MyCC Research Machine（AI研究机器四层架构）
四工具组合：执行层（Claude Code）→ 定制层（Skill Creator）→ 分析层（NotebookLM）→ 记忆层（Obsidian），30 分钟搭建，能自我改进的研究流水线。
Key Points
- 痛点：大多数人做研究的方式——开十几个标签页，看视频，读文章，随手记笔记。一小时过去，打开二十个标签页，笔记软件里三行字，什么都没整理好
- 四层架构：执行层 → 定制层 → 分析层 → 记忆层
四层架构
| 层级 | 工具 | 职责 |
|---|---|---|
| 执行层 | Claude Code | 用自然语言驱动，跑命令、调用技能、管理文件 |
| 定制层 | Skill Creator | 插件，人话描述需求 → 生成并安装 Skill |
| 分析层 | NotebookLM | 谷歌 AI 研究工具，生成摘要/分析/信息图/播客脚本，用谷歌算力不耗 Claude 额度 |
| 记忆层 | Obsidian | 本地 Markdown 知识库存所有产出，用得越久 Claude Code 越懂你的思维 |
核心逻辑
四个工具组合 = 一条能执行、能分析、能自我改进的研究流水线：
- Claude Code 接收研究任务
- Skill Creator 定制所需 Skill
- NotebookLM 分析来源资料（不消耗 Claude 额度）
- Obsidian 存储产出，积累知识资产
越用越懂你的原因：Obsidian 作为记忆层让 Claude Code 持续学习你的思维方式和偏好。
Related Pages
- concepts/llm-wiki — LLM Wiki 知识库模式
- patterns/personal-ai-infrastructure — 个人AI基础设施
Sources
- X/Twitter (2026-06-04)