企业官网建设流程全解析

• 文档
• 教程
• 知识管理
• 科研

本文是「黑曜石玩家指南」第二章《obsidian 读文献》中的一篇操作型技术笔记，讲解科研人员首次精读一篇研究性论文时，如何在 Obsidian 中通过 Templater 模板，把文章的创新点（novelty）、研究意义（significance）和发展潜力（potential）三要素结构化地写入文献笔记，并借助 Dataview 插件完成全库信息聚合。读完本文，你将掌握「文章骨架」的概念框架、一条 30 秒内插入模板的操作路径，以及一套「先搜摘要、再读 introduction、最后溯源或求助」的兜底阅读策略，并理解这条笔记如何被后续的主题阅读、比较阅读与文献小结自动复用。

为什么第一次读原文要先解析文章骨架

在入库文献泛读中，你已经通过标题、摘要和 TOC 插图对一篇文献建立了「初读印象」，并用comment::、标签和评分完成了泛读。但那只是印象，还没有触及文章的内核。当第一次真正打开原文时，首要目标不是通读全文，而是尽快弄清文章的骨架。

什么是文章的骨架？对于一篇创新性研究论文，骨架就是三个要素：

• novelty（创新点）：这篇文章究竟新在哪里？论文必然有创新之处，否则无法发表，所以这是三者中最容易定位的；
• significance（研究意义）：这篇文章要解决的具体问题，带来了什么样的价值；
• potential（潜力）：牵一发而动全身，这项工作能促进哪些领域的发展，能延伸出哪些后续研究。

所以刚开始看一篇文章，应当带着这三个问题去搜读，而不是从头到尾通读。需要特别提醒的是：novelty 因为关乎发表通常写得比较清晰，而 significance 和 potential 很多工作只是说套话或泛泛而谈。因此在阅读时不要过分依赖文中怎么说，要结合自己的知识储备主动思考——说不定就能发现作者「丢了西瓜，捡了芝麻」，论文中埋藏着比作者自己宣称的更有价值的东西。

在文献笔记中插入「概括文章骨架」模板

解析文章骨架在 Obsidian 中的落点，是在**文献笔记（mdnotes）**中填写结构化内容。整个操作可以拆成三步。

第一步：打开目标文献笔记

打开某篇文献的笔记，它应当已经出现在 阅读清单 的「近期已阅」表格中。该表格由 Dataview 插件从02-Reading/mdnotes目录聚合生成，展示标签、评分和 comment 等信息：


在阅读清单的预览界面中点击 File 列的文件名，即可跳转到对应的文献笔记，然后把光标移动到笔记末尾。

第二步：通过 Templater 弹出模板面板

模板的插入依赖Templater插件（本模板库的核心插件之一，详见 obsidian第三方插件列表）。点击左侧边栏最上方的「Templater」插件按钮，或者直接按快捷键Alt+E（完整快捷键清单见 obsidian快捷键）：


第三步：选择「概括文章骨架」模板

按下按钮或快捷键后，会弹出一个模板对话框列表。在其中点击「概括文章骨架」，模板内容就会插入到文献笔记中光标所在位置。这本质上是 Templater 插件的基本用法——后面插入任何模板都可以这样做：


模板源码解析：双冒号语法与 Dataview 聚合

本模板库中「概括文章骨架」模板的实际源码位于 09-Templates/概括文章骨架.md，完整内容如下：

### 文章骨架 %%创新点到底是什么?%% novelty:: %%有什么意义？%% significance:: %%有什么潜力?%% potential::

注意两个细节：

1. %% ... %%是 Obsidian 的注释语法，在预览模式下不会显示，只作为填写时的提示语，提醒自己这三个字段分别回答什么问题。如果你不需要提示，可以删掉它们。
2. novelty::、significance::、potential::是 Dataview 插件可识别的行内字段（Inline Field）。正如在入库文献泛读中填写的comment::一样，双冒号之后必须输入一个空格再写内容，否则 Dataview 无法解析这一行信息，聚合查询就会失效。

填写方式与comment::完全一致：在双冒号后输入空格，再写具体内容，例如：

### 文章骨架 %%创新点到底是什么?%% novelty:: 将信息以 DNA 形式写入 3D 打印材料，实现可循环读取与复制打印 %%有什么意义？%% significance:: 探索 DNA 存储与增材制造结合的可行性 %%有什么潜力?%% potential:: 为信息存储材料的可编程制造提供新范式

这三个字段为什么值得认真填？因为它们会进入全库的数据流。在主题阅读与比较阅读一节中，作者提供了 Dataview 对这几个属性的查询模板：由于按照本教程流程完成初步阅读的研究性文献笔记必定包含 novelty、significance、potential 三个键值对，所以可以用 Dataview 直接把这些信息拉进比较表格，例如：

