Day 22：雙腦共振：Obsidian DataviewJS 看板與雙向鏈結實戰

2026 iThome 鐵人賽

DAY 22

Build on Google AI

打造專屬 AI 參謀群：以 Gemini Spark、Workspace 與 ADK 構建自動化決策雷達系列第 22 篇

18th鐵人賽

mervyn67

2026-10-06 23:48:19

12 瀏覽

分享至

在 Day 21 中，我們成功打通了情報沉澱的最後一哩路，透過 ObsidianVaultAdapter 將經由四大代理人評估為 PROCESSED 且評分 $\ge 4$ 的高價值技術情報，轉譯為帶有標準 YAML Frontmatter 的 Markdown 檔案並沉澱至 00_Inbox/Radar/ 目錄。

然而，如果只是把檔案丟進資料夾，這些筆記很快就會變成另一個形式的「數位垃圾場」。在個人知識管理（PKM）體系中，筆記必須能動態湧現（Dynamic Emergence）與網狀互聯（Bidirectional Linking）。

今天我們將在 Obsidian 中利用強大的社群外掛 Dataview (含 DataviewJS) 與 雙向鏈結（Wikilinks），在本地筆記庫打造媲美 Day 20 Google Sheets 戰情室的「跨領域情報熱點看板」，並實現領域知識圖譜的自動演化。

一、設計藍圖：從靜態檔案到動態知識看板

在 Day 21 所生成的筆記 Frontmatter 結構中，我們已經埋下了結構化查詢的種子：

---
id: "dfd9abe0"
title: "State Locking Verification Paper"
source: "https://arxiv.org/abs/test.lock"
domain: "SCIENCE"
score: 5
date: "2026-09-25 14:50:55"
tags:
  - intelligence-radar
  - domain/science
---

藉由這些標準屬性，我們可以在 Obsidian 建立一個名為 跨領域情報戰情總覽.md 的核心索引筆記（Map of Content, MOC），透過以下四個模組聚合情資：

即時情報指標條（KPI Header）：統計當前雷達收錄篇數、平均技術評分、覆蓋領域數。
五星重磅情報卡片流（Top Tier Radar）：以美觀的表格或卡片即時過濾 score >= 5 的必讀突破。
分領域動態切換視圖（Domain Slices）：依據 domain 分組呈現前沿進展。
雙向鏈結與語義圖譜（Local Graph & Wikilinks）：透過雙鏈使孤立筆記自動串接至領域核心節點。

二、環境準備：安裝 Dataview 外掛

開啟 Obsidian 設定（Cmd + , 或 Ctrl + ,）。
進入「社群外掛（Community Plugins）」並關閉「受限模式（Restricted Mode）」。
搜尋並安裝 Dataview 外掛，隨後點選啟用。
進入 Dataview 的設定頁面，務必將 「Enable JavaScript Queries (DataviewJS)」 與 「Enable Inline JavaScript Queries」 切換為開啟狀態。

三、實戰構建：打造 Obsidian 動態情報戰情室

請在 Obsidian 的根目錄或 10_MOC/ 資料夾下，新增一篇筆記：跨領域情報戰情總覽.md。

1. 頂部即時 KPI 狀態欄（Inline DataviewJS）

利用 DataviewJS 的即時運算能力，計算當前情報庫的動態數據：

> [!summary] 📡 情報雷達本地資產統計
> ```dataviewjs
> const pages = dv.pages('"00_Inbox/Radar"').where(p => p.score !== undefined);
> const total = pages.length;
> const avgScore = total > 0 ? (pages.score.array().reduce((a, b) => a + b, 0) / total).toFixed(2) : 0;
> const domains = new Set(pages.domain.array()).size;
> 
> dv.paragraph(`🔥 **收錄總數**：${total} 篇 | 🌟 **平均評分**：${avgScore} / 5.0 | 🌐 **涵蓋領域**：${domains} 個`);
> ```

這段代碼會直接掃描 00_Inbox/Radar 下的所有檔案，提取 Frontmatter 的 score 欄位即時統計，每次開啟筆記即可掌握當前情報庫體量。

2. 重磅情報焦點閱覽室（Dataview Standard Query）

透過簡潔的 DQL（Dataview Query Language），快速抓取評分為滿分（5 分）的最具衝擊力情資，並直接將筆記內部提煉的摘要展示在表格中：

## 🌟 評審滿分（Score 5）頂級情資

```dataview
TABLE 
  domain AS "領域",
  date AS "收錄日期",
  choice(contains(file.tags, "domain/science"), "🔬 科學探索", 
    choice(contains(file.tags, "domain/finance"), "📈 總經金融", "⚡ 基礎建設")) AS "分類標註",
  file.link AS "筆記入口"
FROM "00_Inbox/Radar"
WHERE score >= 5
SORT date DESC
LIMIT 10


---

### 3. 多領域情報矩陣（DataviewJS 動態聚合）

如果我們想進一步按照領域（`SCIENCE`、`FINANCE`、`COMMUNITY` 等）自動分組，並以更緊湊的清單或卡片展開，可以使用以下進階 DataviewJS 腳本：

