📌 本文导读：
很多人把obsidian知识图谱 （Graph View ）当作一个\"酷炫的装饰品\"——打开看看花花绿绿的节点很有成就感，然后就关掉了——这是最大的误区。知识图谱的可视化不是装饰而是「认知放大器」 。本文从最基础的Local Graph 和Global Graph 入手，系统讲解图谱的打开操作、Filter 过滤、Depth 深度控制、Group 分组着色、Force-directed Layout 布局调整等核心使用方法。更进一步，我们深入探讨如何通过图谱发现知识孤岛 （Knowledge Islands）和连接枢纽 （Connector Hubs），以及InfraNodus AI分析插件和Graph Analysis 数据化插件如何将图谱从\"看个样子\"提升到\"分析洞察\"的层面。无论你是第一次打开obsidian知识图谱使用方法教程 的新手，还是想要深挖图谱分析价值的老用户，本文都将是一次完整的认知升级。
💡 独特观点一
知识图谱的可视化不是装饰而是「认知放大器」。 绝大多数人把Graph View 当作\"漂亮的蜘蛛网\"来看，但它的真正价值在于：将隐性的知识结构转化为显性的空间结构。人类大脑对空间位置的记忆能力远超对文本的记忆能力——这就是\"记忆宫殿\"原理。当你看到Nodes （节点）之间的Edges （连线）时，你的大脑不仅仅在\"看\"一个图，而是在重新建立对知识体系的空间认知。这意味着：如果你每周花10分钟审视你的Global Graph ，你会比只阅读笔记的人多发现至少30%的知识关联。知识图谱本质上是你的\"第二大脑\"的可视化大脑皮层 。
💡 独特观点二
Obsidian图谱的真正价值在于发现「弱连接」。 知识管理领域有一个被广泛忽略的事实：最有价值的知识创新往往来自「弱连接」 （Weak Ties）——即两个看似不相关的知识领域之间的关联。社会学家Mark Granovetter的研究表明，弱连接在信息传播中的价值远高于强连接。对应到obsidian知识图谱 中，强连接是你已经明确建立的双向链接（如A笔记引用了B笔记），而弱连接是那些在Force-directed Layout 中物理位置靠近、但尚未建立直接链接的节点对。InfraNodus 插件的结构洞检测功能正是为了发现这些弱连接而设计的。真正的高手会通过图谱寻找\"两个从未被连接过的节点\"，而非沉浸在已有的链接网络中。这也是obsidian知识图谱使用方法教程 中最高阶的思维转变：从\"确认已知\"到\"发现未知\"。
1. Obsidian知识图谱是什么 Graph View Core
Obsidian知识图谱 （Graph View ）是Obsidian内置的一个可视化工具，它将你的Vault中所有笔记之间的[[双向链接]] 以Nodes （节点）和Edges （连线）的形式呈现出来。每篇笔记是一个节点，每一条链接是一条边，形成一张动态的知识网络图。
1.1 Graph View的核心功能
Graph View 的核心功能远不止\"好看\"那么简单。它提供了以下几大价值：
结构可视化 ：将抽象的链接关系变成可视化的网络拓扑，让你直观看到知识库的整体结构关系发现 ：通过节点的远近和聚类，发现笔记之间隐性的关联模式缺失感知 ：看到哪些笔记处于孤立状态（知识孤岛），哪些笔记是核心枢纽导航辅助 ：点击节点直接跳转到对应笔记，图谱本身即是导航地图生长记录 ：随着Vault中笔记和链接的增加，图谱不断演变，记录知识体系的成长轨迹
1.2 图谱的构成要素
1.3 为什么需要理解Graph View？
在obsidian知识图谱使用方法教程 中，我们首先要建立一个认知：Graph View 不是Obsidian的附属功能，而是理解知识体系结构的\"上帝视角\"。当你拥有超过100篇笔记之后，仅靠文件夹和标签已经无法感知知识库的全貌——你需要在海量笔记中回答\"我的知识体系长什么样\"这个问题，Global Graph 就是答案。
2. 局部图谱vs全局图谱 Local Graph vs Global Graph
Obsidian提供了两种图谱视图：Local Graph （局部图谱，快捷键 Ctrl/Option+Shift+L ）和Global Graph （全局图谱，快捷键 Ctrl/Option+Shift+G ）。它们服务于完全不同的使用场景。
🔍 Local Graph（局部图谱）
