Wiki-Links

💡TL;DR

Notemd tilføjer automatisk [[wiki-links]] til de vigtige koncepter i dine notater. LLM læser din indhold, identificerer vigtige termer i konteksten og indsætter wiki-link i Obsidian-stil ved hver optrædelse. Valgfrit kan det skabe konceptnoter med baklinker. Støder undertrykking af synonymer, link-integritet ved omnavn/affyring og ren udvinningstemper (ingen ændringer i filer). Tillægsvis til Auto Link, som kun matcher eksisterende notetitel, bruger Notemd AI til at identificere nye koncepter og skabe tilsvarende noter. Dette er en del af Obsidian AI Knowledge Management Guide.

Översikt

Wiki-linking er den kernfunktion for Notemd. Det transformerer ren tekst til en sammenhængende kunstighedsgraph gennem:

1. At analysere din note med en LLM
2. At identificere vigtige koncepter (termer, personer, metoder, teorier)
3. At indsætte [[wiki-links]] ved hver optrædelse
4. At skabe konceptnoter (valgfrit) med baklinker

Hvordan det virker

Process

Eksempel

Forud:

Machine learning models use neural networks to learn patterns from data.
The transformer architecture revolutionized natural language processing.

Efter:

[[Machine learning]] models use [[neural networks]] to learn patterns from data.
The [[transformer architecture]] revolutionized [[natural language processing]].

Brug

Basis: Tilføj link til aktuelle note

1. Åbne en note
2. Højreklik i editor → "Process file (add links)"
3. Vente nogle sekunder
4. Koncepterne er nu koblet sammen!

Batch: Behandle flere noter

1. Højreklik på en mapp i filexploreren
2. Vælg "Notemd: Process mappen (tilføj links)"
3. Konfigurér:
   • Konkurrenci (hvor mange filer parallelt)
   • Skriv over eksisterende links (ja/nej)
4. Klik på Process

Selektivt: Link specifik tekst

1. Highlighter tekst til behandling
2. Højreklik → "Process selection (add links)"
3. Apenbarligens den highlightede del analyseres

Notemd vs Auto Link

Obsidian har to metoder for automatisk wiki-linking:

	Auto Link	Notemd
Linkkilde	Existerende notetitel i vault	LLM-identificerede koncepter i indhold
Kan lige til nye koncepte	Nej – titlen må allerede eksistere	Ja – AI identifierer koncepte og skaber notater
Hantering af synonymer	Nej	Ja – undertrykking af synonymer
Skabning af konceptnotater	Nej	Ja – med baklænker og duplikatkortning
Batchbehandling	Nej (enkelt fil)	Ja (mappenivå)
Modellrute til hver opgave	Nej	Ja

Auto Link matcher titler: Hvis en note med navnet "Machine Learning" eksisterer, omgiver det forekomsterne i [[Machine Learning]]. Hvis noten ikke eksisterer, sker ingenting.

Notemd er AI-styrret: LLM læser din indhold, forstår konteksten, identifierer koncepte som bør blive lige til – selvom der endnu ikke er en note – og skaber både linken og konceptnotaten.

Funktioner

Undertrykking af synonymer

Problem: "transformer", "transformers", "Transformer architecture" → 3 separate koncepter

Løsning: Notemd opdager nærlige duplikater og bruger den kanoniske formen.

Konfiguration:

Settings → Advanced → Synonym Suppression
Threshold: 0.8 (0 = off, 1 = aggressive)

Link Integritet

Når du endrer navn på en konceptnotat:

• Alle wiki-linker opdateres automatisk (Obsidian kernfunktion)
• Backlinkerne forbliver intakte

Når du sletter en konceptnotat:

• Linkerne forbliver, men vises som "unlinked mentions"
• Du kan skabe den på ny fra enhver forekomst

Ren Extraktionstil

Ekstraher koncepte uden at ændre det oprindelige:

1. Højreklik → "Ekstraher koncepte (ingen linkning)"
2. Konceptnotater skrives
3. Oprindelige fil forbliver óændret

Brugsscenario: Behandling af read-only-inhold eller endelige udkast.

Konceptnotat Generering

Automatisk Skabing

Når det er aktiveret (standard), skaber Notemd:

---
tags: [concept, auto-generated]
created: 2026-06-13
source: [[Original Note Name]]
---

# Machine Learning

A branch of artificial intelligence that enables computers
to learn from data without explicit programming.

