思維的拓撲：嵌入空間中的 Obsidian

15,800 篇筆記。49,746 個區塊。每個區塊都是一個 256 維向量。我對整個資料集執行 UMAP，投射至三維空間，然後在螢幕上緩慢旋轉。我的第二大腦有了形狀，而這個形狀揭示了筆記本身從未告訴我的事：我的知識工作圍繞三個密集核心（Claude Code、設計系統、AI 研究）聚集，彼此之間由稀疏的交叉筆記橋接相連，外圍則是一圈與任何東西都沒有連結的孤立訊號光暈。

知識的形狀會告訴你：你在哪裡思考、在哪裡迴避思考、以及你的想法在哪裡有碰撞的空間。同樣的脈絡架構既能組織代理行為，也能組織人類知識。

摘要：將 15,800 篇 Obsidian 筆記投射至 256 維嵌入空間，揭示了三種知識拓撲——集中式、分散式與分佈式——各有不同的失效模式。叢集之間的橋接筆記能驅動最具原創性的洞見，而相變研究顯示，不慎的整理策略可能在某個臨界點上導致知識結構瞬間崩塌。

重點摘要

嵌入空間賦予知識庫一種空間結構，揭示其智識拓撲。Kat（@poetengineer__）針對 Obsidian 知識庫展示了三種拓撲：集中式（一個核心概念連結所有筆記）、分散式（主題叢集中心）與分佈式（概念之間的邊以語義關係標註）。¹我的 15,800 個檔案、49,746 個區塊的知識庫呈現分散式拓撲，具有三個主要叢集。Pesce 等人關於神經網路剪枝相變的研究，為理解「簡化（整理、歸檔、篩選）何時會突破臨界點而破壞知識結構的功能」提供了數學框架。²以下內容涵蓋：嵌入捕捉了什麼、三種知識拓撲與真實知識庫數據、如何診斷自己的拓撲，以及一個基於我實際知識庫建構的互動式探索工具。

嵌入究竟捕捉了什麼

文字嵌入將一段文字轉換為一串數字。分詞視覺化的文章介紹了文字如何變成 token。嵌入更進一步：token 成為高維空間中的座標，其中距離對應語義。

兩段關於「Claude Code hooks 用於上下文注入」的文字在嵌入空間中距離很近。一段關於「Claude Code hooks」和一段關於「iOS SwiftUI 導航」的文字則距離很遠。這裡的距離並非關鍵字重疊。兩段文字可以沒有任何共同詞彙，卻因討論相同概念而彼此相鄰。兩段文字也可能共享許多字詞（如「the system processes the data」），卻因周圍語境不同而相距甚遠。

我的知識庫使用 Model2Vec 的 potion-base-8M 模型：760 萬參數，產生 256 維嵌入。³該模型從更大的句子轉換器（bge-base-en-v1.5）蒸餾而來，達到 all-MiniLM-L6-v2 約 90% 的效能，同時作為靜態模型運行——在 CPU 和 GPU 上都快了數個量級。知識庫中 49,746 個區塊各自成為 256 維空間中的一個點。

256 維無法直接視覺化。UMAP 等降維技術可將高維結構投射至 2D 或 3D，同時保留局部鄰域關係。⁴在 256 維中相近的點，在 3 維中依然相近。全域結構雖是近似的，但叢集是真實存在的。

三種知識拓撲

Kat 對 Obsidian 筆記嵌入的探索，辨識出三種不同的知識拓撲。¹每種拓撲反映不同的智識結構，也各有不同的失效模式。

集中式：單一核心概念連結一切

在集中式拓撲中，大多數筆記透過單一主導主題相連。嵌入空間呈現一個位於中心的密集叢集，向外延伸出細長的觸鬚。一位專門撰寫 React 的開發者就會看到這種拓撲：React 是中樞，所有關於測試、狀態管理、部署與工具鏈的筆記都透過它相連。