只显示当前笔记 及其直接关联的笔记网络。默认显示1层深度 （Depth=1），可通过滑块调节至5层。适合在日常写作中随时查看当前笔记的连接状况，是一种\"微观\"视角。开启方式：在笔记编辑器的右侧面板点击\"局部图谱\"图标。
🌐 Global Graph（全局图谱）
显示整个Vault中所有笔记和链接 的完整网络。使用Force-directed Layout （力导向布局）自动排列所有节点。适合定期（建议每周）审视知识库的整体结构，是一种\"宏观\"视角。开启方式：左侧工具栏点击\"打开全局图谱\"按钮。
2.1 何时使用Local Graph
写作时检查链接 ：写完一篇笔记后，用Local Graph查看它是否被正确连接到相关笔记精细化编辑 ：当你需要调整某篇笔记的链接关系时，Local Graph提供了清晰的微观视野追踪单个主题 ：聚焦某个核心笔记，查看它辐射了哪些子主题
2.2 何时使用Global Graph
每周知识复盘 ：每周一打开Global Graph，观察本周新增的笔记和链接如何改变了知识网络发现知识孤岛 ：在全局视图中，没有链接的孤立节点会漂浮在最外围，一目了然评估知识库健康度 ：通过整体网络密度判断知识库的\"活力\"（连接越多越健康）
2.3 两种图谱的快速切换
在Graph View 面板的左上角，有一个切换按钮可以在Local Graph 和Global Graph 之间切换。当你打开了Local Graph并正在编辑某篇笔记时，切换按钮会自动关联到当前笔记的局部网络。这是obsidian知识图谱使用方法教程 的基础操作之一。
💡 实用建议
把Local Graph当显微镜，把Global Graph当卫星图。 日常写作中保持Local Graph面板打开（建议固定在右侧），写完一篇笔记后瞥一眼图谱就能确认链接是否合理。每周安排15分钟打开Global Graph，做一次\"空中巡查\"。这种微观+宏观的双重视角是知识图谱使用的核心节奏。
3. 图谱打开与基本操作 Graph Navigation
掌握obsidian知识图谱使用方法教程 的第一步，是熟悉图谱的打开方式和基础交互操作。
3.1 打开图谱的三种方式
1
全局图谱 ：点击左侧栏的\"打开全局图谱\"图标（六边形网状图标），或按快捷键 Ctrl+Shift+G （Mac: Cmd+Shift+G ）
2
局部图谱 ：在笔记编辑器中点击右侧面板的\"更多选项\" → \"打开局部图谱\"，或按快捷键 Ctrl+Shift+L （Mac: Cmd+Shift+L ）
3
从笔记内打开 ：在笔记的命令面板（Ctrl+P ）中搜索\"Open Graph View\"，快速切换到当前笔记的Local Graph
3.2 图谱交互操作
鼠标拖拽（Drag） ：按住空白区域拖拽平移画布，或拖拽单个节点调整其位置（手动布局）缩放（Zoom） ：使用鼠标滚轮或触控板双指缩放，滚轮向前放大、向后缩小选择节点 ：单击节点可高亮该节点及其所有连接；双击节点可跳转到对应笔记多选 ：按住 Ctrl （Mac: Cmd ）单击多个节点，同时查看它们的连接关系右键菜单 ：右键节点可隐藏该节点、隐藏所有关联节点、或在图谱中聚焦该节点全屏模式 ：在Global Graph中点击右上角的\"全屏\"按钮（或按 Esc 退出），获得更大的可视化空间
3.3 图谱视图的个性化设置
在Graph View 面板的右上角有一个齿轮图标，点击可打开图谱设置面板。这里的设置项包括：
节点大小（Node Size） ：根据链接数量调节节点大小，链接越多节点越大连线粗细（Edge Thickness） ：调节节点间连线的视觉粗细连线长度（Edge Length） ：控制节点之间的间隔距离显示箭头（Arrows） ：是否在连线上显示方向箭头文本标签（Text Labels） ：是否在节点上显示笔记标题
4. 图谱过滤与搜索 Filter & Search
当你的Vault中拥有数百篇甚至上千篇笔记时，Global Graph 可能会变得非常拥挤。这时Filter （过滤器）就派上了用场。学会过滤是obsidian知识图谱使用方法教程 中必不可少的进阶技能。
4.1 关键词过滤
在Graph View 的过滤器区域，输入关键词（如\"Obsidian\"、\"Python\"），图谱会自动筛选出标题或内容中包含该关键词的节点及其关联节点。这个功能帮助你快速聚焦到特定主题的笔记网络。
