學術網頁剪藏的難題

研究內容分散在各處：

arXiv、Google Scholar、PubMed、SSRN 上的論文
用通俗語言解釋複雜概念的部落格文章
工具、框架和資料集的文件
Reddit、Twitter 和 Stack Overflow 上包含實用見解的討論帖

每個來源的版面不同、雜訊不同、格式不同。複製貼上到 Obsidian 會得到一堆格式混亂、圖片遺失、導航元素殘留的內容。

乾淨的研究工作流程

第一步：用 Save 擷取內容

Save 的 AI 提取功能處理了困難的部分——將雜亂的網頁轉換為乾淨、結構化的 Markdown：

導航至論文、文章或文件頁面
點擊 Save 擴充功能
下載 .md 檔案

你將獲得：

清晰的標題層級，與論文結構相符
保留的程式碼區塊，適用於技術內容
正確格式的清單和表格，遵循標準 Markdown
無廣告、無側邊欄、無 Cookie 彈窗

第二步：整理到研究資料庫

按研究領域組織你的資料庫：

research-vault/
  literature/
    machine-learning/
    distributed-systems/
    human-computer-interaction/
  notes/
    concepts/
    methods/
    findings/
  projects/
    thesis/
    paper-draft/
  meta/
    reading-list.md
    literature-review-matrix.md

第三步：新增研究元資料

儲存後，為每個剪藏的來源新增 frontmatter：

---
title: "Attention Is All You Need"
authors: ["Vaswani et al."]
year: 2017
source: "https://arxiv.org/abs/1706.03762"
type: paper
status: read
tags: [transformers, attention, nlp]
rating: 5
---

這些元資料為 Obsidian 的 Dataview 外掛提供文獻綜述查詢能力（詳見下文）。

第四步：提取關鍵見解

不要只是儲存——要主動處理。為每個來源在頂部建立摘要部分：

## 我的摘要
- 引入了 Transformer 架構，用自注意力機制取代 RNN
- 核心見解：僅靠注意力機制（無需循環結構）即可處理序列到序列任務
- 實現訓練過程的大規模並行化
- 所有現代 LLM（BERT、GPT 等）的基礎

## 關鍵引用
- [具體頁面/章節引用]

## 與我的研究的關聯
- 直接適用於 [你的專案/論文主題]
- 在 [特定觀點] 上與 [另一來源] 存在矛盾

建立文獻綜述

矩陣法

在 Obsidian 中建立文獻綜述矩陣：

# 文獻綜述矩陣：Transformer 架構

| 論文 | 年份 | 主要貢獻 | 方法 | 發現 | 相關性 |
|------|------|---------|------|------|--------|
| [[literature/attention-is-all-you-need]] | 2017 | 自注意力 | 架構 | 優於 RNN | 基礎 |
| [[literature/bert-pre-training]] | 2018 | 雙向預訓練 | 預訓練 | 11項任務SOTA | 方法 |
| [[literature/gpt-scaling-laws]] | 2020 | 縮放規律 | 實驗 | 可預測縮放 | 背景 |

每個條目都連結到你資料庫中完整的剪藏來源。需要細節時點擊進入閱讀原文。

Dataview 查詢

借助 Dataview 外掛，以程式方式查詢你的研究：

TABLE authors, year, rating, status
FROM "literature"
WHERE contains(tags, "transformers")
SORT year DESC

這將為你提供一個動態的文獻表格，隨著你新增來源自動更新。可按狀態、評分、年份或任何元資料欄位篩選。

特定來源的技巧

arXiv 論文

arXiv 的 HTML 頁面可以很好地用 Save 剪藏。摘要、章節和參考文獻都能轉換為乾淨的 Markdown。對於僅有 PDF 的論文，剪藏 arXiv 摘要頁面並在 frontmatter 中記錄 PDF 連結。

Google Scholar

剪藏論文的落地頁獲取元資料。跟蹤到全文（通常在出版商網站或 arXiv 上）獲取完整內容。

技術部落格文章

研究者的部落格文章通常用通俗語言解釋他們的論文。這是寶貴的資源——同時儲存論文和解釋性部落格，然後將它們關聯起來：

另見：[[literature/transformers-blog-explained]]（通俗解釋版）

文件和教學

技術文件（PyTorch、TensorFlow、scikit-learn）是你會反覆查閱的參考資料。儲存一次，歸檔到相關工具下，並從專案筆記中連結過來。

協作工作流程

如果你在一個研究小組中工作：

每個人在自己的資料庫中剪藏和處理來源
透過 Git 或共享資料夾分享處理後的摘要（frontmatter + 摘要部分）
將發現合併到共享的文獻綜述矩陣中

Markdown 格式使共享變得簡單——沒有專有格式，沒有相容性問題。

長遠積累

每週剪藏和處理 5 個來源的博士生，一年後將擁有 250 多篇組織良好、可搜尋的筆記。當需要寫作時：

文獻綜述可以從你的矩陣和 Dataview 查詢中直接生成
引用易於查找——搜尋你的資料庫，而不是 Google
論文之間的聯繫在 Obsidian 的圖譜視圖中清晰可見
AI Agent 可以透過 MCP 在你整個研究庫中進行綜合分析

你在乾淨剪藏和整理上投入的時間，在寫作階段會獲得指數級的回報。

開始使用

安裝 Save 並建立你的研究資料庫
挑選 3 篇你最近閱讀的論文或文章
用 Save 剪藏它們，新增 frontmatter，寫一份摘要
在相關時將它們相互連結
感受有組織的研究與一堆書籤之間的差異