優勢：在核心領域擁有深厚專業知識。搜尋效果好，因為大多數查詢都落在同一鄰域。

失效模式：脆弱性。如果核心主題變得無關緊要（職涯轉換、技術日落），整個知識結構便失去組織原則。那些僅在與核心的關係中才有意義的筆記會變成孤兒。

分散式：主題叢集中心

在分散式拓撲中，筆記形成數個明確的叢集，由橋接筆記相連。我的知識庫呈現這種拓撲，具有三個主要中心：

其餘 22% 分佈於靈感、生產力、科學等較小類別。

優勢：韌性。失去一個叢集不會摧毀其他叢集。跨領域連結在叢集邊界處形成，這裡產生最具原創性的洞見。

失效模式：碎片化。如果叢集之間的橋接筆記太薄弱，叢集就會成為智識孤島。我的知識庫在設計與 Claude Code 之間有一條薄弱的橋樑（關於設計代理 UI、提示介面模式的筆記），但設計與純開發之間幾乎沒有橋接（後端架構筆記很少與視覺設計產生連結）。這個缺口就是一個盲點：我思考設計，也思考後端工程，但很少同時思考兩者。

分佈式：以關係標註的邊

在分佈式拓撲中，筆記之間的連結帶有描述如何關聯的語義標籤。Kat 的實作使用 LLM 為相鄰筆記之間的邊生成標籤。¹不再是匿名的鄰近關係，每條連結都有描述：「矛盾」「延伸」「提供證據」「應用於不同領域」。

優勢：可導航性。分佈式拓撲不僅回答「什麼是相關的？」還回答「如何相關？」。標註使高階推理成為可能：找到反駁某論點的筆記，而不僅是提及它的筆記。

失效模式：成本。為每對連結生成邊標籤的規模呈二次方增長。以我知識庫的 49,746 個區塊來算，窮舉式邊標註大約需要 12 億次 LLM 呼叫。實際做法只標註相似度超過閾值的邊。

相變：當簡化摧毀結構

Pesce、He 與 Caldarelli 研究了神經網路剪枝中的相變現象，發現了一個急遽的臨界點：網路表現出「從協作功能相到無序相的轉變，效能隨之崩潰」。²在臨界點以下，移除連結幾乎不影響功能。到了臨界點，功能驟然崩塌。這種轉變遵循與二階臨界行為一致的標度律——與冰融化為水的數學原理相同。

這與知識整理的類比是直接的。我的訊號評分管線透過相關性閾值將收件匣從 14,771 篇縮減至 5,886 篇。同樣的複合脈絡動態——使代理記憶累積價值的機制——也適用於此：每篇筆記的價值取決於其連結，而非僅是其內容。縮減提升了搜尋品質：低相關性結果減少、叢集更緊密、檢索更快速。但訊號是否流失了？簡化是否跨越了相變臨界點？

剪枝研究指出，答案取決於連通性，而非數量。移除孤立節點（沒有語義鄰居的筆記）對網路功能影響甚微。移除橋接節點（連結原本分離的叢集的筆記）則可能崩潰整個結構，即使被移除的筆記看似個別並不重要。

我的分類管線將相關性閾值從 0.30 提高到 0.40。收件匣數量縮減了 60%，但我並未測量對拓撲的影響。一個具備相變意識的整理策略應該：

1. 在篩選之前辨識橋接筆記（在相似度圖中具有高中介中心性的筆記）
2. 無論橋接筆記的個別分數如何，都將其排除在相關性篩選之外
3. 在每次整理後監控叢集連通性指標
4. 當某次整理使叢集間橋接密度低於閾值時發出警報

# Sketch: bridge note detection before curation
def identify_bridge_notes(embeddings, threshold=0.7):
    """Find notes that connect otherwise-separate clusters."""
    from sklearn.neighbors import NearestNeighbors
    nn = NearestNeighbors(n_neighbors=10, metric='cosine')
    nn.fit(embeddings)
    distances, indices = nn.kneighbors(embeddings)