4.2 标签过滤（Tag Filter）
按下过滤器区域的\"标签\"下拉菜单，你可以选择只显示包含特定#标签 的笔记。例如：选择#projects 标签，则图谱中只显示被你标记为\"项目\"类的笔记。这种Tag-based Visualization （基于标签的可视化）让图谱分析更加精准。
4.3 路径过滤（Path Filter）
路径过滤是最实用的过滤方式之一。你可以：
包含路径 ：只显示特定文件夹中的笔记（如只显示 /Projects 下的笔记）排除路径 ：隐藏特定文件夹中的笔记（如排除 /Daily 日记文件夹，避免日积月累的日记节点干扰图谱）
4.4 图谱搜索功能
在Global Graph 的搜索框中输入文字，图谱会实时高亮匹配的节点。输入的关键词越长越精确，匹配范围越小。结合Filter 功能，你可以实现\"先过滤后搜索\"的分层筛选策略：先用路径过滤排除大量无用节点，再用关键词搜索精确锁定目标笔记。
过滤方式 操作方法 适用场景
关键词过滤 在过滤器输入框输入文字 快速定位主题相关的笔记网络 标签过滤 选择#标签下拉菜单 按分类查看特定类型的笔记 路径包含 添加文件夹路径并设为包含 只查看某个文件夹内的笔记关系 路径排除 添加文件夹路径并设为排除 屏蔽干扰文件夹（如Daily Notes）
💡 实用建议
过滤的黄金法则是「先排除再包含」。 如果你有大量日记（Daily Notes），它们会占据Global Graph的大部分空间。先用路径过滤排除 /Daily 文件夹，再用标签或关键词过滤聚焦你想看的主题。根据Obsidian社区的经验，排除Daily Notes后图谱的可用性提升约300%。
5. 节点深度控制 Depth Control
Depth （深度）是Local Graph 中最重要的控制参数之一。它决定了当前笔记的图谱展开到多少层关联。
5.1 Depth的工作原理
假设你正在编辑一篇名为\"Obsidian入门 \"的笔记：
Depth 1 ：只显示\"Obsidian入门\"及其直接链接的笔记（如\"Markdown语法\"、\"双向链接\"）Depth 2 ：显示\"Obsidian入门\" + 直接链接笔记 + 这些笔记所链接的笔记（如\"Markdown语法\"链接了\"表格语法\"和\"图片嵌入\"）Depth 3-5 ：依此类推，每增加一层深度，图谱覆盖的范围呈指数级扩大
5.2 如何调节Depth
在Local Graph 面板中，你会看到一个\"深度\"滑块，可以在1到5之间滑动。默认值为1。你可以根据当前需要灵活调节：
编辑模式（Depth 1-2） ：写作时保持Depth 1或2，只关注最直接的关联探索模式（Depth 3-4） ：做文献回顾或主题研究时，扩大深度发现更远的知识关联全局模式（Depth 5） ：几乎等同于小范围Global Graph，用于深度挖掘某个核心主题的完整知识网络
5.3 Depth的实战策略
在obsidian知识图谱使用方法教程 中，一个重要的经验法则是：Depth 2在日常使用中性价比最高 。Depth 2能覆盖当前笔记+直接关联+间接关联，既不会遗漏重要连接，又不会因节点过多导致信息过载。当你需要深度研究某个专题时，将深度调到4或5，然后使用Filter 辅助整理。
6. 图谱分组与颜色标记 Groups & Color Coding
颜色是Graph View 中最强大的信息编码工具。通过为节点设置不同的颜色分组，你可以在一张图中同时呈现多种维度的信息。
6.1 分组方式（Groups）
在Graph View 的设置面板中，找到\"Groups\"（分组）区域。Obsidian支持三种分组着色方式：
按文件夹（By Folder） ：不同文件夹的笔记显示为不同颜色。例如：/Projects = 蓝色、/Areas = 绿色、/Resources = 橙色按标签（By Tag） ：根据笔记中的#标签着色。同一标签下的笔记显示为同一颜色按属性（By Property） ：根据YAML Frontmatter中的属性值着色，如按\"Status: seedling/evergreen\"状态标记
6.2 颜色标记的实战应用
推荐的分组策略：
