在不同笔记应用间迁移数据往往繁琐不堪，尤其是当源应用缺乏便捷导出功能时。以Apple Notes为例，其封闭生态使得批量导出极为困难。面对散落在Apple Notes（八年积累）、Evernote和Google Keep中的碎片化笔记，手动整合至Obsidian库（Vault）不仅耗时，且难以保证分类的逻辑性。尽管Obsidian拥有强大的导入插件，但实现基于内容的自动分类与标签添加仍需复杂配置。
从“搬运”到“整理”：AI智能体的效率跃升
引入Codex（ChatGPT的智能体模型）后，这一过程发生了质的变化。Codex直接将笔记导入Obsidian，未出现文件丢失情况。更关键的是，它能根据内容主题自动对笔记进行组织、排序并添加相应标签。在处理约1,000条笔记时，Codex仅耗时约十分钟，并在任务结束后生成一份报告，明确标记出无法可靠分类的条目。经Python脚本验证，其导入数量准确无误。相较于传统导入插件，该方案在速度与智能化程度上均表现更佳。
破解上下文缺失难题，替代复杂工作流
多年积累的笔记往往伴随上下文缺失，手动梳理如同破译无密钥密码。Codex通过解读内容，基于最佳判断推测主题并将其归入特定文件夹。虽然存在个别误判（如将故事创意归类为电脑设置），但整体分类精准度较高。这一过程节省了数小时的人工筛选时间，标签系统的建立也使得后续检索更为高效。
与传统方案相比，Codex降低了操作门槛。若使用Obsidian原生导入配合Linter等插件进行批量打标签，不仅流程杂乱，还因插件复杂性带来潜在风险。Codex则允许用户通过自然语言指令直接下达任务，只需指定目标文件夹并授予权限，即可自动完成剩余工作。除需手动从各源平台（如通过Exporter应用导出Apple Notes、Google Takeout导出Keep）获取原始数据外，其余清洗、整理及去重工作均由Codex接管。即便发现重复文本等瑕疵，也可通过指令在保持上下文不变的前提下完成清理。
人机协作：AI负责执行，人类保留最终决策权
Codex并非全知全能。在本次任务中，有83条笔记因内容混乱（如游戏谜题攻略、无头绪的随机字符或密码）而无法归类。这种“诚实”的反馈机制避免了大语言模型常见的强行执行错误，确保知识库的纯净度。人工审查这些例外条目，反而成为重温旧资料、挖掘隐藏价值的契机。
作为智能体AI的典型应用场景，Codex展示了赋予AI具体任务控制权的潜力。相较于仅在网页端进行对话交互，这种深度集成模式既令人惊喜又极具实用价值。类似Claude Code等其他智能体亦可实现同等目标。对于注重隐私与控制权的用户，本地部署大语言模型处理此类行政任务亦是可行之选。