Если вам интересна тема персональных систем управления знаниями и задачами — переходите в мой тг-канал. Там я разбираю инструменты, публикую кейсы и делюсь тем, что работает на практике, а не только выглядит красиво на скриншотах.
Ко мне обратилась исследовательница — социолог, изучающий, как на самом деле устроена жизнь коллективов: репутация, доверие, признание внутри команд. Работа устроена так: клиентка каждый день отсматривает и конспектирует по десятку новых научных статей и соотносит их с собственными эмпирическими данными. Ей нужна была система, которая свяжет весь этот разнородный материал воедино и позволит с ним работать, а не просто складывать.
Год назад она поставила под эту задачу Obsidian: смотрела видео, делала шаблоны, пробовала теги. Собрать из этого рабочую систему самостоятельно не получилось — за отдельными приёмами из туториалов не складывалась цельная картина.
Ключевые задачи
Сложность исследовательской работы — в объёме и разнородности материала. С одной стороны, десятки научных статей на разных языках, которые нужно законспектировать и вытащить из них главное. Единица работы здесь — выписка из источника. С другой — теория из разных дисциплин, которую эти выписки должны между собой связывать: авторы, объекты исследования, методологические подходы, области знания.
Отдельный пласт — собственные эмпирические данные. Клиентка работает с большими массивами цифровых следов коммуникации: выгрузки корпоративных переписок, отзывы, опросы. Эти данные нужно размечать, считать, строить по ним статистику и графы связей. Раньше всё это жило в Excel и на бумаге.
Главная сложность — систематизировать разнородный материал и удержать связи между сотнями единиц. Запрос клиентки звучал так: помочь с классификацией информации и построением многоуровневых связей между авторами, объектами исследования, методологическими подходами и областями знания.
Ещё одно условие — минимум сложной техники. Клиентка — гуманитарий, но уверенно работает с Claude и хорошо пишет промпты для итерационных задач. Система должна опираться на инструменты, которые она уже освоила, и оставаться простой в ежедневном использовании.
С чего началась настройка
Первый шаг — несколько рабочих встреч, чтобы разобраться, как клиентка реально работает:
какие источники читает и в каком порядке;
как конспектирует и что считает единицей выписки;
какие данные собирает и что хочет с ними делать;
что система должна показывать, когда исследование разрастётся до сотен заметок.
Из этих встреч выросли два документа — матрица решений, где каждой боли поставлено конкретное техническое решение, и эскиз архитектуры хранилища. Я готовил их параллельно, а затем мы согласовывали оба. По словам клиентки, в архитектуру попали и нюансы, о которых она сама не думала, — это и есть разница между шаблоном из туториала и системой под конкретный рабочий процесс.
Архитектура: маршрут от источника до текста
Хранилище устроено как сквозной маршрут: источник входит в систему, обрастает связями и на выходе становится частью научной работы. Разберём по шагам.
Источники — в Zotero
Первый узел системы — Zotero. Здесь клиентка читает статьи, проставляет теги, выделяет цветом ключевые фрагменты и пишет к ним комментарии. Это полноценная рабочая среда для литературы, и хранилище строится поверх неё: всё, что размечено в Zotero, дальше попадает в Obsidian без потерь.
Импорт в Obsidian и связи по смыслу
Мост между Zotero и Obsidian — плагин Zotero Integration. Я подключил к нему библиотеку Zotero, задал шаблон импорта (по нему заметка попадает в папку источников с нужными полями) и стиль цитирования — в этом кейсе ГОСТ Р 7.0.5-2008, подключённый CSL-файлом.
После этого заметка по статье создаётся по шаблону одной командой. В неё подтягиваются метаданные — автор, год, DOI, аннотация, — а выделенные фрагменты приходят в Obsidian готовыми коллаутами: цвет коллаута повторяет цвет выделения, рядом сохраняются комментарий, номер страницы и ссылка обратно в источник.
