obsidian-backlinks

name	obsidian-backlinks
description	为 obsidian 文章自动添加 YAML frontmatter、标签和高质量双向链接。 当以下情况时使用： (1) 用户要求为文章添加双向链接/backlinks (2) 用户提到"双链"、"backlinks"、"链接增强" (3) 用户要求整理 Obsidian 笔记的标签和 frontmatter (4) 用户要求处理概念归一化或知识网络构建

Obsidian 双向链接增强

为 Obsidian 文章自动添加 YAML frontmatter、标签和高质量双向链接，构建干净、可读、可扩展的知识网络。

前置条件

• 文章已存在于 Obsidian Vault，如果用户不指定 Vault，则为默认
• 用户允许自动识别技术概念（或指定标签范围）
• 概念标准化配置文件：.concepts.yaml（不存在则自动创建在 workspace 中）
• 格式严格遵循 YAML，示例：

concept_mapping:
  - standard: "LLM"
    aliases: ["大模型", "大型语言模型"]
  - standard: "KV Cache"
    aliases: ["kvcache", "KV缓存"]
  - standard: "Pre-Norm"
    aliases: ["prenorm", "pre norm"]
  - standard: "Attention Sink"
    aliases: ["注意力下沉"]
excluded:
  - AI
  - AGI
  - 深度学习
  - 模型
  - 算法
  - API
  - Token

执行步骤

1. 读取文章

使用 Obsidian CLI，读取目标文章：

obsidian read path="Work/.../文章名.md" slient

2. 概念识别与归一化

从正文抽取技术术语后执行：

• 统一标准名称

  • 读取 概念标准化配置文件，构建「别名 → 标准词」映射
  • 匹配到别名则使用：[[标准词|别名]] 格式
    • LLM / 大模型 → [[LLM|大模型]]
    • KV Cache / kvcache → [[KV Cache|kvcache]]
    • Pre-Norm / prenorm → [[Pre-Norm|prenorm]]
  • tags 统一使用 standard 标准名称

• 过滤泛概念（仅作为标签，不生成双链）

  • AI、AGI、深度学习、模型、算法、API、Token
  • 发现新的泛概念，更新到概念标准化配置文件，需要去重

• 自动更新概念库

  • 新别名：追加到对应标准词的 aliases 并去重
  • 新标准词：在 concept_mapping 下新增条目
  • 自动写入概念标准化配置文件，保持格式整洁无重复

3. 按优先级构建链接（严格执行）

高优先级（⭐⭐⭐）必链

• 文章主题 / 核心定义
• 领域核心机制
• 关键架构与方法

中优先级（⭐⭐）建议链

• 架构、协议、系统结构
• 专业工具、技术框架

低优先级（⭐）可选链

• 次要相关概念
• 辅助工具、提及内容

绝不链接

• 通用名词：token、向量、API、模型
• 产品名称：GPT-4、Claude、文心一言
• 无独立词条价值的泛概念

4. 关键强化：仅首次出现链接

1. 先扫描全文，记录每个概念第一次出现的位置
2. 只对第一次出现的术语添加 [[...]]
3. 同一概念后续出现一律不处理、不链接
4. 标题中的概念算作第一次出现
5. 已存在的双链不再重复处理

示例：

• 第 1 次：大模型 → [[LLM|大模型]]
• 第 2 次：大模型 → 保持原文「大模型」

5. 写入文件

先获取 vault 根目录：

obsidian vault info="path" silent

直接使用 write 工具操作文件，避免 Obsidian CLI 对于 \t、\n 的转义处理问题：

write(path="<vault根目录>/<文章路径>", content="...")

输出规范

• ✅ 标准 YAML frontmatter
• ✅ 5～15 个高质量双向链接，取决于文章长度和概念密度
• ✅ 不文末追加相关笔记
• ✅ 不修改原文内容
• ✅ 不产生重复链接
• ✅ 排版清爽、可读性优先

示例

原文：

# Attention Sink 解析 
Attention Sink 是大模型推理过程中的现象...

增强后：

---
title: Attention Sink 解析
date: 2026-04-14
tags:
  - LLM
  - Transformer
  - Attention-Sink
  - 推理优化
category: 技术笔记
---

# [[Attention Sink]] 解析

Attention Sink 是[[LLM|大模型]]推理过程中的现象...

注意事项

• 先预览，再执行：输出标签列表和待链接列表，用户确认后写入
• 不修改原文内容：仅新增 YAML 与双链，不删改正文
• 概念统一归一化：全库标准名称唯一，由 概念标准化配置文件统一维护
• 兼容已有双链