当你面对大量零散的AI学习笔记、会议纪要或产品文档时，是否希望它们能自动串联成一张可跳转、可追溯的知识网络，而不是在文件夹中堆砌得越来越杂乱？遗憾的是，天工AI目前并不具备双向链接功能——它无法像Obsidian或Logseq那样实现内部链接解析与反向索引。

天工AI为何缺失双向链接能力

这主要源于其产品定位与底层架构设计。天工AI本质上是一款企业级问答与内容生成助手，核心工作流程为：你上传文档后，系统将内容切分为语义块并存入向量库，等待后续提问触发检索。在此过程中，系统并不关注段落之间是否存在语法锚点或ID关联。

可以明确地说，它无法识别类似 [[双括号]]、![[嵌入]]、^1234 这类标记语法。当你上传一个写满内部链接的Markdown文件，系统只会老老实实地解析文字，但那些链接本身会被当作纯文本“冲洗”掉。你看不到任何可点击跳转的按钮，也无法在其他知识卡片中找到“被引用”列表。简而言之：底层架构完全不同。

替代方案：利用知识库与智能体模拟关联效果

尽管无法实现真正的双向链接，我们可以通过巧妙的操作流程，在提问时触发跨文档的语义关联，从而获得类似体验。本质上就是将“硬链接”转化为“软链接”。

第一步：上传文档时，名称应体现逻辑关系。
例如，当你拥有《Prompt工程规范_v2.docx》《RAG调试日志_202605.txt》《客户投诉归因分析.pdf》时，建议在命名中明确包含“Prompt”“RAG”“归因”等关键词。这有助于后续语义召回更精确地对齐。

第二步：创建一个知识库，将需要关联的文档统一放入。
切记不要为每个文档单独建立知识库。必须将所有文档放入同一个库，并启用“智能切分”功能。这是关键前提：只有让模型在同一个向量空间内同时看到这些文档，才能建立其间的距离关系，进而实现跨文档关联。

第三步：提问时，使用明确的指代词激活关联。
例如输入：“请对比《Prompt工程规范》中提到的‘三阶提示法’与《RAG调试日志》里第5条失败案例，它们共同暴露了什么问题？”
此时，天工AI会同时检索这两份文档的片段，并在回答中标注具体来源。这在实质上形成了“软链接”——虽然没有页面跳转，但知识已被有效串联。

真正支持双向链接的替代工具推荐

如果你的工作流对双向链接存在硬性需求，建议借助其他工具或将它们组合使用。

方法一：Obsidian + 天工AI插件（需本地部署）
这套组合功能强大。将知识库Markdown文件放入Obsidian的Vault中，然后安装社区插件「Text Generator」，并配置好天工AI的API密钥。之后，在笔记中写下 [[RAG调试日志]]，选中该链接，右键选择「Ask AI about this note」，Obsidian会自动将目标笔记的全文发送给天工AI，并返回分析结果。

方法二：Notion AI + 页面关系属性
在Notion数据库中，为每张知识卡片添加一个“相关卡片”的多选属性，手动勾选要关联的项。接着直接使用 /ai 指令，输入：“总结这三张卡片的共同风险点”。AI会读取所有被勾选的页面内容，并给出回答。这种做法的逻辑是：关系由你自定义，推理分析由AI完成。

方法三：使用支持反向链接的国产工具「语雀」
语雀的文档内链会自动生成“被引用”侧边栏，清晰展示文档间的引用关系。它还支持导出为Markdown格式。即使将导出的文件上传到天工AI后会丢失链接功能，但你在语雀端已经搭建了完整的结构，随时可以返回检索和回溯。