动手实践（三）：用 Web Clipper 搭建阅读管道

剪藏党的困境

Web Clipper 这东西很危险。它让收集变得太容易了，容易到你都不再思考自己在收什么了。

你读了一篇有意思的文章。点一下剪藏插件。全文就躺进了你的笔记应用。你觉得自己很高效——“保存”了知识。但说实话，你只是创建了一个加了点料的书签。

文章躺在一个文件夹里。你再也没读过它。后来要找也找不到——在 200 篇剪藏文章里翻索引，还不如直接在 Google 上搜来得快。那些文章里的知识——概念、联系、交叉引用——全都锁在单个文件里出不来。

Obsidian Web Clipper 解决了”捕获”这部分。LLM Wiki 解决了剩下的一切。

完整管道

从文章到知识图谱的完整流程：

1. 剪藏——用 Obsidian Web Clipper 把网页保存到 sources/
2. 摄入——运行 Ingest Sources 处理剪藏内容
3. 提取——LLM 从文章中提取实体、概念和关系
4. 创建——生成 Wiki 页面，自带 [[双向链接]]
5. 连接——新页面链接到已有页面，出现在 Graph View 中
6. 查询——文章里的知识从此可搜索、可发现

六个步骤。其中第一步点一下，第二步敲一条命令。剩下的全自动。

第一步：安装和配置 Web Clipper

Obsidian Web Clipper 是官方 Obsidian 插件。你可以在社区插件市场安装，也可以用浏览器扩展。

浏览器扩展设置：

1. 安装 Obsidian Web Clipper 浏览器扩展（支持 Chrome、Firefox 和 Safari）
2. 点击扩展图标，连接到你的 Obsidian Vault
3. 选择目标文件夹：设为 sources/

LLM Wiki 的 YAML 模板：

配置 Web Clipper 为每篇保存的文章使用以下模板。它能生成 LLM Wiki 可以高效处理的前置元数据：

---
title: "{{title}}"
url: "{{url}}"
date: "{{date}}"
domain: "{{domain}}"
tags:
  - "web-clip"
  - "{{firstTag}}"
---
{{content}}

domain 字段是可选的，但用来追踪知识的来源很有用。LLM Wiki 在摄入时不会处理它，不过你可以在需要时用它手动筛选来源。

第二步：配置剪藏模板

打开 Obsidian Web Clipper 设置，创建一个模板：

• 目标文件夹： sources/
• 文件名格式： {{date}} {{title}}——以日期为前缀，排序更方便
• 前置元数据： 上面的 YAML 模板
• 内容格式： 全文 HTML 转 Markdown

模板很重要，因为 LLM Wiki 需要读取完整的文章内容。如果剪藏工具去掉了太多格式或者漏掉了段落，LLM 就没那么多材料可以提取。全文剪藏产生的实体提取质量远高于摘要式的片段。

第三步：剪藏 + 摄入——实战演示

来看一个真实场景。假设一周之内，你剪藏了三篇文章：

文章 1：《理解 Transformer 架构》——关于自注意力机制、位置编码和多头注意力的技术深挖。

文章 2：《什么是 Foundation Model？》——大规模预训练模型、迁移学习和涌现能力的概述。

文章 3：《RAG 实战指南》——关于检索增强生成、向量数据库和分块策略的教程。

把三篇文章都剪藏到 sources/ 之后，运行 Ingest Sources（Cmd+P → “Ingest Sources”）。

摄入报告显示：

文章	提取实体数	创建页面数	建立链接数
Transformer Architecture	12	8	24
Foundation Models	8	6	18
Practical RAG Guide	15	10	35

总计： 3 篇文章产出了 24 个页面，建立了 77 个链接。时间花费：一周里花了 2-3 分钟剪藏，运行摄入花了 20 秒。

第四步：看着知识自动连接

摄入后打开 Graph View。你会看到三个聚类，分别对应三篇文章。但因为 Transformer、Foundation Model 和 RAG 是相互关联的话题——Transformer 支撑了 Foundation Model，Foundation Model 支撑了 RAG——LLM 已经创建了跨文章的链接。

