一句话看懂：一位AI实践者基于自己的Obsidian使用经验，开源了一套名为“阿福”的LLM TODO Skill，核心思路是将知识管理的痛点从“整理文件”转向“排期执行”，并通过自动化扫描Markdown收件箱、识别不完整信息来提高个人任务推进效率。
事件核心：发生了什么
2026年7月15日，AI实践者“卡尔的AI沃茨”在社区分享了他三年用AI做知识管理的经验，并开源了名为“阿福”（Afu）的LLM TODO Skill。该项目基于Claude（Fable 5版本）和OpenAI Codex API开发，主要解决个人知识管理中的“收藏多、执行少”问题。阿福能自动扫描用户指定的文件夹内所有Markdown文件，识别哪些候选素材信息不完整（例如仅含某书、某音视频链接但无字幕内容），并给出可推进或需补充的关键提示。该项目已托管在GitHub上（github.com/LearnPrompt/afu-llm-todo），适合已有大量待办资料的Obsidian或其他Markdown用户。
为什么重要
这一开源实践揭示了当下AI个人效率工具的一个关键转向：从“自动化整理”到“自动化排期”。多数知识管理工具或AI助手的注意力集中在标签、分类、检索上，但作者直言“把文件从目录A转移到目录B没有用”。阿福Skill把LLM的语义理解能力直接用在“判断信息完整性”和“提醒下一步行动”上，这比通用的笔记自动化更贴近用户的实际待办执行场景。同时，该项目使用了Codex API和本地Whisper语音识别模型处理视频内容，说明了结合云端大模型与本地轻量模型解决个人数据隐私与执行需求的可操作路径。
对用户/开发者/创作者的影响
对使用Obsidian或其他Markdown格式进行个人知识管理的用户来说，阿福Skill提供了一个低门槛的“待办驱动”模板：只需将各类待办素材（包括链接、文本、未处理笔记）放入指定文件夹，AI就能自动筛选出哪些可以推进、哪些缺少信息。开发者可以借鉴其扫描策略和LLM提示词设计，将其接入到自己的个人助手或AI工作流中。内容创作者则能直观地看到“为什么囤了很多选题却做不出来”——阿福会明确指出每个候选选题的“信息缺口”，帮助创作者将注意力从收集转向行动。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，该项目目前基于Claude Fable 5和Codex API构建，API成本是实际使用门槛，未来是否推出更经济的本地模型版本或插件化方案值得关注；第二，阿福Skill能否扩展到Notion、Logseq等非Markdown生态，将影响其用户基数；第三，GitHub仓库是否吸引到社区贡献者进一步优化“排期”功能（如日历集成、优先级排序），这决定了它能否从“扫描提醒工具”进化为真正的AI个人助理。
