Claude Code × Codex × Obsidianで作る「自己代謝型ナレッジシステム」
AIエージェントを本格的に使い始めると、仕事のボトルネックが変わってきます。 以前は「情報を探す」「資料を読む」「コードを書く」「文章を書く」ことに多くの時間を使っていました。Claude CodeやCodexのようなエージェントを使えば、この部分はかなり高速化できます。 ところが、そこで仕事が終わるわけではありません。むしろ次に、もっと厄介な仕事が残ります。 「で、どれを信じるのか？」 AIが短時間で大量の情報を集められるようになれば、人間が一件ずつ検索する必要は減ります。しかし、「この情報源は信用できるのか」「これは現在も有効なのか」「一次情報なのか、誰かの解釈なのか」「複数の情報が矛盾しているが、どちらを採用するのか」「AIが作った複数案のうち、本番環境へ入れていいのはどれか」という仕事は残ります。 これからは、人間の時間のかなりの部分が、この 判断 に使われるようになるのではないかと思っています。 だからClaude Code、Codex、Obsidianを組み合わせて作るべきものは、単なる「第二の脳」ではありません。必要なのは、 情報の出所、鮮度、検証状態、採用状態まで管理できるナレッジシステム です。 情報をたくさん与えればAIは賢くなる、という誤解 最初に陥りやすいのが、「AIに情報をたくさん与えれば、それだけ賢くなる」という考え方です。 会議メモ、設計資料、過去の意思決定、技術調査、障害対応、AIとの会話。全部Obsidianへ保存して、Claude CodeやCodexからアクセスできるようにする。一見すると理想的です。 しかし、情報が増えてくると問題が起こります。2024年の調査ではA、2025年にはB、2026年にはC。でも昔のAも検索すると出てくる。 AIにとって難しいのは、情報を「見つける」ことではありません。 見つけた情報の中から、今どれを信じるべきか判断すること です。 長大なドキュメントより「地図」を作る そこで最初に必要になるのが、ナレッジの分割です。 巨大な knowledge.md に何でも詰め込むのではなく、 architecture.md 、 security.md 、 decisions.md 、 operations.md 、 current-stack.md のように意味のある単位へ分け、Obsidianの [[Wik...