下面讲一下如何把 Obsidian 数据和 数翼知识图谱结合起来。
（相关演示视频放在了正文讲解的过程中。）
Obsidian 数据结构
集成 Obsidian 的核心思路是把 Obsidian 当成数据源提供给图谱作展示。
目录
Obsidian 使用树状结构组织笔记：
对应系统也是文件夹+文件的树形结构。
节点
很自然的，我们把每个笔记当成一个节点，笔记之间的链接当成关系连接。大概是这样：
我们这里把进和出的连接都考虑到（也就是常说的双向链接）。
标签（Tag）
接着，我们也把标签当成节点，标签和节点直接也形成了一个关系的连接，类似这样：
Obsidian 数据服务
基本的思路是读取 Obsidian Vault 中的数据，然后把它们转换成知识图谱的格式。
读取的最简单方案就是直接读取文件夹和文件，解析文件格式，然后提取其链接和标签等信息。
可以让 AI 帮我们写个程序来解析：
Python extra relations links and tags from obsidian note
import re
def extract_links_and_tags(note_content):
"""Extracts links and tags from Obsidian note content.
Args:
note_content: The content of the Obsidian note.
Returns:
A tuple of two lists: links and tags.
"""
links = re.findall(r"\[\[(.*?)\]\]", note_content)
tags = re.findall(r"#(.*?)(?=\s|$)", note_content)
return links, tags
# Example usage:
note_content = """
This is a sample Obsidian note.
Here's a link to another note: [[Linked Note]]
And here are some tags: #tag1 #tag2 #tag3
"""
links, tags = extract_links_and_tags(note_content)
print("Links:", links)
print("Tags:", tags)另外，还有一些开源项目可以帮助我们来提取数据，比如:
• obsidiantools[1]
• py-obsidianmd[2]
最终的数据结构可以参考：
{
"nodes": [
{
"id": "LeaferUI",
"name": "LeaferUI",
"type": "node",
"tags": ["Prompt"]
},
...
],
"links": [
{
"source": "LeaferUI",
"target": "PromptStore",
"type": "node"
},
...
],
"tags": [
"Knowledge", "Prompt"
]
}节点和边我都增加了类型 node 或 tag，这样就可以在知识图谱中区分节点和标签。
比如在可视化的时候通过形状来区分节点和标签，节点的形状是圆，标签的形状是方形。
交互优化
图谱切换
现在图谱数据支持两种数据源，一种是我们常规的服务端数据、另一种是我们刚刚增加的 Obsidian 图谱数据。
直接把两个数据源的数据合并在一起，就可以实现图谱切换的功能，为了方便区分，我们再数据源前面增加一个图标来进行区分：
搜索
之前的搜索体验不好，我们增加一个搜索面板，可以参考各类网站的站内搜索功能：
点击搜索结果的节点名称，自动定位到对应的节点位置。
节点颜色
之前通过 UI 创建的节点，我们都可以在 UI 上设置颜色，或者使用自动化工具获取节点的 Logo，
并且提取 Logo 的主色作为节点的颜色。
对于 Obsidian 的节点，我们不变在 UI 中设置颜色， 但是可以同样使用 Logo 的主色作为节点的颜色，但是这样颜色随机性比较高，大规模图谱的时候对分析没有帮助。
这里我们使用节点的主标签（第一个标签 Tag）来进行分组，每个分组设置一种颜色。
这样数据分析的时候就比较有用：
或者这样：
标签过滤
当你节点达到一定数量的时候，我们会对图谱的一部分进行查看，这时候可以通过标签过滤来进行筛选。
我们在 UI 中增加一个标签过滤面板，展示图谱中所有的标签：
也可以选择需要的标签，只展示标签相关的节点：
大概操作如下：
固定节点
在数据分析的时候，有时候需要通过鼠标拖动固定一些节点，让分析更方便， 这个功能在初始的几个版本里面就存在，不过在节点多了之后就显得更有用。
简单看下视频操作：
引用链接
[1] obsidiantools: https://github.com/mfarragher/obsidiantools[2] py-obsidianmd: https://github.com/selimrbd/py-obsidianmd