按文件夹分组 ——用于宏观查看知识库的结构健康度。蓝色区域是项目区、绿色是知识区、红色是待处理的Inbox——一眼就能看出知识库布局是否均衡按标签分组 ——用于按主题分析。将 #python、#javascript、#go 设为不同颜色，图谱会清晰地展示各技术主题的覆盖范围和交叉程度按状态属性分组 ——用于管理笔记生命周期。将\"seedling\"（幼苗）设为浅绿色、\"evergreen\"（常青）设为深绿色，激励自己将更多笔记从\"幼苗\"培育为\"常青\"
6.3 颜色自定义
每个分组都可以自定义颜色。Obsidian提供了16种预设颜色，你也可以使用HEX色码自定义任意颜色。建议使用饱和度适中的颜色，避免过于鲜艳导致视觉疲劳。好的配色方案应该让不同的分组一目了然，而不是像一个\"打翻的调色盘\"。
7. 图谱布局调整 Layout Adjustment
Graph View 默认使用Force-directed Layout （力导向布局），这是一种模拟物理力学的自动排列算法——节点之间有引力（连接的节点互相靠近）和斥力（所有节点之间保持间距），最终达到动态平衡。
7.1 Force-directed Layout（力导向布局）
这是Obsidian图谱的默认布局，也是最适合日常使用的布局方式。它的优势在于：
自动聚类 ：相互连接的节点自然聚集在一起，形成主题集群间距合理 ：互不关联的节点自动分开，避免视觉混乱动态交互 ：拖拽节点时，整个网络会\"弹性\"响应，手感流畅
7.2 手动布局调整
你可以拖拽任意节点到任意位置，被拖拽的节点会被\"固定\"在那里。Obsidian会记住你的手动布局设置（保存在本地）。如果你想让某个主题的笔记排列成特定的形状或顺序，手动布局是最直接的方式。
7.3 重置与切换布局
在图谱面板中：
重新布局按钮 ：点击\"重新布局\"按钮（刷新图标），所有被手动拖拽过的节点会回到算法自动排列的位置长按重新布局按钮 ：长按此按钮会弹出布局菜单，你可以选择其他布局方式
7.4 可选布局方式
环形布局（Circular Layout） ：所有节点按照链接数量排列在一个圆环上，适合展示节点之间的层级关系树状布局（Radial / Tree Layout） ：以一个核心节点为圆心，向外辐射展开，适合展示从核心主题向外发散的知识结构球状布局（Sphere Layout） ：节点分布在三维球体表面，适合展示大范围的知识分类
💡 实用建议
不要过度依赖自动布局。 力导向布局虽然智能，但无法理解你的知识分类意图。建议每两周花5分钟手动调整关键节点的位置，将同主题的节点排列在一起，形成\"可视化MOC\"——知识图谱本身也可以是一张内容地图。
8. 知识图谱高级技巧 Advanced Graph Techniques
当你掌握了基础操作之后，obsidian知识图谱使用方法教程 的进阶阶段带你进入真正的分析层面——用图谱发现知识体系中隐藏的结构性问题。
8.1 发现知识孤岛（Knowledge Islands）
知识孤岛 是指那些在Global Graph 中与主网络没有任何链接的孤立节点或小型节点群。它们的存在意味着：
信息碎片化 ：你认为已经记录的知识实际上是\"沉没\"的——没有链接等于没有融入知识体系记忆浪费 ：被记录但没有被连接的信息，在需要时很难被检索到系统漏洞 ：高频出现的知识孤岛提示你需要建立新的MOC或主题索引笔记
操作方法：打开Global Graph ，排除所有常用文件夹，查看是否有孤立的节点漂浮在主网络之外。找到后逐一链接到相关笔记，或为其创建MOC索引。
8.2 寻找连接枢纽（Connector Hubs）
连接枢纽 是那些链接了大量其他笔记的核心节点。在Force-directed Layout 中，枢纽节点通常表现为：尺寸更大（如果开启了按链接数量调整节点大小）、位于多个集群的交叉点。识别连接枢纽的方法：
目视法 ：在Global Graph中观察哪些节点周围聚集了大量连线排序法 ：点击节点按链接数量排序（在设置中开启\"按链接数调整节点大小\"）数据法 ：使用Graph Analysis 插件量化分析中心度
8.3 链接密度分析
链接密度 是指实际链接数量与可能链接数量之比。密度越高，说明你的知识体系连接越紧密。操作方法：
在Global Graph中，观察节点集群的\"紧凑程度\"——紧凑的集群说明该主题的笔记连接充分
过于松散的集群说明需要补充更多的[[双向链接]]来加固知识关联
一个健康的Vault，每篇笔记的平均链接数应该在3-5个之间
8.4 定期图谱审计工作流
1
