировок, шахматных партий, снов и наблюдений. Идея живет несколько секунд; если нужно открыть ноутбук, выбрать папку и оформить заметку, часть мыслей теряется.
Задача была не в том, чтобы быстрее печатать. Нужно было убрать трение между мыслью и ее появлением в базе знаний.
Общая проблема
Голосовые заметки удобны для захвата, но сырой транскрипт плохо подходит для базы знаний: повторы, оговорки, слабая структура и нет связей. Obsidian раскрывается через заголовки, краткое содержание, метки, ссылки и понятный буфер для ручной проверки.
Решение
Я решил строить обработку через личный сервер на Node.js: телефон отправляет аудиофайл, сервер локально транскрибирует его, запускает ИИ‑обработку и сохраняет результат в Obsidian. Арендовать внешний сервер не хотелось, а Mac не подходил — его пришлось бы держать постоянно включенным. Поэтому я выбрал Raspberry Pi 5: небольшой домашний сервер, который тихо работает на фоне.
Текущий поток стал audio‑first: iOS Shortcuts записывает голос, сохраняет локальный backup в Files и отправляет multipart‑запрос на /voice. Fastify‑сервер на Raspberry Pi сохраняет upload, сразу отвечает телефону, а дальше в фоне конвертирует аудио через ffmpeg, транскрибирует через whisper.cpp, классифицирует заметку и передает текст в Claude.
Процесс и препятствия
Первый рабочий сценарий был простым: команда на iPhone, распознавание речи на стороне Shortcuts, отправка текста на Raspberry Pi и создание Markdown‑файла. Но лимиты записи, ошибки распознавания и таймауты быстро показали, что телефон должен быть только точкой захвата, а не местом обработки.
Главное сетевое препятствие появилось после выбора Raspberry Pi: у домашнего интернета нет публичного IP. Я добавил Tailscale — приватную сеть поверх WireGuard, которая связывает устройства как в одной локальной сети. Телефон, Mac и Raspberry Pi получают безопасный прямой доступ без проброса портов и внешнего сервера.
После перехода на аудио появилась новая инженерная развилка: iPhone не должен ждать, пока Raspberry Pi закончит Whisper и Claude. Поэтому сервер отвечает accepted сразу после сохранения файла, а тяжелая обработка идет в фоновой очереди. Если транскрипция ломается, оригинальный аудиофайл сохраняется в _raw; если ломается ИИ‑обработка, сохраняется сырой текст.
Организационная граница осталась прежней: ИИ не должен сам решать финальную структуру хранилища. Он раскладывает новые заметки только во входящую зону по категориям, а постоянное место в базе я выбираю вручную после проверки смысла и связей.
ИИ как слой памяти
Claude используется не как генератор отдельного текста, а как слой поверх существующей базы. Перед обработкой система передает ему локально полученный транскрипт, список меток и релевантные старые заметки из индекса. Так ИИ работает внутри моего словаря, а не придумывает структуру заново.
Перед генерацией заметки отдельный Claude‑вызов работает как маршрутизатор: выбирает одну из шести категорий и передает ее в категорийный промпт. Для поиска связей сервер берет до 10 релевантных старых заметок из индекса через простой TF‑IDF, а новые теги добавляет только если существующие не подходят.
Ключевой сдвиг: от генерации разрозненных заметок к постепенному развитию связанной личной памяти.
Структура знаний
В основе Obsidian‑хранилища лежит PARA: проекты, сферы, ресурсы, дневник и архив. Голосовой поток не раскладывает заметки сразу по этой структуре; он ускоряет захват и предварительную обработку, а финальное решение оставляет человеку.
- Здоровье — симптомы, восстановление, препараты, добавки и медицински важные детали без диагнозов.
- Задачи — конкретные действия, напоминания и решения что‑то сделать.
- Сны — сюжеты, образы и эмоции сновидений без псевдотолкований.
- Дневник, инсайты и анализ — разные режимы личной рефлексии: запись события, короткое осознание или разбор ситуации.
Это особенно важно для личных заметок. Автоматизация помогает не потерять мысль, но не забирает контроль над тем, как эта мысль станет частью системы.
Разработка и состояние
Разрабатывать прямо на Raspberry Pi через SSH оказалось неудобно. Я оставил выполнение на Raspberry Pi, а исходники синхронизировал с Mac через Syncthing. Так можно писать код в привычной среде, а сервер автоматически получает изменения, собирает TypeScript и перезапускает службу.
Runtime состоит из Fastify‑сервера, multipart‑endpoint /voice, локальной конвертации аудио, whisper.cpp, Claude SDK, индекса заметок, системы тегов и watcher‑сервиса на systemd. Важная деталь для маленького сервера: аудио обрабатывается последовательно, чтобы несколько тяжелых транскрипций не перегружали Raspberry Pi.
Текущее состояние
Сейчас это рабочий личный прототип в ежедневном использовании: он принимает аудио с iPhone, локально транскрибирует его на Raspberry Pi, сохраняет raw‑transcript для проверки качества, классифицирует заметку, создает Markdown через Claude, кладет результат в нужную папку входящих, обновляет индекс и список тегов.
Дальше
Теперь, когда захват стал масштабируемым, следующий вопрос уже не «как быстро записать мысль», а «как с максимальной пользой использовать накопленные знания». Система умеет пополнять Obsidian почти без трения, но ценность появляется только тогда, когда заметки возвращаются в работу: помогают видеть повторяющиеся темы, принимать решения, замечать прогресс и доставать нужный контекст в нужный момент.
Один возможный следующий слой — личный дашборд поверх Obsidian: карта тем, динамика по здоровью, тренировкам, задачам и инсайтам, рекомендации по старым заметкам, которые стоит перечитать, и сигналы о том, какие области базы зарастают без действия. В идеале пайплайн должен стать не только входом для памяти, но и интерфейсом для ее применения.
Вывод
Этот кейс не про скрипт, а про личную продуктовую систему: быстрый голосовой захват, домашний сервер, локальная транскрипция, ИИ‑структурирование, входящие Obsidian и ручная проверка. Ценность дизайна — снять трение, но не забрать у человека контроль над базой знаний.