```markdown
## 🗂️ 跨領域技術進展矩陣

```dataviewjs
const folder = '"00_Inbox/Radar"';
const pages = dv.pages(folder).sort(p => p.date, 'desc');

// 依據 domain 分組
const groups = {};
for (let p of pages) {
    const d = p.domain || "未分類";
    if (!groups[d]) groups[d] = [];
    groups[d].push(p);
}

// 動態為每個領域生成清單
for (let [domain, items] of Object.entries(groups)) {
    dv.header(3, `📌 領域節點: [[${domain}]] (${items.length} 篇)`);
    dv.table(
        ["技術標題", "評分", "原始來源", "入庫時間"],
        items.map(p => [
            p.file.link,
            "★".repeat(p.score || 0),
            p.source ? `[前往原文](${p.source})` : "無連結",
            p.date ? p.date.substring(0, 10) : "-"
        ])
    );
}


這段代碼具備高度靈活性：只要 `ObsidianVaultAdapter` 同步了新的領域資料（例如新出現的 `ROBOTICS` 或 `QUANTUM`），此處完全無需手動修改 Markdown，看板會自動湧現新的一組表格！

---

## 四、語義織網：雙向鏈結與知識圖譜（Graph View）共振

除了用 Dataview 聚合表格，PKM 的核心威力在於「非線性關聯」。

回顧我們在 Day 21 定義的 Markdown 模板尾端：

```markdown
---
## 關聯實體
- 領域節點: [[{{ item.domain }}]]
- 原始追蹤: [論文/研報連結]({{ item.source_url }})

這裡的 [[{{ item.domain }}]]（例如 [[SCIENCE]]、[[FINANCE]]）是 Obsidian 的雙向鏈結語法（Wikilinks）。

1. 建立領域彙總核心筆記（Domain MOC）

當你在任何一篇論文中點擊 [[SCIENCE]] 時，Obsidian 會自動導引或提示建立 SCIENCE.md。

我們可以在 SCIENCE.md 中寫入反向查詢：

# 領域 MOC：科學探索與 AI 前沿 (SCIENCE)

> 本節點自動彙整跨領域情報雷達中所有評估為 SCIENCE 領域的高價值研究。

```dataview
LIST
FROM [[SCIENCE]] AND "00_Inbox/Radar"
SORT date DESC


如此一來，任何被雷達標記為 `SCIENCE` 的情資，都會自動「被吸附」到這個領域筆記的反向連結清單中，形成一個自動生長的領域情報樹。

### 2. 在局部圖譜（Local Graph）觀察技術叢集

開啟任一情報筆記，點開右上角的「開啟局部關聯圖（Open Local Graph）」：

* **中心節點**：當前情報筆記（例如 `State Locking Verification Paper`）。
* **一階關聯**：直接相連到 `[[SCIENCE]]` 節點。
* **二階關聯**：當其他論文也相連到 `[[SCIENCE]]`，或者後續在編輯筆記時手動補上 `[[分散式鎖定]]`、`[[狀態機安全]]` 等技術標籤，局部圖譜就會自動浮現出**技術依賴簇群（Cluster）**。

這達成了真正的「雙腦共振」——前哨站與 LLM 代理人在雲端自動採集與提煉結構化資料，本機知識庫則負責將結構化資料織入個人長期的思考網絡。

---

## 五、進階體驗優化：Frontmatter 鍵名與 Dataview 規範

在實作 Dataview 看板時，有兩個常見的規範細節：

1. **日期型別識別**：
Frontmatter 中的 `date` 建議使用 ISO 格式（`YYYY-MM-DD` 或 `YYYY-MM-DDTHH:mm:ss`）。若寫為 `2026-09-25 14:50:55`，Dataview 能直接將其識別為 Date 物件，支援 `.year`、`.month` 等進階時間過濾（例如 `WHERE date >= date(today) - dur(7 days)` 查詢近一週情報）。
2. **數值型別驗證**：
在 YAML 中，`score: 5` 不應加上雙引號。若標記為 `score: "5"`，Dataview 會視為字串，導致 `WHERE score >= 4` 的數值比對失效。我們在 Day 21 實作的模板中保持了 `score: {{ item.verified_score }}` 不帶引號，正是為了確保 Dataview 的數值比較運算子能精準觸發。

---

## 總結與下一步

今天我們完成了一套動態、自適應的本地戰情室：

* 透過 **DataviewJS**，免除了人工手動整理筆記的繁瑣，讓高價值情報具備即時統計、評分篩選與分組透視。
* 透過 **Wikilinks**，建立了從情報碎片到領域 MOC 的自動反向索引與局部圖譜網絡。

然而，目前整個流程仍依賴我們在本機終端機手動下指令：

```bash
python -m scripts.sync_to_obsidian

如果本機關機，或是出門在外只有手機、平板，情報就無法自動沉澱。

在 Day 23，我們將讓這個閉環徹底擺脫手動依賴：「全自動化雲端閉環：GitHub Actions 透過 SSH Deploy Key 自動將情資 Push 至私有 Obsidian Vault」，實現 100% 雲端無人值守同步！