Obsidian 学习笔记

Appearance

Smart Connections 知识图谱 ​

Smart Connections 是一款 AI 驱动的笔记关联插件，帮助你自动发现笔记间的隐藏联系。

功能特点 ​

核心功能 ​

  • 智能关联推荐：基于语义相似度推荐相关笔记
  • 知识图谱可视化：可视化展示笔记关系网络
  • 语义搜索：按含义搜索而非关键词匹配
  • 实时更新：笔记更新后自动重新索引

主要优势 ​

优势说明
自动化无需手动建立链接
发现性发现隐藏的知识关联
可视化直观展示知识网络
语义化基于含义而非关键词

安装配置 ​

安装插件 ​

  1. 打开设置 → 第三方插件
  2. 浏览社区插件
  3. 搜索 "Smart Connections"
  4. 安装并启用

基础配置 ​

1. API 配置 ​

Smart Connections 使用 OpenAI Embeddings API：

json
{
  "api_key": "sk-xxxxxxxxxxxxx",
  "model": "text-embedding-3-small",
  "batch_size": 100
}

2. 索引配置 ​

配置项推荐值说明
索引范围全部笔记可选择特定文件夹
更新频率实时笔记更新后自动索引
嵌入模型text-embedding-3-small性价比最高

首次索引 ​

安装后需要建立初始索引：

  1. 打开命令面板（Ctrl/Cmd + P）
  2. 选择 "Smart Connections: Index All Notes"
  3. 等待索引完成

提示

索引时间取决于笔记数量：

  • 100 篇笔记：约 1-2 分钟
  • 500 篇笔记：约 5-10 分钟
  • 1000+ 篇笔记：约 15-30 分钟

基本使用 ​

查看关联笔记 ​

方法一：侧边栏

  1. 打开 Smart Connections 侧边栏
  2. 查看当前笔记的相关笔记列表
  3. 点击笔记快速跳转

方法二：面板

  1. 按 Ctrl/Cmd + P
  2. 选择 "Smart Connections: Show Connections"
  3. 查看关联笔记和相似度评分

相似度评分 ​

每篇关联笔记都有相似度评分（0-100%）：

评分含义
90-100%高度相关，可能是重复或补充内容
70-90%相关性较强，值得参考
50-70%有一定关联，可能提供新视角
30-50%关联较弱，但可能有意外发现

语义搜索 ​

使用自然语言搜索笔记：

  1. 打开 Smart Connections 面板
  2. 输入搜索词或问题
  3. 查看语义匹配结果

示例：

搜索：如何提高学习效率

结果：
- 学习方法总结 (85%)
- 知识管理实践 (78%)
- 时间管理技巧 (72%)
- 阅读笔记方法 (68%)

知识图谱 ​

可视化视图 ​

Smart Connections 提供图谱可视化：

  1. 打开命令面板
  2. 选择 "Smart Connections: Show Graph"
  3. 查看笔记关系网络

图谱交互 ​

操作功能
拖拽节点移动笔记位置
点击节点打开笔记
双击节点聚焦该笔记的网络
滚轮缩放图谱
拖拽空白平移图谱

图谱设置 ​

调整图谱显示：

json
{
  "show_labels": true,
  "node_size": 10,
  "link_distance": 100,
  "max_connections": 50,
  "min_similarity": 0.5
}

工作流集成 ​

知识发现工作流 ​

mermaid
graph TD
    A[阅读笔记] --> B[查看关联]
    B --> C[发现新联系]
    C --> D[添加双向链接]
    D --> E[更新知识网络]
    E --> B

操作步骤：

  1. 打开一篇笔记
  2. 查看 Smart Connections 推荐的相关笔记
  3. 发现之前未注意到的联系
  4. 在笔记中添加 [[链接]]
  5. 知识网络自动更新