Все такие заметки собираются на стартовой странице, которую задаёт плагин Homepage. Она состоит из двух таблиц Bases — встроенных в Obsidian баз данных: входящие заметки и полный список источников с колонками «автор», «год», «теги». Список группируется по тегам, сортируется и фильтруется, а сами теги и ссылки связывают источники между собой по смыслу — по автору, области знания, методу. Так закрывается запрос про многоуровневые связи, и навигация строится по содержанию, а не по папкам.
Связи между выписками — на Canvas
Когда источник проработан, выписки из него нужно связать с уже накопленным материалом. Для этого — Canvas: на бесконечное полотно переносятся те самые цветные коллауты из Zotero, между ними вручную рисуются стрелки, подписи, цветовые группы.
Здесь я сознательно рекомендовал Canvas вместо графа. Граф в Obsidian красив, но для работы подходит хуже: на нём нельзя самому провести связь и подписать её. Canvas даёт исследователю контроль — он сам решает, что с чем связано и почему.
Сборка научной работы — в Long Form
Готовые фрагменты собираются в текст через плагин Long Form: он позволяет держать научную работу как набор фрагментов, гибко их компоновать и переставлять. Ссылки на источники клиентка ставит по ходу текста сносками, а цитаты оформляются по ГОСТ прямо из Zotero.
Когда рукопись компилируется, отдельный скрипт-шаг Long Form («Consolidate Footnotes») проходит по всему тексту, собирает разбросанные сноски, перенумеровывает их по порядку и сводит в единый список в конце документа. Готовый текст со сквозной нумерацией ссылок выгружается в Word.
Исследовательский инструмент вместо Excel и бумаги
Вторая половина запроса — собственные данные клиентки. Здесь Obsidian работает в связке с Claude Code, подключённым к хранилищу.
Психолингвистический анализ текстов
Claude Code видит заметки хранилища напрямую. Клиентка даёт ему свои тексты — выгрузки переписок, отзывы — и промпт под конкретную задачу: определить интенцию сообщения, разметить проявления признания, привести слова к нулевой форме, посчитать характеристики. Результаты работы Claude сохраняются обратно в хранилище и становятся частью базы знаний.
Простые графики из данных
Для базовой статистики не нужен отдельный инструмент. Выборка данных передаётся Claude Code, тот строит mermaid-график и сохраняет его прямо в Obsidian. Дальше текст, ссылки и графики компонуются на одном полотне Excalidraw.
Социальные графы — и где проходит граница
Графы «кто кому что отправил» с типами и весами связей строятся на Canvas или Excalidraw вручную. Здесь важно честно обозначить предел: тяжёлые социальные графы с большим числом узлов и взвешенными связями в Obsidian вести нецелесообразно. Для этого есть специализированные внешние инструменты, и система не пытается их подменить — она закрывает конспектирование, связи и лёгкую аналитику, а тяжёлые расчёты оставляет профильному софту.
Что получилось
Систему мы собирали итерационно — через разбор запроса, матрицу решений и эскиз архитектуры. А внедрение прошло в один шаг: клиентка получила настроенное хранилище и понятную инструкцию, и в несколько кликов у неё оказалось то, ради чего Obsidian ставился год назад.
Источники, выписки, собственные данные и готовый текст теперь живут в одной системе и связаны между собой. Поток статей больше не растворяется в разрозненных конспектах — каждый источник встроен в общую карту по автору, области знания и методологии.
Главный вывод кейса: систему нужно собирать под конкретный рабочий процесс. Универсальный набор плагинов из туториалов эту работу за исследователя не делает — поэтому год самостоятельных попыток не дал результата, а несколько встреч с разбором реальной работы дали.
Если вы тоже работаете с сотнями источников, а связи между ними держатся только у вас в голове, — напишите в комментариях, с каким объёмом материала имеете дело и на каком шаге тонете. Подскажу, что можно докрутить под вашу задачу.
Больше разборов и кейсов — в моём тг-канале.
