试了下rg，好奇你是怎么专门只搜索heading的？
是类似用 ^\*+ .*keyword.* 这样的正则表达式么？
我没有过滤，不是仅搜索heading，你这样用正则过滤应该可行。
所以是能定位到行，但是在搜索结果页面并不知道该匹配结果属于哪个笔记，是么？
是有文件分组的，知道匹配的行对应的文件，光标移动到每个匹配的行，源文件会跟着更新。我笔记不是很大，这样用觉得够用。
了解，所以更适合一个文件一个笔记的组织方式，也就是org-roam提倡的卡片笔记方式，而不适合一个大文件里有很多heading的情况
org-roam 最新的提交已经支持链接到 headlines 了。
补充：
对于原先用大文件管理笔记的同学，目前还没有办法无缝迁移到org-roam
org-roam所依托的zettelkasten方法本身并不鼓励大文件笔记，这在相当程度是因为这个笔记系统并不是为了“记录、储存”而服务的，也不是为了建成一个personal wiki那么简单，而是要作为一个second brain，能与之对话，并由此推进自己思考的知识系统，至少当年Luhmann就是因此而获得了变态级别的学术产出。在这个意义上org-brain也许并不能真的承担起其名字中的brain的称号。
Ahrens, S.的 How to take smart notes对这个系统的设置和运作提供了相当详细的说明，而且引用了大量的当代心理学研究等资料来解释为何这个系统是有效的。
5 个赞
这本书至今没有中文版，英文的看起来真的太吃力了。
慢慢读嘛。一小块一小块地读。作者写的时候就是这样一小块一小块地写的。
hi 请问用ORG-BRAIN经常会出现一个标题产生两个ID的情况 能否在哪里设置一下 让它别产生两个ID
我这没遇到你说的这个问题啊。没有重复的id。
我觉得说是大文件笔记，不如说大量内容的笔记。
鼓励「原子笔记」，单个笔记内容概括、精简。
传统的卡片盒是一个笔记一个「卡片」，数字实现时笔记和「文件」不一定非是一对一关系，也可能是多对一。因此说大文件笔记不太合适。
的确，电子实现能打破原来的物理局限，实现更多层次的互联。但同一文件会不会对其下的heading造成hierarchy的限制吧。
不是很确定您这句话的意思。
个人觉得hierarchy结构是天然的父子关系和兄弟关系，有些类型的笔记用树状结构是非常自然的。
如果有不同的分类方式，也没有关系，可以通过链接解决。相当于新建一个索引卡。
brain 与 roam 的同异：
1，同：两者都建立每个知识点的连接，就像大脑神经触突连接一样。
2，异：
brain是有意识的建立连接，并且梳理出上下级、平级知识点之间的关系；
roam是无意中建立起连接，根据程序自动的平级连接，触发人脑的思维。
5 个赞
inspiring! 刚好最近在思考这个问题 想听你多解释一下“语义网”?
这个问题很大啊。具体定义你可以看wiki。我的理解中，语义网的核心就两个：实体 和 关系。常见的存储形式是 三元组，例如(生成文法，引发，认知革命)、(认知革命，发生时间，1950s)分别表示了「生成文法引发认知革命」，「认知革命发生时间是1950s」。这也是三元组的两种表现形式：①实体—关系—实体 ②实体—属性—属性值
还以这段话为例：
古典政治学是由柏拉图受古希腊历史作品和古希腊文学作品的影响，将其中涉及对政治的关心抽取、提炼、总结、分析，创立的学科。
可以提取的三元组：
（柏拉图，创立，古典政治学）
（古希腊历史作品，影响，古典政治学）
（古希腊文学作品，影响，古典政治学）
三元组不够直观，概念图 就是语义网的图形化呈现方式。下图便是一个关于概念图概念的概念图实例。
从学科角度来看，语义网络是一种知识表示的方法，属于人工智能-知识表示和推理领域。语义网络是 Collins和Quillian：语义记忆的层级语义网络模型 的工程实现。虽然在认知心理学中，语义网络模型远不如联结主义模型有力，但是从传递知识的角度来说，语义网络模型还是值得借鉴。毕竟就算概念在人脑的表征方式是激活该概念后，神经联结网络中的分布模式，我们依旧难以从这个分布方式直接获取新知。联结主义模型实例如下：
知识图谱算是语义网络的一个具体应用吧。我这里讲得比较窄，一般而言语义网络 semantic network 指的是要为现在的互联网加上一层语义层，如此信息检索就可以通过知识推理实现，而非现在的索引、提取关键词的方式。
语义网络只是一个框架，而特定概念、问题的语义网络该怎么设计，又是另外一个问题了。这取决于对概念的理解程度、以及一点本体论的基本常识。
17 个赞