第8章　hub 與 leaf：決定詞條的比重

初次開啟 Vault 的圖譜檢視時，1,500 個點會鋪滿畫面，線條在各點之間連結。仔細看便會發現，點的大小並不相同。有些點匯集數十條線，有些只有兩三條線抵達；這種比重差異正是第 8 章的核心：辨別哪個點是 hub、哪個是 leaf。

無尺度網路：自然選擇的結構

假設我們分析網際網路中網頁互相接收連結的分布。數十億網頁各自收到多少連結呢？

阿爾伯特－拉斯洛・巴拉巴西在 1999 年分析這個問題時，結果與預想大不相同。大多數頁面幾乎沒有收到連結，Google、YouTube、Wikipedia 等少數頁面卻聚集了數十億個連結。連結並非均勻分散，而是集中於少數節點。

巴拉巴西將此稱為無尺度網路（scale-free network）。這個模式不只出現在網際網路；機場航線網、腦神經連結、城市道路網、學術論文引用結構中都能觀察到同樣現象。只要是連結自然成長的網路，幾乎無一例外都會遵循這種模式：連結集中到少數 hub，其餘大多數節點的連結較少。

Librarying 的 Vault 中也會出現同樣模式。1,500 個詞條裡，收到最多 wikilink 的 100 至 150 個會自然浮現，這些就是 IP 的 hub；其餘 1,300 至 1,400 個是連結較少的 leaf。這並非人在事後任意指定，而是本來就存在於 IP 裡的結構。長期喜愛某 IP 的粉絲若被問「這個 IP 最重要的是什麼」，往往能馬上列出十到二十項，正是因為他們以直覺知道這個結構。Vault 的 hub 工作是以資料確認那份直覺。

完成的故事裡也可看到這種分布。網路小說《全知讀者視角》中，星座、化身、鬼怪不斷出現，劇中劇篇幅甚至超過 3,000 話，但敘事終究回到金獨子、劉眾赫、韓秀英三人。引用匯集的 hub 是這少數人物，其餘眾多存在是填滿一個場景後散去的 leaf。遊戲《英雄聯盟》也有 170 多名英雄，但故事實際展開的舞台集中在蒂瑪西亞、諾克薩斯、蘇瑞瑪等十多個核心區域。角色可分散成上百個 leaf，引用集中的區域 hub 卻只有少數。

百科全書早已做了數百年的這種決定

以不同方式處理連結多與連結少的項目，不是 Librarying 的發明，而是百科全書編纂學數百年來一直在做的事。

以 1768 年首次發行的《大英百科全書》為例，其中既有一行定義的條目，也有長達數十頁的專題。「小提琴」可能只有兩段，「音樂」卻長達數十頁；「倫敦」以簡短定義收束，「大英帝國」則被視為長篇專題。編輯委員會花費很長時間判斷哪些項目值得獲得長篇待遇；這項決定形成百科全書的知識階層，也左右讀者如何探索知識。

數位百科全書 Wikipedia 也是如此。數千名編輯歷經數十年打磨的「大韓民國」條目超過數萬字，小村落條目則可能只有人口與地理資訊的兩三行。連結越多、重要性越高，投注的工夫就越多。Librarying 的 hub 與 leaf 區分，正是把這個傳統帶進 Obsidian Vault：hub 相當於 IP 的大英百科專題條目，leaf 相當於簡略定義條目。

hub 與 leaf 的定義

hub是其他詞條頻繁引用的詞條；在 Obsidian 圖譜檢視中，許多線匯集的點就是 hub。一個 IP 的核心概念、主要人物、中心舞台、核心裝置都屬於此類。以一句話概括 hub 的性質：若不了解這個詞條的內容，便很難理解許多其他詞條。以食物與家門為題的世界觀「傳授書」中，不知道「手味」，就無法理解「家臣」、「傳授書」、「宗婦」、「禁忌食材」，因此手味是 hub。

leaf是引用較少的邊緣詞條，例如只被提到一兩次的配角、短暫出現的事物、作為背景的文化詞彙，其他詞條幾乎不引用它們。這不代表 leaf 不重要。沒有 leaf，Vault 會顯得空洞；一個配角雖是 leaf，卻可能在一個場景中決定 IP 的氣氛。leaf 是構成 IP 世界密度的詞彙，只是不應像對 hub 一樣投入同等的寫作資源。

