把笔记从一个应用搬到另一个应用，从来不是件轻松事。很多笔记工具压根不提供迁移通道，苹果备忘录就是典型——八年积累的笔记存在里面，想批量导出却找不到顺手的方式。再加上印象笔记、谷歌Keep里散落的记录，这些年的零碎内容一直没法汇到一处。 有人把这件事交给了Codex。ChatGPT背后的智能体模型直接把笔记导进Obsidian，一条文件都没丢。笔记进入库中时已经带好标签，按主题分好类、排好序。更让人
把笔记从一个应用搬到另一个应用，从来不是件轻松事。很多笔记工具压根不提供迁移通道，苹果备忘录就是典型——八年积累的笔记存在里面，想批量导出却找不到顺手的方式。再加上印象笔记、谷歌Keep里散落的记录，这些年的零碎内容一直没法汇到一处。 有人把这件事交给了Codex。ChatGPT背后的智能体模型直接把笔记导进Obsidian，一条文件都没丢。笔记进入库中时已经带好标签，按主题分好类、排好序。更让人意外的是速度：大约 1000条笔记 ，处理时间约 十分钟 ，结束时还附了一份报告，标出哪些笔记它没法可靠归类。 报告里写清了导入数量，准确性则用一段Python脚本做了核对。整个过程比预想中省事，也比直接用Obsidian的导入插件更合适。 整理多年笔记的难点在于，很多内容写下时的语境早就忘了。就像拿到一份没有密钥的密码。Codex的做法是读懂笔记，对主题做出判断，再分进对应文件夹、打上标签。它并非次次都对——有一条被遗忘已久的故事构思，被归进了电脑设置那一堆里——但多数时候判断相当准。 把笔记搬进Obsidian只是前半程，整理才是真正耗时的部分。手工分类要花掉大量时间，而标签让相关笔记能被快速找到，不必再一层层点开文件夹。 相比搭一套工作流，直接下指令更省事。用Obsidian导入笔记，再借助Linter之类的插件批量打标签，理论上可行，但笔记依然没有按文件夹归组；Linter本身也偏复杂，操作失误可能波及整个库。对不熟悉这类工具的用户来说，Codex提供了一条更简单的路径：说清目标，指对文件夹、给足权限，剩下的它自己完成。 需要手动做的只有从各自来源导出：苹果备忘录靠Exporter应用，Keep走Google Takeaway，印象笔记则只能一条条手动处理。其余环节都交给了Codex。导入完成后发现几处小问题，比如个别笔记出现重复文本，提出后它做了清理，且没有改动上下文。 Codex也不是全都搞得定。有 83条笔记 它无法理解，复核之后确实情有可原：有些完全是乱码，有些是毫无关联的零散记录。其中一条是玩《上古卷轴5：天际》时随手记在手机上的谜题，还有几条是密码，但已经想不起对应什么账号，只是一串随机字符。 这种坦白反而让人放心。见过太多大模型硬着头皮执行自己也没把握的任务，相比之下，宁可手动整理几十条笔记，也不愿库里多出一堆来路不明的条目。顺带还翻出了多年前的记录，在购物清单和待办事项之间，藏着几颗被遗忘的珠子。 这是第一次真正把任务控制权交给智能体。ChatGPT、Claude、Gemini这些工具此前都只用过网页版，从没让它们这样接管一件事。结果超出预期，也被认为是人工智能最合适的用法之一。同类工具如Claude Code也能达成同样目标；如果更看重隐私和掌控，还可以在本地部署大模型来处理这类事务性工作。 特别
