Obsidian +AIAgent又一个关键工具:Knap

激进拥抱智能体，CEO 发布新工具：Knap

今天 Obsidian CEO Kepano 开源了一个新项目：Knap.
一个专门把JSON/CSV/应用提供的结构化数据，按照模板转换成Markdown的领域专用模板语言（DSL）和模板引擎。

GitHub: obsidianmd/knap，Website：https://knap.md/
（Kepano的推特也有正式推文，我就不截图了。）
这是一套很小的模板语法。它最早就是 Obsidian Web Clipper 内部使用的模板系统，后来又被 Obsidian Importer 使用。现在Steph把这套能力单独抽出来，做成了一个公开、开源的独立工具。更好的被智能体/命令行使用。

Knap 到底是什么？

假设现在有这样一份数据，和一份markdown模版：

{
  "title": "我的文章",
  "author": "Jason",
  "tags": ["AI", "Obsidian"]
}

# {{ title }}
作者：{{ author }}
标签：{{ tags | join:", " }}

Knap 会自动把数据填进模板，最后生成：

# 我的文章
作者：Jason
标签：AI, Obsidian

为什么特别适合 Obsidian？

所以 Knap 最核心的工作其实非常简单：数据 + 模板 → Markdown 文件。它负责把原本杂乱的数据，按照我们提前规定好的格式，稳定地生成 Markdown。

如果只是简单地把文字塞进模板，其实很多工具都能做到。Knap 比较特别的地方，是它本身就是围绕 Markdown 和 Obsidian 使用场景设计的。
例如它可以直接处理：YAML 属性、Obsidian 双链、Markdown 链接、列表、表格、Callout、文件名等。

例如把一个名字处理成双链：{{ person | wikilink }}
又比如自动生成适合 Obsidian 属性系统使用的 YAML：{{ tags | yaml_property:"tags" }}

所以它特别适合一个场景：

把外部数据批量整理成格式统一的 Obsidian 笔记。

Knap 最实用的几个使用场景

• • 网页收藏：网页 → 提取内容 → Knap → 标准 Obsidian 笔记
• • 批量导入资料：Knap 可以读取 JSON、CSV 等结构化数据，然后批量生成 Markdown。
• • 自动整理研究资料：把资料整理成结构化信息，再交给 Knap 生成最终笔记。
• • 建立统一的知识库格式：资料可能来自网页、RSS、API、数据库、AI Agent，最终都可以先转换成结构化数据，再交给 Knap。

它和 Jinja / Liquid 到底有多像？

非常像，而且是故意的。 你如果用过 Jinja、Liquid、Twig，这套语法几乎不用学习。
Steph 明确表示，Knap 的语法刻意设计得让 Twig、Liquid、Jinja、Tera 用户感到熟悉。

如何安装和使用？

Knap 是一个 Node.js 工具，要求 Node.js 20+ 版本。安装：

npm install -g knap

最基础的使用方法

准备两个文件。一个数据文件，例如保存为article.json

{
  "title": "Knap",
  "author": "Steph Ango"
}

再准备一个模板，保存为template.md

# {{ title }}

作者：{{ author }}

然后运行：

knap render template.md \
  --data article.json \
  --output note.md

最后就会生成：note.md。整个过程不需要数据库，也不需要启动什么服务器。

如何和 Obsidian 配合？

Knap 不是一个 Obsidian 插件。它的工作非常单纯：负责生成 Markdown 文件。 而 Obsidian 本身就是读取 Markdown 文件的。所以两者天然可以配合。
最简单的方式，直接让 Knap 把生成文件保存到 Obsidian库：数据 → Knap → .md 文件 → Obsidian Vault

比如提前规定：

---
title: {{ title }}
source: {{ url }}
---

# {{ title }}
{{ summary }}

以后所有资料都通过这个模板生成。这样整个 Vault 中：标题格式一致、属性字段一致、正文结构一致。

Knap + AI Agent 才是更重要的

Knap 现已进入CEO大人自己维护的kepano/obsidian-skills

可以配合：Codex、Claude Code、OpenCode 等 AI Agent。 这就出现了一个非常实用的分工方式：AI Agent 负责理解内容，Knap 负责最终格式。

比如我们让 Codex 阅读一篇文章。以前可能直接告诉它：

阅读这篇文章，按照我的 Obsidian 模板生成 Markdown

问题是，大模型生成内容本身具有一定随机性。使用 Knap 后，可以变成：文章 → AI 阅读和整理 → 结构化数据 → Knap → Markdown。AI只需要返回JSON数据，至于最后 Markdown 怎么写，由 Knap 的固定模板决定。

Knap 的技术原理

它的语法其实并不复杂。比如条件判断：

{% if author %}
作者：{{ author }}
{% endif %}

循环：

{% for tag in tags %}
- {{ tag }}
{% endfor %}

这些语法和很多成熟的模板工具非常相似。简单理解就是：模板 → Knap 理解规则 → 填入数据 → 输出 Markdown

另外一个比较重要的设计是：Knap 不会直接执行任意 JavaScript 代码。它只能执行自己规定好的模板语法和功能。这样更容易控制安全风险。