Wiki-Linker

💡TL;DR

Notemd legger automatisk [[wiki-links]] til ved viktige konsepter i dine notater. LLM leser innholdet ditt, identifiserer viktige termer i konteksten og setter inn wiki-linker i Obsidian-stil ved hver oppførsel. Valgfritt kan det skapes konseptnotater med baklinker. Støttes synonymsuppresjon, linkintegritet ved endring/deletering og ren utvinningssmodus (ingen endringer i filer). Tilsynelatende mot Auto Link som kun matcher eksisterende notetitel, bruker Notemd AI for å identifisere nye konsepter og skape tilsvarende notater. Dette er en del av Obsidian AI Knowledge Management Guide.

Oversikt

Wiki-linking er kjernefunksjonen i Notemd. Den transformerer vanlig tekst til en koblet kunnskapsgraph gjennom:

1. Analyse av din note med ett LLM
2. Identifisering av viktige konsepter (termer, personer, metoder, teorier)
3. Innsetting av [[wiki-links]] ved hver oppførsel
4. Skapelse av konseptnotater (valgfritt) med baklinker

Hvordan det fungerer

Prosess

Eksempel

Før:

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]].

Bruk

Basisk: Legg til linker i den aktuelle noten

1. Åpne en notat
2. Klikk høyre i redigeringsverktøyet → "Process file (add links)"
3. Vente noen sekunder
4. Konseptene er nå koblet sammen!

Batch: Behandle flere notater

1. Klikk høyre på en mapp i filexploreren
2. Välj "Notemd: Process mapp (legg til lenker)"
3. Konfigurere:
   • Samtidighet (hvor mange filer parallelt)
   • Skriv over eksisterende lenker (ja/nei)
4. Klikk Process

Selektivt: Lenke til spesifikt tekst

1. Hajser opp tekst til behandling
2. Klikk høyre → "Process selection (add links)"
3. Apenbarelysningen analyseres kun

Notemd vs Auto Link

Obsidian har to metoder for automatisk wiki-linking:

	Auto Link	Notemd
Lenkekilde	Existerende notetitel i vault	Konsepter identifisert av LLM i innholdet
Kan lage nye konsepter	Nei – titelen må allerede eksistere	Ja – AI identifiserer konsepter og skaper notater
Hantering av synonymer	Nei	Ja – undertrykkelse av synonymer
Skapelse av konseptnotater	Nei	Ja – med baklenger og duplikatkortning
Batchbehandling	Nei (enkelt fil)	Ja (mappnivå)
Modellrutning per oppgave	Nei	Ja

Auto Link matcher titler: Hvis en notat med navnet "Machine Learning" eksisterer, omgjør det oppførselene i [[Machine Learning]]. Hvis notaten ikke eksisterer, skjer ingenting.

Notemd er AI-stuert: LLM leser din innhold, forstår konteksten, identifiserer konsepter som bør bli koblet – selv om ingen notat eksisterer ennå – og skaper både lenken og konseptnotaten.

Funksjoner

Undertrykkelse av synonymer

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

Løsning: Notemd oppdager nær-duplikater og bruker kanonisk form.

Konfigurasjon:

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

Link Integrity

Når du endrer navn på en konseptnotat:

• Alle wiki-linker oppdateres automatisk (Obsidian kjernefunksjon)
• Backlinkene forblir intakte

Når du sletter en konseptnotat:

• Linkene forblir men vises som "unlinked mentions"
• Du kan skape den på nytt fra enhver forekomst

Pure Extraction Mode

Ekstraher konsepter uten å endre det opprinnelige:

1. Høyreklikk → "Extract concepts (no linking)"
2. Konseptnotater blir skapt
3. Opprinnelig fil forblir uendret

Bruksfall: Behandling av kun-lese-innehold eller endelige utkast.

Concept Note Generation

Automatic Creation

Når det er aktiveret (standard), skaper 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]]

Konfigurasjon

Utdata-mapp:

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

Avanserte valg

Kontekstvindu

Hvor mye omgivende tekst skal sendes:

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

Større verdi = bedre nøyaktighet, høyere kostnad.

Minimum antall forekomster

Koppla kun sammen konsep som aparerer flere ganger:

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

Still på 2 eller 3 for å fokusere på gjentakende temaer.

Utklære mønster

Slett visse ord:

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

Forhindrer overkobling av generelle termer.

Skrivetilpassede prompter

Øverstille standard LLM-instruksjoner:

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

Endre for domenespesifikke behov (f.eks. "Fokuser på medisinsk terminologi").

Tips og beste praksis

✅ Gør

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

❌ Gør ikke

• Overlink — Ikke alle substantiver behøver en link
• Behandle utkast flere ganger — Konseptene kan endre sig, vent til de er stabile
• Ignorer synonymer — Aktiver suppression for at unngå "ML" vs "Machine Learning"

Prestasjon

Hastighet

Størrelse på notater	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	Delvis (mehrere kaller)	Delvis	Delvis

Kostutschatning

Eksempel: 1000-ords notat med GPT-4o-mini

• Inntak: ~1500 tokener
• Utdata: ~200 tokener
• Kostnad: ~

Batchbehandling av 100 notater: ~

Feilforskning

Ingen linker tilføyd

Kontroll:

1. LLM kallet med succes (Settings → Diagnostics)
2. Noten har tilstrekkelig innhold (>50 ord)
3. Konseptene er tekniske/spesifikke (ikke bare pronomer)

Prøv:

• Bruk en mer kraftig modell
• Øk contextvinduet
• Kontroller degens gyldighet for API

For mange lenker

Løsninger:

1. Øk minst antall forekomster (2 eller 3)
2. Legg til vanlige ord til utelukkelseslisten
3. Bruk en mindre aggressiv modell

Felle konsepknettert

Løsninger:

1. Bruk eksklusiv prompt for domen-specifikke resultater
2. Aktiver synonymsuppresjon
3. Gjennomgå manuelt og fjerne koblinger

Koblingene brukes ikke etter endring av navn

Dette er normalt Obsidian oppførsel.

For å oppdatere alle koblinger:

1. Endre navnet på konseptnoten
2. Obsidian oppdaterer automatisk [[old]] → [[new]]

---

Neste trinn

• 📖 Konseptnoter — Dyptgående informasjon om generering av konseptnoter
• 🔍 Forskning integrert — Kombinere koblinger med webbenorskning
• 🎨 Diagrammer — Visualisere din kunnskapsgraf