90% 的人听专家分享但从不改变任何行为，始终停留在"学习模式"。标签页开了一堆，最终关掉，意图也随之消亡。这篇文章描述了一套关闭这个缺口的系统。

研究侧：NotebookLM

Andrew Huberman 频道有 400 个健康类视频。作者上传了全部 300 集到 NotebookLM。用 Claude Code 写了个 Skill，自动列出所有 notebook、筛选相关视频、批量上传。加载完成后，可以用自然语言提问，每个答案都带引用，溯源到具体集数。

但这里就是大多数人的终点。问了几个问题，然后呢？

行动侧：Claude Code + Obsidian

Claude Code 查询 notebook，代入用户的目标。它会基于 Huberman 的研究设计访谈问题——睡眠/运动/补剂等各个维度，每个问题都溯源到具体集。

作者告诉它：我的目标是改善健康，请基于 Huberman 的集数问我问题。它并行跑了 6 个查询，把回答存入 Obsidian vault。7/8 的引用高度匹配。

回答完访谈问题后，Claude Code 查阅 Obsidian 里已有的实验数据，结合用户当前状态和目标，生成个人健康档案。输出的 Top 3 最高杠杆实验：睡眠规律（差距最大）、晨间阳光、Zone 2 有氧运动。

实验以笔记形式写入 Obsidian vault，带 status 和 frequency。晨间 routine skill 通过 Obsidian CLI 读取 active 实验，每天晨间笔记自动浮现。Claude Code 每天追问每个实验的进展，根据观察结果安排下一步行动。

数据验证：运动日 vs 休息日，能量/情绪/睡眠三项指标均有显著提升。休息日 6.1/6.4/5.8，运动日 6.8/7.1/6.5。