打开Global Graph ，排除Daily Notes文件夹，观察整体结构
2
标记孤岛 ：将没有链接的孤立节点截图保存，逐一定位并补充链接
3
检查枢纽 ：确认核心枢纽节点（MOC、主题索引）是否仍然有效
4
寻找弱连接 ：注意那些在空间中靠近但尚未链接的节点对，建立新的链接
5
记录变化 ：截图存档，与上次的图谱对比，观察知识库的演变趋势
💡 独特观点三
「弱连接」是知识创新的催化剂。 在obsidian知识图谱使用方法教程 中，我们反复强调一个概念：知识管理的真正价值不在于\"你已经知道什么\"，而在于\"你还没连接什么\"。社会学家Mark Granovetter的\"弱连接理论\"（The Strength of Weak Ties）告诉我们：最有价值的信息往往来自你不熟悉的领域。在Graph View 中，这意味着你应该特别关注那些在Force-directed Layout 中物理位置靠近但尚未建立链接的节点对。比如你的\"Python笔记\"和\"写作方法论\"在空间中意外地靠近了——这提示你可能需要探索\"用Python做文本分析\"这个交叉主题。每周图谱审计中加入\"寻找弱连接\"这一项，你会惊喜地发现知识创新的种子就藏在这些\"潜在链接\"中。
9. InfraNodus AI分析图谱插件 InfraNodus AI Analysis
InfraNodus 是Obsidian社区中一款革命性的AI分析插件，它将文本图论分析（Text Graph Analysis）与Graph View 深度整合，为obsidian知识图谱使用方法教程 带来了\"分析+洞察\"的全新维度。
9.1 InfraNodus的核心功能
主题聚类（Topic Clustering） ：自动识别图谱中笔记集群的主题，并为每个集群生成描述性标签结构洞检测（Structural Holes Detection） ：发现哪些笔记充当了不同知识集群之间的\"桥梁\"，这些就是知识创新的关键节点AI洞察建议（AI Insights） ：基于当前图谱结构，AI会推荐你可能缺失的链接方向，帮助你发现\"未知的未知\"文本可视化（Text Visualization） ：不仅仅是分析笔记标题，还可以分析笔记正文中关键词的共现关系
9.2 安装与配置
InfraNodus 插件可以通过Obsidian社区插件市场安装。安装后需要在设置中配置AI接口（支持OpenAI API或本地模型）。配置完成后，在Graph View 面板中会出现一个\"InfraNodus\"选项卡。
9.3 实战：用InfraNodus发现知识盲区
假设你的Vault中有\"人工智能\"和\"知识管理\"两个主题集群，但它们之间没有直接的链接。InfraNodus的结构洞检测 会识别出这个\"断裂带\"，并建议你创建一个新的笔记来桥接这两个主题——比如\"AI驱动的知识管理系统\"。这就是Graph Analysis 与AI结合的力量：从\"看到了什么\"到\"应该做什么\"。
10. Graph Analysis插件数据化分析 Graph Analysis Plugin
如果说Graph View 是\"看图说话\"，那么Graph Analysis 插件就是\"用数据说话\"。这个插件将复杂的图论算法引入Obsidian，为obsidian知识图谱使用方法教程 提供了可量化的分析维度。
10.1 核心指标解读
中心度（Centrality） ：度量一个节点在整个图谱中的\"重要性\"。链接数量越多的节点，中心度越高。通常MOC笔记和综合性笔记的中心度最高介数中心度（Betweenness Centrality） ：度量一个节点在\"不同知识集群之间\"的桥梁作用。介数高的节点是两个或多个知识领域的交叉点，是知识创新的孵化器模块度（Modularity） ：自动将图谱划分为不同的知识社区（Communities）。模块度越高，说明知识库的主题分化越明显密度（Density） ：实际链接数与最大可能链接数的比值。密度在0.1-0.3之间为健康范围，过低说明链接不足，过高则可能过度链接
10.2 如何安装Graph Analysis
在Obsidian社区插件市场搜索\"Graph Analysis\"并安装。安装后，在Graph View 面板中会出现一个新的\"分析\"选项卡，点击即可运行全量分析。分析结果以排行榜的形式展示，按中心度、介数等维度排序。
10.3 数据分析驱动的知识管理决策