TABLE novelty AS 创新点, significance AS 意义, potential AS 潜力 FROM "02-Reading/mdnotes" WHERE file.name[0] = "@"

同时，阅读清单 中「近期已阅」「组会已分享」等表格也全部依赖这类行内字段做聚合。也就是说：一次填写，多处复用——文章骨架不仅是你自己的阅读记忆锚点，还是后续主题调研、组会分享和文献小结的数据来源。

文章骨架怎么写：从摘要到 introduction 的递进策略

本质上，文章骨架是对初读印象的进一步补充：初读印象（comment）可以作为文献标题的对应，那么文章骨架就可以作为文献摘要的对应。一篇好文章，往往已经在摘要中把 novelty、significance 和 potential 做了概括性描述。

第一优先级：翻译并提炼摘要

如果这篇文章属于你所在的小领域，你会更容易理解它的三要素——此时提炼文章骨架更像是对摘要的「翻译 + 提炼」。这东西是写给自己看、用来巩固印象的，所以不要写套话废话，不要照抄照搬。

填写时请尽可能简洁明了，哪怕只是几个关键词就行。因为这是给你自己看的，只要日后看到这些关键词能重新唤醒对这篇文章的记忆就达标了。这里没有所谓的对错，就按照你自己的理解来。例如对于一篇关于 DNA 存储与 3D 打印结合的论文，可以这样概括创新点：把兔子 3D 打印所需的信息存储到 DNA 中制作材料，3D 打印成一只兔子，从兔子上取一点材料读取信息，又可以打印一只一模一样的兔子。

第二优先级：读 introduction

如果摘要看不太懂，就需要进一步阅读introduction。引言部分会对文章要解决的具体问题和瓶颈、采用的方法策略、得到的结果，以及这些结果的意义和潜力有更详细的说明。

第三优先级：溯源搜索与求助

如果 introduction 读完仍然无法定位 novelty、significance 和 potential，可以按优先级尝试以下两种方式：

1. 根据 introduction 中的引用文献进行溯源搜索：一些概念和方法在被引用的原文中有更详细的说明。但溯源需要时间，请结合实际情况合理操作、适可而止；
2. 找师兄师姐甚至导师询问，注意问题一定要具体。比如针对创新性方面的疑问，可以这样问：「师兄，你看这篇文献要攻克某某问题，这个问题有其它的解决方案吗？这篇文章这种解决方案有啥优势和劣势呢？」

骨架之后：按需决定下一步阅读

无论因为什么原因阅读原文，解析文章骨架（abstract + introduction）都是必要的第一步——要不然就不读。完成这一步之后，再根据各自需求决定进一步阅读的方向：

• 了解和评价更具体的结果 → 读results；
• 学习实验方法和数据处理方法 → 读methods；
• 欣赏学习作者的思辨过程 → 读discussion。

这些更深入的阅读都可以在 PDF 批注中完成，具体批注与入库流程参见进一步阅读原文。

这里有一条贯穿整条工作流的逻辑：在本章小结-恭喜习得内功中，作者把读文献划分为三个阶段——泛读（看标题摘要拿初步印象）、解析骨架（看标题和 introduction）、主题阅读与比较阅读（同类主题一起读，比较 results 和 methods 的血肉）。解析文章骨架正是其中承上启下的关键一环：它把「印象」升级为「结构」，又为后续主题阅读准备好可查询的数据字段。

补充说明：综述类文献的骨架有何不同

解析文章骨架主要针对单篇研究性原创论文。如果你读的是综述，读法就不同了：综述不像研究论文那样提炼三要素，而是根据 introduction 和后文的各级小标题绘制思维导图（对应综述大纲），并思考你实验室或课题目前处于这张思维导图的什么位置。相关操作（修改ptype: review、使用 Mind Map 插件绘制思维导图）详见重要综述如何阅读。

小结

解析文章骨架是一条极其轻量但收益很高的文献阅读动作：带着 novelty、significance、potential 三个问题搜读 abstract 和 introduction，把答案以novelty::、significance::、potential::三个行内字段写入文献笔记，剩下的交给 Templater 插入模板、Dataview 聚合复用。这套流程在本模板库中的完整闭环是：当期文献速览（入库）→入库文献泛读（初读印象）→进一步阅读原文（PDF 批注）→解析文章骨架（本文）→主题阅读与比较阅读（深度比较），每一环的产出都是下一环的输入，最终沉淀为可以长期检索、反复唤醒的个人学术知识库。

• 文档
• 教程
• 知识管理
• 科研