笔记工具中的“双链”概念在一定程度上受到尼克拉斯·卢曼（Niklas Luhmann）“卡片笔记法”（Zettelkasten）的启发，不仅实现了笔记之间的自动关联，还进一步演化出直观的关系图谱功能。
双链的确使我们能够在相关笔记之间快速跳转，提升了信息访问的效率。然而，这种类似 Wiki 的跳转机制也可能分散注意力：我们往往在多个链接之间来回切换，最终甚至忘记了最初跳转的动机。
在 Markdown 笔记工具中，关系图谱已成为标配功能。通过可视化界面，用户可以直观地看到笔记之间的链接关系，Obsidian 甚至支持查看某一单独笔记的本地图谱。尽管这一功能在呈现关联结构上具有一定价值，但在实际使用中，它很难真正带来实际帮助。
首先，关系图谱的呈现是平面的，难以反映笔记之间的层级或结构关系；此外，用户仍需通过点击节点跳转，才能查看具体内容，操作效率不高。而相比之下，卢曼的实体卡片可以同时展开多张，便于并行阅读、分析和联想。频繁跳转也容易陷入之前所提到的“双链跳转”问题，即注意力被不断分散。随着笔记数量的增加，图谱的可读性和检索性进一步下降，大量过时或碎片化的笔记节点反而成为干扰，最终使这一功能更多是一种视觉上的满足，而非真正提升知识管理的工具。
不过，这一问题并非无法解决，且可以在 Obsidian 中通过其原生的白板（Canvas）功能加以应对。在进行某一主题的思考或创作时，用户可以将相关笔记拖入白板，手动整理其逻辑关系，并在最终成稿的元笔记中添加对应白板的链接，从而保留完整的思考路径，同时避免冗余信息关系的堆积。当然，这种方式也有局限，例如仍无法自动体现笔记之间的内在结构和动态关联。
选择使用 Obsidian，除了因为其本地化存储带来更高的信息安全性之外，还因为它能够通过插件或本地 AI 工具高效读取笔记，实现个性化的智能助理。我曾尝试将 Obsidian 的笔记内容通过 GitHub 同步，并与 n8n 进行联动，实现自动化的信息处理流程。
不过，这一过程中容易忽视 Markdown 语法本身带来的问题。尽管 Markdown 在书写上提供了极大的便利，但其中的格式符号对 AI 来说往往是噪声，不仅增加了解析难度，也可能影响模型的理解与反馈准确性。
从信息存储角度看，纯文本（.txt）格式拥有最高的兼容性和最简洁的信息结构，然而它在写作体验上不如 Obsidian 灵活。因此，我目前仍使用 Obsidian 作为记录工具，在有需要进行 AI 处理时，会先通过脚本或预处理方式剥离 Markdown 语法，再将内容输入给 AI 模型。