Obsidian Bases解决了什么

过去Obsidian要实现数据库功能必须装Dataview插件，且要写代码。1.9版本推出的Bases是原生功能，打开就能用，纯本地存储，长期可读，不依赖任何第三方。

第一步：创建第一个Base

打开Obsidian 1.9+版本，左侧文件树空白处右键→New Base，命名为books.base。打开后是空表格界面，每一行是一个笔记，每一列是一个属性。点New Note可创建新笔记加入数据库。

第二步：定义属性字段

点击右上角+号添加属性，类型选择影响数据校验：

  • Text——文本
  • Number——数字（可计算）
  • Date——日期
  • Select——单选下拉
  • Multi-select——多选
  • Checkbox——复选框
  • URL——链接
  • File——附件

例如读书笔记库：

  • 书名（Text）
  • 作者（Text）
  • 阅读状态（Select：想读/在读/已读）
  • 评分（Number 0-10）
  • 开始日期（Date）
  • 结束日期（Date）
  • 类型（Multi-select：技术/文学/商业）
  • 推荐（Checkbox）

第三步：录入数据

双击任意单元格直接编辑，AI自动补全（如输入作者后下次自动建议）。或者用Markdown文件前置YAML的方式批量录入：

书名: 纳瓦尔宝典
作者: 埃里克·乔根森
阅读状态: 已读
评分: 9
开始日期: 2026-08-01
结束日期: 2026-08-15
类型: [商业, 自我提升]
推荐: true

YAML格式的笔记自动被Base识别为一行。这种方式便于用文本编辑器批量管理。

第四步：视图与过滤

同一个Base可建多个视图（View），每个视图独立配置：

视图配置项

  • 显示列——勾选要展示的属性
  • 过滤——按条件筛选（评分>8 且 阅读状态=已读）
  • 排序——按评分倒序
  • 分组——按类型分组显示
  • 汇总——显示每列的求和/平均/计数

实际场景示例

视图1：阅读中（过滤阅读状态=在读，按开始日期升序）

视图2：已读高分（过滤评分>=8，按评分倒序）

视图3：商业类（过滤类型含商业，按结束日期倒序）

视图4：年度统计（按年分组，显示阅读数量和平均评分）

切换视图只需点顶部Tab，比传统Excel的多Sheet更直观。

第五步：公式字段（Formula）

高级功能——在Base里定义公式自动计算。例如：

阅读天数 = dateDiff(prop(结束日期), prop(开始日期), “day”)

这个公式自动算出每本书读了多少天，填入单元格。支持的函数包括：

  • date()——日期处理
  • prop()——取属性
  • if()——条件判断
  • contains()——字符串包含
  • number()——类型转换
  • sum()、avg()——汇总

公式字段让Base接近Notion数据库的灵活性，但完全本地化。

进阶：跨Base关联

Base之间可通过链接笔记关联。例如项目管理Base与任务Base用项目笔记ID关联，实现多表join效果。当前为手动关联，未来版本可能支持自动关联。

常见场景模板

模板1：读书笔记

属性：书名、作者、状态、评分、日期、类型、推荐。视图：在读、已读、年度统计。

模板2：项目任务

属性：任务名、负责人、状态、优先级、截止、进度、关联项目。视图：今日待办、本周任务、按负责人分组。

模板3：客户管理

属性：客户名、行业、阶段、联系人、最后沟通日、合同金额。视图：进行中、按行业分组、本月新增。

模板4：内容选题

属性：标题、平台、状态、关键词、目标日期、阅读量。视图：草稿、已发、按平台分组。

数据迁移与同步

Base文件本质是Markdown + YAML结构，可以：

  • 用Git同步到GitHub/Gitee多设备共享
  • 用Obsidian Sync官方同步（$4/月）
  • 导出为CSV在Excel中分析
  • 导入Notion/Airtable（用第三方脚本）

常见问题与误区

  • 类型不可改——属性类型创建后改类型，旧数据可能丢失
  • 公式报错——公式语法严格，参考官方文档的函数列表
  • 视图加载慢——超过5000行时性能下降，建议按时间分库
  • 协作受限——Base文件是本地文件，多人协作需用Git或云盘同步

效率数据

实测：管理500+本书的读书笔记，用Excel+VBA约2小时维护，Bases纯本地0成本。每月新增30本书的录入，从20分钟压缩到5分钟（AI自动补全）。跨设备同步用Git免费，Obsidian Sync每月$4。适合人群：Obsidian老用户、追求数据自主的知识工作者、本地优先理念的效率党。