這場小聚中，王啟樺博士把 Obsidian 的 Global Graph 視為一種「暴露思考盲點」的工具：它不是用來追求漂亮，而是用來看見哪些概念已經互相連結，哪些概念雖然重要卻仍然距離很遠。
Joe 的九宮格方法則提供另一個視角，把大主題拆成可寫、可讀、可交給 AI 協作的 1000 字單元。兩者結合後，一邊用 Graph View 找缺口，一邊用九宮格補連結，形成從圖譜到輸出的工作流。
Graph View 不只是把筆記畫成星空圖。它更像是外部化的思考檢查器，幫使用者看見自己長期關注哪些概念，以及哪些重要主題仍然沒有形成有效連結。
單篇筆記只是內容容器，真正形成知識網路的是雙向連結。當一個概念能從不同筆記進出，使用者就能在研究、寫作、教學之間快速切換視角。
如果兩個概念都重要，卻在圖譜上沒有路徑或距離太遠，這通常不是系統問題，而是思路尚未打通。這時候最有效的補法不是再收藏資料，而是直接寫一段連接兩者的文字。
王啟樺博士強調，Graph View 的顏色與節點大小只要足夠區分層級即可。分類越簡單，越容易長期維護；太追求漂亮，反而會模糊它作為思考儀表板的用途。
這場分享最有價值的結論，是把兩套方法接起來：先用 Global Graph 發現尚未關聯的概念，再用九宮格把主題拆成可輸出的單元，逐步補出新的連線與論述。
My Map 偏向自上而下的規劃，適合先定結構再填內容；Graph View 則偏向自下而上的探索，從既有筆記中發現潛在關係。前者利於規劃，後者利於發現。
Joe 提出的 1000 字九宮格，剛好落在人可讀、AI 可處理的交集。它能把圖譜中抽象的概念差距，轉成具體可寫的小段落，最後再往上堆成章節或 81 格結構。
AI 可以協助把蒐集來的文章分群、提煉標題、整理主題簇，但最後仍要回到使用者自己的經驗與判斷。圖譜只能顯示關聯，真正的知識內化仍需靠寫作與驗證。
王啟樺博士會從社群平台高流量內容裡篩選可長期使用的筆記，再透過關鍵字、圖卡、主題索引重新組裝。這讓知識庫不只服務自己，也逐步變成可分享、可教學、可出書的資產。
整理本次會議中 Graph View、九宮格、81 格寫作法的比較，並生成可分享的網站與筆記。
持續整理個人知識庫，補充雙向連結、局部圖與全局圖的實際用法，並沉澱成書寫素材。
實際用 Global Graph 找出尚未連起來的概念，再用九宮格寫出新的連接段落，驗證方法是否有效。
把 AI 的分群能力、Graph View 的關聯視覺化、九宮格的結構輸出結合成穩定工作流，逐步支持寫書、研究與教學。