Większość ludzi organizuje wiedzę tak jak organizuje szafy. Kategorię dla kategorii, folder dla folderu. Segregator A, segregator B. Kiedy coś pasuje do dwóch kategorii — problem. Obsidian proponuje inne podejście: nie gdzie leży plik, ale jakie ma właściwości. ## Foldery kłamią. Atrybuty mówią prawdę. Folder to deklaracja: *to jest tutaj*. Problem polega na tym, że wiedza nie ma jednego miejsca. Artykuł o Zettelkasten należy do kategorii PKM, ale też do kategorii Obsidian, i jest też metodą dla projektów naukowych, i częścią pracy nad konkretnym projektem. Gdzie go schować? Frontmatter rozwiązuje to inaczej. Zamiast *gdzie jest*, definiujesz *czym jest*: ```yaml category: "[[PKM]]" tags: - zettelkasten - obsidian - metodologia projekt: "[[Moja baza wiedzy]]" status: aktywny created: 2026-05-18 ``` Plik leży gdziekolwiek — albo w płaskiej strukturze bez folderów. Ale Dataview znajdzie go przez każdy z tych atrybutów. Możesz mieć widok "wszystko co dotyczy projektu X", widok "wszystkie aktywne notatki w kategorii PKM", widok "niezakończone zadania z ostatnich 7 dni". Żaden z tych widoków nie wymaga reorganizacji plików. ## Dataview: SQL dla Twojego vault Dataview to plugin, który traktuje frontmatter jak bazę danych i pozwala zadawać zapytania: ```dataview table without id file.link as Projekt, status as Status, deadline as Termin where category = [[Projekt]] and status != "zakończony" sort deadline asc ``` Wynik to dynamiczna tabela — aktualizuje się automatycznie gdy zmieniasz pliki. Nie edytujesz listy ręcznie. Strukturę zapewniają dane, nie ręczna administracja. To pozwala budować widoki, nie struktury: ten sam plik może pojawić się w kilku różnych widokach jednocześnie, zależnie od zapytania. Kanban projektów, lista zadań na dziś, archiwum artykułów per kategoria — wszystko z tych samych plików, przez różne filtry. ## Checkboxy, statusy, daty — machine-readable Obsidian obsługuje zadania w składni markdown: ```markdown - [ ] Napisać artykuł o Dataview - [x] Zaktualizować frontmatter - [/] W trakcie: rewizja tekstu ``` Dataview potrafi je zbierać z całego vault — przykładowe zapytanie: ``` task where !completed group by file.link ``` Wynik: dynamiczna lista wszystkich otwartych zadań z całego vault, pogrupowana po pliku: | Plik | Zadanie | | ------------------- | -------------------------------- | | Projekt Alpha | ☐ Przygotować ofertę dla klienta | | Projekt Alpha | ☐ Wysłać brief do zespołu | | Research Q2 | ☐ Przeczytać raport rynkowy | | Tygodniowy przegląd | ☐ Zaktualizować priorytety | Aktualizuje się automatycznie przy każdej zmianie. Żadna lista zadań nie jest „osobnym narzędziem ## Wspólny język człowieka i maszyny Tu zaczyna się najciekawsza część. Frontmatter to format, który czyta zarówno człowiek jak i maszyna. Dataview widzi atrybuty i buduje widoki. Python widzi atrybuty i przetwarza pliki. REST API Obsidianu wystawia metadane na zewnątrz. Skrypt deploymentu czyta `publish: true` i wie co synchronizować. LLM czyta frontmatter i rozumie kontekst notatki. Kiedy projektujesz vault z myślą o spójnych atrybutach, budujesz coś, co jest jednocześnie czytelne dla Ciebie i przetwarzalne przez narzędzia — bez żadnej dodatkowej warstwy tłumaczenia. Praktycznie: AI asystent piszący do Twojego vault używa tych samych konwencji co Ty. Skrypt synchronizujący treść strony czyta te same atrybuty co Dataview. Wszystko mówi tym samym językiem — bo plik tekstowy z fronmatterem to najprostszy możliwy format wymiany danych. ## Nie myśl przez foldery Konkretna zmiana, która odblokuje dużo: Zamiast pytać *do którego folderu to trafi* — pytaj *jakie atrybuty opisują ten plik*. Zamiast szukać przez hierarchię — filtruj przez właściwości. Zamiast tworzyć nowy folder dla nowej kategorii — dodaj tag lub atrybut frontmatter. Vault rośnie wtedy nie wzwyż (głębsze drzewa folderów) ale wszerz (więcej atrybutów, więcej powiązań, bogatszy kontekst). I ten wzrost jest użyteczny — bo Dataview potrafi z nim pracować. --- *Powiązane:* - [[Jeden sejf — wiele rzeczywistości]] — jak ta architektura obsługuje wiele projektów jednocześnie - [[Obsidian + AI — maszyna w tej samej bazie]] — jak AI korzysta z tej samej warstwy danych - [[Zettelkasten, PARA i to co jest między nimi]] — systemy organizacji wiedzy, które dobrze działają z tym podejściem