指标 发现什么 采取什么行动
中心度低但重要的笔记 内容有价值但链接不足 补充入链和出链 介数过高的节点 单一节点承载了太多跨领域连接 创建辅助MOC分担连接压力 模块度过低 主题分化不清晰 检查标签和文件夹归类 密度持续下降 新笔记增加但链接跟不上 启动链接周计划
💡 实用建议
每两周运行一次Graph Analysis，将数据与图谱截图一起存档。 看着中心度排名TOP 10的节点列表从\"通用笔记\"逐渐变为\"专题MOC\"，是这个过程中最有成就感的事情——说明你的知识库在从\"碎片\"进化到\"体系\"。
11. 知识图谱在知识管理中的实际应用 Real-world Applications
在obsidian知识图谱使用方法教程 的最后一部分，我们来看看知识图谱在真实的知识管理 场景中能解决哪些具体问题。
11.1 学术研究中的文献管理
对于研究生和科研人员，Graph View 可以可视化文献之间的引用关系和研究主题的演化。每篇文献笔记作为一个Node ，引用关系作为Edges ，图谱会自然形成\"文献簇\"——同一研究方向的文章聚集在一起。使用Group 功能按年份着色，可以看到研究热点的变迁轨迹。
11.2 项目管理中的知识沉淀
项目经理可以使用Graph View 来追踪项目文档之间的关联。通过Depth 控制，从项目主文档开始展开，可以快速定位到所有相关的子文档、会议记录、技术方案。当项目结束后，Global Graph 中的这个\"项目集群\"就是完整的项目知识资产。
11.3 个人学习的知识整合
终身学习者可以利用Global Graph 建立\"知识全景地图\"。当你学习了新领域的知识后，将其与已有知识建立双向链接，图谱会展示新旧知识的交叉地带——这正是创新的源泉。使用Tag-based Visualization 将不同学科标注为不同颜色，观察跨学科链接的数量变化，是衡量\"T型人才\"成长的最佳可视化工具。
11.4 写作创作中的灵感发现
内容创作者可以使用Local Graph 来辅助写作。在写一篇文章时，打开Depth 2-3的局部图谱，观察当前主题相关笔记之间的链接模式，往往会发现意想不到的素材组合方式。这种\"图谱写作法\"比传统的提纲式写作更能激发创作灵感。
11.5 团队知识库协作
在使用Obsidian Sync或Git进行团队协作时，Global Graph 可以反映团队的知识贡献分布。每个成员创建和链接的笔记会形成不同的子集群，通过Filter 按作者或标签筛选，可以快速了解团队的知识覆盖范围和协作深度。
12. FAQ：常见问题解答 Frequently Asked Questions
Obsidian知识图谱（Graph View）需要手动生成吗？
不需要。Obsidian的知识图谱（Graph View） 是自动生成的。你只需要在笔记中创建[[双向链接]] ，图谱就会自动将相关联的笔记用Nodes （节点）和Edges （连线）呈现出来。无需任何手动配置，链接越多图谱越丰富。不过你可以通过Filter 过滤、Group 分组着色和Depth 深度控制来定制图谱的显示内容。
Local Graph和Global Graph有什么区别？
Local Graph （局部图谱）只显示当前笔记及其直接关联的笔记，默认显示1层深度（Depth=1） ，适合精细化编辑和检查单个笔记的连接关系。Global Graph （全局图谱）显示整个Vault中所有笔记和链接，适合宏观审视知识库的整体结构、发现知识孤岛 和连接枢纽 。两者可以通过图谱面板左上角的切换按钮快速切换。
在Graph View 面板的Filters（过滤器） 区域，你可以通过以下方式过滤节点：关键词过滤 ——输入文字只显示包含该词的笔记；标签过滤 ——按#标签筛选只显示特定标签下的节点；路径过滤 ——排除特定文件夹中的文件（如排除Daily Notes文件夹）。还可以通过右键节点选择「Hide」隐藏该节点或其所有关联节点。推荐先排除Daily Notes文件夹，再使用关键词过滤精准定位。
节点深度（Depth） 控制图谱展开的链接层级。Depth设为1时只显示当前笔记直接链接的笔记；Depth设为2时还会显示那些笔记所链接的笔记，以此类推直到Depth 5 。深度越大，图谱越复杂。建议日常使用Depth 2-3层 ，既能看到足够多关联又不至于信息过载。写作时用Depth 1-2，做研究时用Depth 3-4，深度挖掘时用Depth 5。