写作参考工作流 ​

场景：写一篇关于"知识管理"的文章

  1. 搜索 "知识管理最佳实践"
  2. 查看相关笔记：
    • 知识管理方法论 (92%)
    • 笔记组织技巧 (88%)
    • 学习系统设计 (82%)
  3. 打开这些笔记作为参考
  4. 整合内容形成新文章

研究助手工作流 ​

场景：学术研究

  1. 索引所有研究笔记
  2. 使用语义搜索发现跨领域联系
  3. 查看图谱发现研究主题聚类
  4. 识别研究空白和新方向

高级功能 ​

自定义嵌入模型 ​

使用其他嵌入模型：

HuggingFace 模型：

json
{
  "embedding_model": "huggingface",
  "model_name": "sentence-transformers/all-MiniLM-L6-v2",
  "local": true
}

本地模型优势：

  • 无 API 费用
  • 隐私保护
  • 离线可用

文件夹级别配置 ​

对不同文件夹使用不同设置：

json
{
  "folder_configs": {
    "工作笔记": {
      "min_similarity": 0.6,
      "max_results": 20
    },
    "学习资料": {
      "min_similarity": 0.5,
      "max_results": 30
    }
  }
}

批量操作 ​

批量添加链接：

  1. 打开命令面板
  2. 选择 "Smart Connections: Batch Add Links"
  3. 设置相似度阈值
  4. 自动为笔记添加相关链接

导出图谱：

  1. 打开图谱视图
  2. 点击导出按钮
  3. 选择格式（JSON/CSV/PNG）

成本分析 ​

OpenAI Embeddings 价格 ​

模型价格
text-embedding-3-small$0.02 / 1M tokens
text-embedding-3-large$0.13 / 1M tokens

典型使用成本 ​

笔记数量小型模型成本大型模型成本
100 篇~$0.01~$0.05
500 篇~$0.05~$0.25
1000 篇~$0.10~$0.50
5000 篇~$0.50~$2.50

省钱技巧

  • 首次索引后，增量更新成本极低
  • 使用小型模型性价比最高
  • 本地部署可完全免费

最佳实践 ​

1. 建立良好的笔记习惯 ​

Smart Connections 效果取决于笔记质量：

  • ✅ 每篇笔记有明确主题
  • ✅ 内容充分（至少 100 字）
  • ✅ 使用描述性标题
  • ❌ 避免碎片化笔记
  • ❌ 避免无意义的标题

2. 定期维护索引 ​

bash
# 建议每月重建一次索引
Smart Connections: Rebuild Index

3. 合理设置阈值 ​

根据笔记数量调整：

笔记数量推荐阈值说明
< 1000.5显示更多关联
100-5000.6平衡数量和质量
> 5000.7只显示高相关

4. 结合其他工具 ​

  • Dataview：结合数据查询
  • Graph Analysis：深度图谱分析
  • Canvas：可视化组织关联笔记

常见问题 ​

为什么某些笔记没有关联？ ​

可能原因：

  1. 笔记内容太短
  2. 内容主题不明确
  3. 相似度低于阈值

解决方案：

  • 充实笔记内容
  • 降低相似度阈值
  • 检查索引状态

索引速度慢？ ​

优化方案：

  1. 使用更快的网络
  2. 增加批处理大小
  3. 排除大型附件文件夹

如何处理重复笔记？ ​

Smart Connections 会识别高度相似的笔记：

  1. 查看相似度 > 95% 的笔记对
  2. 决定是否合并
  3. 或添加明确的链接关系

结果不准确？ ​

排查步骤：

  1. 检查嵌入模型配置
  2. 尝试重建索引
  3. 调整相似度阈值
  4. 检查笔记内容质量

与其他工具对比 ​

功能Smart ConnectionsGraph Analysisnative Graph
自动发现关联✅✅❌
语义搜索✅❌❌
可视化✅✅✅
成本API 费用免费免费
隐私可选本地本地本地

相关资源 ​

最后更新：2024-01-15

最后更新：2026年4月7日编辑此页反馈问题