• “Transformer Architecture” 实体页面链接到 “Self-Attention” 和 “Multi-Head Attention”
• “Foundation Models” 实体页面链接到 “Pre-training” 和 “Transfer Learning”——同时也链接到 “Transformer Architecture”，因为 Foundation Model 用的是 Transformer
• “RAG” 概念页面链接到 “Vector Database”、“Chunking”、“Embeddings”——同时也链接到 “Foundation Models”，因为 RAG 依赖它们

三篇独立的文章变成了一个互联的知识图谱。这些连接不只是关键词匹配。LLM 理解 Foundation Model 是建立在 Transformer 架构之上的，而 RAG 又需要 Foundation Model 作为前置条件。这些链接反映的是真实的概念关系。

关键词搜索做不到的事： Graph View 显示 “Chunking” 连接到了 “Tokenization”——尽管三篇文章里只有一篇用了”tokenization”这个词。LLM 通过概念理解识别出了这个关系，而不是字符串匹配。

每周批处理工作流

日常剪藏 + 每周摄入是最有效率的节奏。

工作日： 看到有意思的文章就剪藏。不用停下来跑摄入。不用担心重复。剪藏工具会自动加上前置元数据。文件落到 sources/。你继续阅读。

周末： 跑一次 Ingest Sources。所有累积的剪藏一次性处理完。去重系统防止页面膨胀。看一下摄入报告，确认有没有提取问题。

这种批处理方式有两个好处：

• 认知开销更低。 每周处理一次知识，而不是每天多次。
• 交叉引用更密集。 当多篇文章共享概念时，LLM 一次处理完所有内容，能把它们联系起来。周批处理产生的连接图比逐天摄入更稠密。

实用技巧

优先处理长文。 Web Clipper 可以保存推文和短帖子，但 LLM 从 800 字以上的文章里提取的实体更多。一篇 200 字的摘要只能产出 2-3 个页面。一篇 2000 字的深度文章能产出 10-15 个。质量优先于数量。

大多数剪藏用 Standard 粒度。 Standard 粒度设置对普通网页文章处理得很好——为每个不同的实体和概念创建页面，不会太激进。只有在处理术语密集的技术文章时才切换到 Fine。

必要时清理剪藏内容。 有些网页包含大量样板内容（导航栏、Cookie 通知、评论区）。在摄入前做简单的行内编辑可以去除这些噪音。LLM 对干净的输入处理得更好。摄入前花 30 秒编辑一下，提取质量会有明显提升。

摄入后检查源摘要。 每条摄入的源材料都会在 wiki/sources/ 里得到一份摘要页面。这份摘要告诉你 LLM 提取了什么。如果摘要漏掉了文章中的关键点，你可能需要调整原文的措辞或补充更多细节，以便下次提取得更好。

完整管道速览

步骤	操作	工具	时间
1	剪藏文章到 sources/	Obsidian Web Clipper	5 秒
2	运行 Ingest Sources	LLM Wiki 命令	15-30 秒
3	查看摄入报告	LLM Wiki 报告	30 秒
4	探索新页面	Obsidian Graph View	5 分钟
5	跨剪藏内容查询	LLM Wiki Query	按需

从剪藏到知识，大约 6 分钟。一篇文章从”文件夹里的一个文件”变成”个人知识图谱中的一个连接节点”，主动操作不到一分钟。

下一步

现在你掌握了整套 Web Clipper 管线：剪藏到 sources/、每周摄入、探索连接。我们举例中的三篇文章变成了 24 个页面和 77 个链接——这是一个能用的知识图谱，不是一堆书签。

下一篇：动手实践（四）：从论文到知识图谱 —— 把学术论文变成结构化的研究 Wiki。

在 GitHub 上查看