SilverBullet中Linked Mentions排序功能详解
2025-06-25 03:17:12作者:范垣楠Rhoda
SilverBullet作为一款强大的知识管理工具,其Linked Mentions(链接提及)功能可以帮助用户快速查看当前页面被哪些其他页面引用。但在实际使用中,用户可能会发现这些提及链接默认是无序排列的,本文将详细介绍如何实现Linked Mentions的排序功能。
功能原理
Linked Mentions功能的实现基于SilverBullet的模板系统。系统通过查询语句检索所有指向当前页面的链接,并在页面底部以列表形式展示。默认情况下,这些链接按照系统检索到的顺序显示,没有特定的排序规则。
排序实现方法
要实现Linked Mentions的排序,需要修改系统核心模板中的查询语句。具体步骤如下:
- 打开模板选择器,定位到
Library/Core/Widget/Linked Mentions模板文件 - 找到其中的查询语句部分:
query: | link where toPage = "{{@page.name}}" and page != "{{@page.name}}" - 在查询语句末尾添加排序子句
常用排序方式
根据实际需求,可以添加不同的排序条件:
-
按页面标题排序(字母顺序):
query: | link where toPage = "{{@page.name}}" and page != "{{@page.name}}" order by page -
按页面标题倒序排序:
query: | link where toPage = "{{@page.name}}" and page != "{{@page.name}}" order by page desc
注意事项
-
在SilverBullet 0.6.0版本中,系统可能会同时存在新旧两个Linked Mentions模板。为确保修改生效,需要删除旧的模板文件(位于
template/widget/linked-mentions)。 -
排序字段应使用
page而非toPage,因为toPage始终指向当前页面,而page字段才表示引用当前页面的来源页面。 -
修改模板后,需要重新加载页面或重启SilverBullet才能使更改生效。
扩展应用
除了基本的排序功能,用户还可以结合SilverBullet的其他查询功能,实现更复杂的Linked Mentions展示方式,例如:
- 按页面标签筛选后再排序
- 结合页面创建时间进行多条件排序
- 对特定前缀的页面进行优先排序
通过灵活运用这些功能,用户可以打造出更符合个人知识管理习惯的Linked Mentions展示方式,提升工作效率和信息检索体验。
掌握Linked Mentions的排序功能,能够帮助用户更高效地梳理知识网络中的关联关系,是SilverBullet高级使用的必备技能之一。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1