## Occurrences in Your Vault

- [[Original Note Name#Section]]
- [[Another Note#Header]]

## Related Concepts

- [[Neural Networks]]
- [[Deep Learning]]
- [[Supervised Learning]]

Konfiguration

Utdragsmapp:

Settings → Output → Concept Folder
Default: concepts/

Hierarkisk struktur:

Settings → Output → Use Hierarchical Folders
If enabled:
  papers/my-paper.md → papers/concepts/Concept.md
If disabled:
  → concepts/Concept.md

Mall:

Settings → Output → Concept Template
Customize with variables:
  {{concept}} — Concept name
  {{description}} — LLM-generated description
  {{backlinks}} — List of source notes
  {{date}} — Creation date

Avancerede valg

Contextvindu

Hvor meget omgivende tekst skal sendes:

Settings → Linking → Context Window
Options: Sentence | Paragraph | Full Note
Default: Paragraph

Større værdi = bedre nøjaktighed, højere kost.

Minimum antal optrædninger

Kopiere kun koncepter, der optræder flere gange:

Settings → Linking → Min Occurrences
Default: 1 (link all)

Still på 2 eller 3 for at fokusere på repræsenterende temaer.

Utslutte mønster

Skel visse ord:

Settings → Linking → Exclude List
Example: note, idea, example, thing

Forhindrer overkopiering af generiske termer.

Egen prompter

Øverstille standard LLM-instruktioner:

Settings → Advanced → Custom Linking Prompt
Default:
  "Identify key concepts, theories, methods, and technical
   terms in the following text. Return as a list..."

Anpass for domænespecifikke behov (f.eks. "Fokuser på medicinsk terminologi").

Tips og bedste praksis

✅ Gør

• Behandle bemærkninger med >100 ord — Korte bemærkninger gir få koncepter
• Brug kraftfulde modeller for bedre identifikation af koncepter (GPT-4o, Claude)
• Gå gjennem før du accepterer — Kontroller, om de foreslåede links er logiske
• Byg gradvist — Behandle 5-10 bemærkninger, gå gjennem grafen, juster indstillinger

❌ Gør ikke

• Over-link — Ikke alle substantiver behøver en link
• Behandle utkast flere gange — Koncepter kan skifte sig, vent til de er stabile
• Ignorer synonyme — Aktiver suppression for at undgå "ML" vs "Machine Learning"

Prestande

Hastighed

Størrelse på bemærkning	GPT-4o-mini	Claude Sonnet	Ollama (lokalt)
500 ord	2-3 sekunder	3-5 sekunder	5-10 sekunder
2000 ord	5-8 sekunder	10-15 sekunder	20-40 sekunder
5000+ ord	Delvist (mere anrop)	Deltaget	Deltaget

Kostudsigt

Eksempel: 1000-ords not med GPT-4o-mini

• Indgang: ~1500 tokener
• Output: ~200 tokens
• Kostnad: ~

Batchbehandling af 100 notater: ~

Felsøgning

Ingen links tilføjet

Kontrol:

1. LLM kaldet lykkes (Indstillinger → Diagnostik)
2. Noten har tilstrekkelig indhold (>50 ord)
3. Koncepter er tekniske/spesifikke (ikke bare pronumer)

Prøv:

• Brug en mere kraftig modell
• Højst muligt kontekstvindu
• Kontroller dig for gyldighed af API-klæden

For mange links

Løsninger:

1. Højstil minimale forekomster (2 eller 3)
2. Tilføj algemene ord til uundtagelseslisten
3. Brug en mindre aggressiv modell

Felaktige koncepter koblet

Løsninger:

1. Brug en tilpasset prompt for domænespecifikke behov
2. Aktiver synonymsuppression
3. Gennemgå manuelt og afslut forbindelser

Linker bruges ikke efter omnavn

Dette er normalt Obsidian beteende.

For at opdatere alle linker:

1. Omnavn konceptnoten
2. Obsidian opdaterer automatisk [[old]] → [[new]]

---

Næste trin

• 📖 Konceptnoter — Dybdegående information om generering af konceptnoter
• 🔍 Forskning integration — Kombinér linkning med webforskning
• 🎨 Diagrammer — Visualisér din knowledge graph