| name | vault-report |
| description | Generate comprehensive knowledge graph reports for Obsidian vaults. Combines multiple graph queries (vault-stats, hubs, bridges, orphans-rich) to produce a structured 4-module analysis report with data summary tables. Requires obsidian-graph-query skill installed. Use for: vault report, knowledge report, vault analysis, vault health, knowledge graph report, 知識圖譜報告, vault 分析. |
Vault 知識圖譜報告
一次性產出全 vault 的結構化知識圖譜分析報告。組合 obsidian-graph-query 的多個查詢模板，產出四個分析模組 + 數據匯總。
前置條件
本 skill 依賴 obsidian-graph-query skill。執行前：
- 確認
obsidian-graph-query skill 已安裝（檢查同層 ../obsidian-graph-query/SKILL.md 是否存在）
- 讀取
../obsidian-graph-query/references/vault-config.md 取得 CLI 路徑、vault 名稱、排除資料夾
- 查詢模板在
../obsidian-graph-query/references/query-templates.md
- 執行方式遵循 obsidian-graph-query 的「執行模式」章節（讀模板 → 代入參數 → 寫暫存檔 → CLI eval）
適用場景
- 「分析我的知識庫結構」
- 「產出我的 vault 的知識圖譜報告」
- 「我的筆記庫健不健康？」
- 「跟去年的分析報告比對一下」
報告框架（4 模組 + 數據匯總）
| 模組 | 內容 | 主要數據來源 |
|---|
| 一：Vault 全景概覽 | 規模、孤島率、連通性、資料夾分布 | vault-stats |
| 二：活躍度趨勢 | 月度產出、活躍高峰月 | vault-stats (monthlyCreation) |
| 三：知識重心與結構 | Hub Top 10、領域密度、跨域連結、孤島分布 | vault-stats + hubs + orphans-rich |
| 四：知識價值與風險 | 被引用最多、只出不進、Bridge 風險 | hubs + bridges + vault-stats |
| 數據匯總 | 結構化表格（供視覺化工具） | 以上全部 |
執行流程
步驟 1. vault-stats（query-templates.md §8，無參數）
→ 模組一：totalNotes, totalLinks, avgLinksPerNote, orphanCount/Ratio,
componentCount, largestComponent/Ratio, folderStats
→ 模組二：monthlyCreation
→ 模組三：crossFolderLinks/Ratio
→ 模組四：outOnlyCount/Notes
步驟 2. hubs(TOP_N=10)（query-templates.md §5）
→ 模組三：Hub 筆記 Top 10
→ 模組四：被引用最多的筆記（同一結果按 inDegree 排序）
步驟 3. hubs(FOLDER_FILTER=X) × 主要資料夾
→ 從步驟 1 的 folderStats 取筆記數前 5 大的資料夾
→ 每個資料夾跑一次 hubs(TOP_N=5, FOLDER_FILTER='資料夾/')
→ 模組三：各領域連結密度比較（密度 = 該領域總連結 / 該領域筆記數）
步驟 4. orphans-rich（query-templates.md §6，無 FOLDER_FILTER）
→ 模組三：孤島分布（按資料夾統計）
步驟 5. bridges（query-templates.md §4，無參數）
→ 模組四：articulationPoints 前 10 + bridgesByFolder
步驟 6. Agent 彙整上述 JSON → 產出 Markdown 報告
步驟 1-2 可同時執行（無依賴）；步驟 3 依賴步驟 1 的結果。
報告產出格式
# Vault 知識圖譜報告
> 產出時間：YYYY-MM-DD | Vault：<vault-name> | 筆記數：X
## 一、Vault 全景概覽
| 指標 | 數值 |
|------|------|
| 筆記總數 | X |
| 連結總數 | X |
| 平均每篇連結數 | X.XX |
| 孤島數量 | X（佔 XX.X%） |
| 連通分量數 | X |
| 最大分量涵蓋率 | XX.X% |
### 資料夾分布
| 資料夾 | 筆記數 | 連結數 | 孤島數 | 密度 |
|--------|--------|--------|--------|------|
| ... | ... | ... | ... | X.XX |
## 二、活躍度趨勢
| 月份 | 新增筆記數 |
|------|-----------|
| YYYY-MM | X |
活躍高峰月：YYYY-MM（X 篇）
## 三、知識重心與結構
### Hub 筆記 Top 10
| 排名 | 筆記 | 入度 | 出度 | 總連結 |
|------|------|------|------|--------|
| 1 | ... | ... | ... | ... |
### 各領域連結密度
| 領域 | 筆記數 | 連結數 | 密度 |
|------|--------|--------|------|
| ... | ... | ... | X.XX |
### 跨領域連結
跨資料夾連結數：X（佔總連結 XX.X%）
### 孤島分布
| 資料夾 | 孤島數 | 佔該資料夾 % |
|--------|--------|-------------|
| ... | ... | XX.X% |
## 四、知識價值與風險
### 被引用最多的筆記
（hubs 按 inDegree 排序前 10）
### 只出不進的筆記
outDegree > 0、inDegree = 0 的筆記共 X 篇
### Bridge 關鍵節點
（bridges articulationPoints 前 10，含 degree）
### Bridge 風險分布
| 資料夾 | Bridge 邊數 |
|--------|------------|
| ... | ... |
## 數據匯總
（前四模組的核心數據整理成 CSV-ready 表格，方便丟給視覺化工具）
延伸用法：與定性報告交叉驗證
產出報告後，可與既有的定性分析報告（如 NotebookLM 年度回顧）交叉驗證：
| 測試 | 做法 |
|---|
| A：跨域連結驗證 | vault-stats crossFolderLinks → path（§2）找跨域路徑 → LLM 讀筆記判斷語意關係 |
| B：Hub 語意理解 | hubs Top 10 → LLM 讀 hub 筆記內容 → 解釋在知識體系中扮演的角色 |
| C：Bridge 風險解讀 | bridges 找關鍵節點 → LLM 讀 bridge + 兩側鄰居 → 解釋「如果移除會怎樣」 |
| D：孤島關聯推理 | orphans-rich 找孤島 → neighbors（§1）找最近 connected → LLM 判斷「該不該連」 |