    # Bridge score: how many of a note's neighbors are from
    # different clusters than the note itself
    bridge_scores = []
    for i, neighbors in enumerate(indices):
        own_cluster = labels[i]
        cross_cluster = sum(1 for n in neighbors if labels[n] != own_cluster)
        bridge_scores.append(cross_cluster / len(neighbors))

    return bridge_scores

診斷你的知識拓撲

不需要 15,000 篇筆記才能分析知識拓撲。任何擁有 100 篇以上筆記並附帶嵌入的集合都能揭示結構。如果你將 Obsidian 作為 AI 基礎設施使用，你已經擁有原始素材——我知識庫中的一萬七千個訊號最初只是簡單的日常擷取。三個診斷問題：

1. 存在多少個叢集？

對嵌入執行 k-means 或 DBSCAN，計算不同叢集的數量。少於 3 個代表集中式拓撲。3 到 8 個代表分散式。超過 8 個可能代表真正的分佈式拓撲，也可能意味著整理不足（叢集多代表主題多，而這可能意味著任何主題都缺乏深度）。

2. 橋接有多密集？

針對每對叢集，計算在兩個叢集中都有最近鄰的筆記數量。橋接密度低於較小叢集大小的 2%，代表可能存在孤島。我的設計對開發橋接約為 1.4%——低於閾值，印證了我觀察到的盲點。

3. 孤兒比例有多高？

孤兒筆記是指在餘弦相似度閾值（通常為 0.7）內沒有鄰居的筆記。孤兒筆記不一定是壞事——它們可能代表真正新穎的想法。但孤兒率超過 15% 則暗示擷取不一致（筆記與你的知識領域不匹配）或嵌入品質有問題。

我的知識庫孤兒率：約 8%。大多數孤兒是尚未處理為結構化筆記的原始收件匣擷取。排除收件匣後，孤兒率降至 3%，表示已處理的筆記能良好地整合進現有拓撲。

叢集揭示了什麼

上方的視覺化使用了從我知識庫中隨機抽樣的 500 個區塊。叢集對應真實的智識鄰域。

AI 與 ML 中心（佔區塊的 26%）是最密集的叢集。Claude Code 架構、代理設計模式、LLM 研究論文與提示工程技術形成一個緊密的鄰域。密度反映了數量：我閱讀和擷取的 AI/ML 內容比任何其他類別都多。密度也帶來搜尋品質優勢——該領域的查詢能返回高度相關的結果，因為嵌入空間人口稠密。

設計中心（14%）與 AI 與 ML 保持距離。字型排印系統、色彩科學、UI 元件模式與視覺設計參考形成自己的叢集。這種分離是合理的：設計與 AI 工程使用不同的詞彙、不同的推理框架與不同的評估標準。但分離也意味著像「代理輸出應如何格式化以供開發者審閱」這樣的查詢會落入兩個叢集之間的空隙，返回的結果來自其中一側，卻很少來自交集處。

開發中心（10%）與 AI 與 ML 的重疊多於與設計的重疊。FastAPI 模式、資料庫設計與 SwiftUI 架構和 AI 工程筆記共享概念詞彙（兩者都討論程式碼、架構、測試）。詞彙的重疊產生了一個混合區域，DevOps-for-agents 與 infrastructure-for-AI 的筆記都棲息於此。

收件匣光暈（28%）環繞一切。原始擷取、未分類訊號和未處理的書籤形成一片稀疏雲層，與已建立的叢集之間連結薄弱。將收件匣從 14,771 篇縮減至 5,886 篇的訊號評分管線，主要從這個光暈中淘汰：與任何已建立叢集相似度低的筆記。