在Graph View 设置面板的「Groups」分组区域，你可以按文件夹（Folder） 、标签（Tag） 或属性（Property） 为节点着色。例如：将Projects文件夹设为蓝色、Areas设为绿色、Resources设为橙色。这种Tag-based Visualization （基于标签的可视化）让你一眼就能识别笔记的类型分布。每个分组支持16种预设颜色和自定义HEX色码。
知识图谱的力导向布局（Force-directed Layout）可以调整吗？
可以。Obsidian知识图谱 默认使用Force-directed Layout （力导向布局），节点之间通过「引力」和「斥力」自动排列。你可以通过拖动节点手动调整位置，系统会记住你的手动布局。此外，图谱面板提供了「重新布局」按钮重置排列，长按该按钮可以选择其他布局方式如环形布局（Circular） 、树状布局（Radial Tree） 、球状布局（Sphere） 等。在设置面板中还可以调节节点间距和连线长度。
知识孤岛（Knowledge Islands） 是指图谱中那些没有任何链接或链接极少的孤立笔记簇——它们反映出你的知识体系中存在未被整合的知识碎片，需要补充双向链接来融入主网络。连接枢纽（Connector Hubs） 是指图谱中链接了大量其他笔记的核心节点——通常是MOC（内容地图） 或综合性笔记。发现知识孤岛可以帮助你填补知识连接的空白，定位连接枢纽则能让你找到知识体系的骨架。建议使用Graph Analysis 插件的中心度（Centrality）指标来量化识别连接枢纽。
InfraNodus插件能为知识图谱提供哪些AI分析能力？
InfraNodus 插件将AI文本分析与Graph View 结合，提供三大核心能力：① 主题聚类 ——自动识别图谱中笔记的主题集群并生成摘要标签；② 结构洞检测 ——发现哪些笔记充当了不同主题集群之间的「桥梁」（即跨界节点）；③ AI建议 ——基于当前图谱结构，推荐你可能缺失的链接方向，帮助你发现「弱连接」和潜在的跨学科关联。安装后需要在设置中配置AI接口（支持OpenAI API或本地模型）。
Graph Analysis插件如何量化分析知识图谱？
Graph Analysis 插件为知识图谱提供完整的数据化分析维度，包括：中心度（Centrality） ——找出图谱中链接数量最多的核心节点；介数中心度（Betweenness Centrality） ——识别哪些节点是不同知识集群之间的「必经之路」；模块度（Modularity） ——自动将图谱划分为不同的知识社区（Communities）；密度（Density） ——衡量整个图谱的连接紧密程度（健康范围0.1-0.3）。这些量化指标让你从「看图谱感觉」升级为「用数据说话」，每两周运行一次分析可以追踪知识库的健康趋势。
目前Obsidian内置的Graph View 不支持直接导出为图片。但你可以通过以下方式截图保存：① 使用系统截图工具（如Snipaste、Windows截图工具）截取图谱区域；② 使用第三方插件如「Obsidian Graph Export 」实现更高质量的图谱导出（支持PNG/SVG格式）；③ 在全屏图谱模式下（按右键选择Full Graph）截图效果更佳。建议将每周的图谱截图存档，作为知识库成长的\"时间轴记录\"。
相关内容串联 Related Content
本专题其他页面推荐阅读：
💡 结语
obsidian知识图谱使用方法教程的核心认知是：从「看装饰」到「看结构」，从「确认已知」到「发现未知」。 Graph View 不是Obsidian的装饰功能，而是你认知放大器 ——它将隐性的知识结构转化为显性的空间结构，让你看到文件夹和标签无法呈现的关联图景。记住本文的核心框架：Local Graph 做微观编辑，Global Graph 做宏观审视；Filter 做精准定位，Group 做色彩编码；Depth 控制展开范围，Force-directed Layout 自动排列。进阶阶段，InfraNodus 帮助你发现结构洞和弱连接，Graph Analysis 用数据量化知识库健康度。最强大的obsidian知识图谱使用方法 不是看懂每一条线，而是通过图谱看到你的知识体系正在进化——这是最令人着迷的部分。从现在开始，让每周图谱审计成为你的知识管理习惯。