Obsidian 和 NotebookLM 這兩個工具常被放在一起比較，但多數比較都停在「哪個的 AI 比較好用」這個角度。
用「Claude Agent 能不能自動化操作它」的角度來看，差異其實更清楚。
Obsidian：Agent 友善
Obsidian 的資料格式是本機的 .md 文字檔。這代表什麼？Claude Agent 可以直接讀、直接寫、直接搜，完全不需要 API——因為操作的就是本機檔案系統。
除了直接讀寫之外，Obsidian 有成熟的 MCP 支援，可以讓 Agent 呼叫更高階的操作（搜尋、建 wikilink、操作 Properties）。AI 推理引擎是你自己選的，Claude 或者 GPT 都行，知識庫的邊界不被任何平台鎖定。
資料主權在你手上：本機儲存，沒有供應商依賴，換工具的時候 .md 帶走就好。
NotebookLM：API 在哪裡就停在哪裡
NotebookLM 的情況不太一樣。
Enterprise 版有官方 API，但這個 API 的功能是管理 Notebook 本身——建立、讀取、刪除。它不能讓你觸發 AI 查詢。你沒辦法透過 API 問「把這份文件裡關於 X 的段落整理出來」，只能問「這個 Notebook 裡有哪些文件」。
免費版更簡單：完全沒有官方 API。有一些社群做的非官方 hack，但這類東西隨時可能因為 Google 更新介面而失效。
另一個限制是知識邊界：NotebookLM 的 AI 只能在你上傳的來源文件內回答。這個設計是刻意的（citation 保證的前提就是來源固定），但對 Agent 自動化來說意味著 AI 的視野是被鎖住的。
它們解決不同的問題
放在一起比較有點不公平，因為這兩個工具的設計目標根本不同：
Obsidian：長期個人知識庫，你是知識的主人，Agent 是你的代理人。
NotebookLM：針對特定文件集合做深度問答，citation 保證讓每個答案都可以溯源到原始文字。
如果你要建立一個 Claude Agent 可以持續寫入、更新、重組的知識系統，Obsidian 是對的選擇。
如果你要把一批文件（研究報告、會議記錄、法規文件）丟進去問問題，而且需要「這個答案來自第幾頁」的保證，NotebookLM 是對的選擇。
最佳實踐：互補而非選一個
我自己的做法是：Obsidian 長駐，定期把重要文件匯出到 NotebookLM 做專案研究。
日常知識累積、Agent 自動化讀寫、跨專案搜尋——全在 Obsidian。當我需要針對某批特定文件做集中問答（比如研究某個主題的 10 篇論文），才把文件匯入 NotebookLM，利用它的 citation 機制。
兩個工具各做各的擅長事，不需要二選一。
延伸閱讀：