靈感叢集（6%）佔據設計與收件匣之間的位置。動態字型排印參考、動態設計研究與視覺藝術擷取形成一個鬆散的鄰域。這個叢集之所以存在，是因為我持續擷取視覺靈感，卻很少將這些擷取處理為結構化筆記。這個叢集揭示了一個模式：我廣泛消費視覺靈感，卻狹隘地產出設計作品。消費與產出之間的落差在拓撲中清晰可見——一個具有高進入密度（擷取）但低外出連結（以靈感為基礎延伸的筆記）的叢集。

跨叢集橋接是最有趣的特徵。最薄弱的橋樑連接設計與開發：較小叢集中約 1.4% 的筆記在兩個叢集中都有最近鄰。相比之下，AI 到開發的橋接為 8.3%，反映出我的開發工作有多少涉及 AI 基礎設施。橋接密度能預測新穎作品從何處湧現。我的 boids-to-agents 文章源自一篇橋接筆記，它連結了湧現行為研究（AI 與 ML 叢集）與群聚演算法實作（開發叢集）。若沒有這座橋樑，這兩群筆記永遠不會碰撞。

拓撲也影響檢索品質。驅動我知識庫搜尋的混合檢索器同時使用 BM25 關鍵字比對與向量相似度——但其效能取決於底層叢集結構。落在密集叢集中的查詢返回精確結果；落在叢集之間的查詢則需要 BM25 回退來彌補空隙。

知識庫旁還存在第二個嵌入資料庫：工具鏈搜尋資料庫，包含 653 個檔案中的 4,518 個區塊。⁵工具鏈拓撲截然不同：一個密集的單一叢集（Claude Code 設定），加上測試、hooks 與 skills 的小型衛星叢集。單一文化拓撲適用於工具鏈，因為工具鏈只有單一用途。一個呈現單一文化拓撲的知識庫則是一個警示訊號。

重塑你的拓撲

拓撲並非固定不變。四個刻意的行動能重塑知識結構。

撰寫橋接筆記。如果兩個叢集缺乏連結，就撰寫明確跨越它們的筆記。我的設計到 AI 橋接之所以薄弱，是因為我很少撰寫關於設計代理介面的內容。一篇名為「代理輸出的 UX 模式」的筆記，同時引用設計原則與代理架構研究，就能創造一個橋接點。

偵測孤兒。每月執行一次孤兒掃描並做出決策：整合、歸檔或刪除。代表萌芽想法的孤兒筆記應透過橋接筆記與現有叢集連結。僅為一次性參考的孤兒筆記則可以歸檔。

整理後監控。在任何批次整理（刪除、歸檔、篩選）前後，測量叢集連通性。如果叢集間橋接密度下降，代表整理移除了應予保留的橋接筆記。

閱讀邊界處的內容。最有價值的閱讀目標不在你最密集的叢集深處，而在叢集之間的邊緣。一篇橋接 AI 工程與視覺設計的論文，比另一篇加深本已密集的 AI 叢集的論文，能產生更多新穎的連結。

關鍵要點

• 嵌入空間賦予知識庫形狀。這個形狀揭示智識拓撲：你將注意力集中在哪裡、在哪裡迴避、以及想法在哪些跨領域處相連。
• 三種拓撲各有不同的失效模式。集中式脆弱。分散式缺乏橋接筆記就會碎片化。分佈式維護成本高但導航能力最豐富。
• 相變使整理呈非線性。移除閾值以下的筆記幾乎不影響結構。到了臨界點，功能崩潰。橋接筆記必須在任何批次整理之前被辨識並保護。
• 收件匣光暈是整理的前線。原始擷取在已建立的叢集周圍形成稀疏雲層。訊號評分篩選光暈，但拓撲揭示了篩選究竟保留還是摧毀了橋接連結。
• 閱讀邊界處的內容。最高價值的筆記連結叢集，而非加深叢集。孤兒偵測與橋接密度指標能指引閱讀優先序。

常見問題

參考文獻