一個 IP 大致會呈現這種分布：hub 約占 10%，即 100 至 150 個；中間層約占 20%，即 200 至 300 個；leaf 約占 70%，即 1,000 至 1,200 個。過去曾以「被引用 16 次以上」之類的閾值說明，實務上卻不會如此簡單切分。先同時計算出現頻率與被引用數，做出候選表，再由人檢視候選詞條、確認其是否是 IP 的核心。換成篇幅，hub 要寫成多個較深入的段落；中間層介於兩者之間；leaf 則寫成一兩句至一兩段。這三個層級成為第 4 階段敘述寫作的篇幅標準，並決定 90% 的寫作時間分配。

這裡要先釐清一點：hub/leaf 的分布是按引用比重劃分的軸；第 9 章把人物詞條分成主角、主要、配角、單角四層並區別篇幅，則是按敘事角色劃分的另一軸。兩軸標準不同，會同時套用於一個人物；例如既是主角又是 hub 的人物，就寫得最深、最長。

自動計數與人的決定

決定 hub 的第一項工具是自動計數。第 2 次整合填入相關關鍵字欄時，計算每個詞條在其他詞條詳細說明中出現幾次；計數高的詞條就成為 hub 候選。

不過，引用次數排名不能原封不動成為 hub 清單。自動計數會漏掉三種情況。

第一種是到處出現但不是核心的詞條。若一個 IP 的所有人物都在「皇帝都市梁」度過童年，梁的被引用數會非常高，但 IP 的故事不一定圍繞梁運轉，它更接近共同背景資訊。這類詞條即使計數高，也可能適合放在中間層而不是 hub。

第二種是引用少卻決定 IP 身分的詞條。某裝置可能只在一部作品出現，卻決定了這個 IP 的世界觀原理；即使被引用只有三四次，也是在眾多 IP 中區分它的精髓。它在自動計數中排名低，人的眼睛卻能明確看出它是 hub；只有深知 IP 的人能發現這樣的詞條。

最後是各世界觀軸的核心詞條。第 6 章所定的每個世界觀軸中，被引用最多的詞條就是該軸的 hub 候選。它在全體引用排名可能居中，卻可能是特定世界觀軸內最重要的詞條。把全體計數與軸別計數一起看，Vault 的結構就會立體浮現。

這三種情況由人直接判斷。收到自動計數結果後，人要決定「這個詞條計數低仍是 hub」、「這個詞條計數高仍是 leaf」。

確定 hub 的實際過程

確認 hub 分四步進行。

第一步是產生自動計數前 200 名清單。分析第 2 次 CSV 的相關關鍵字欄與詳細說明欄，計算每個詞條在其他詞條內被引用的次數，取出前 200 名。這 200 個中約有 100 至 150 個會留下成為實際 hub。

接著是快速瀏覽清單。快速看過前 200 個，把共同背景資訊、只是常被提到的地名、像助詞般使用的詞標記為「不是 hub」並排除；這一步通常會去掉 50 至 100 個。

第三步是從計數外加入 hub。從剩餘清單之外尋找「是 IP 精髓但引用少的詞條」。這需要深知 IP 的人的直覺。快速捲動全體 1,500 個詞條名稱，把映入眼簾的加入，通常會增加 10 至 30 個。

最後是按世界觀軸交叉確認。逐一檢查各世界觀軸，查看每個軸是否有合理的 hub 分布。若家臣軸有 30 個 hub、宗家軸只有 2 個，代表宗家相關工作相對做得淺。發現這種不平衡時，要判斷應重新檢查宗家軸的詳細說明，或視為 IP 真實比重差異的反映。

熟練製作人完成這四步約需 30 分鐘至 1 小時。此處速度很重要：每個詞條考慮太久，時間會幾何級數增加。因此只分成「確定是 hub」「確定不是」「不確定，先當 hub」三類。猶豫的項目可在第 4 階段寫敘述時再調整。

hub 清單產生的成果

hub 確定後會產生兩項成果。

其一是IP 核心詞彙辭典。100 至 150 個 hub 的清單本身就是 IP 的核心詞彙辭典。先把 hub 清單交給初加入 IP 的編輯、譯者或夥伴，他們不必讀完 1,500 個，只讀 100 個就能理解 IP 骨架，最快掌握核心。

其二是第 4 階段寫作的順序表。hub 的確定決定第 4 階段敘述寫作的順序；因為 hub 敘述是後續所有寫作的語調標準，所以要從 hub 開始寫。

這也自然帶到第 9 章。hub 詞條的敘述不交給 AI 工作夥伴，而由製作人親自撰寫，有兩個理由。

hub 敘述會成為後續全體寫作的語調標準。 製作人親自寫完 5 至 10 個 hub 後，那些敘述就成為展示此 IP 敘述質地與語調的案例集。把 1,000 個 leaf 敘述交給 AI 工作夥伴時，一併交出兩三篇 hub 敘述作為「請用這種語調寫」的範例。沒有 hub 就沒有語調標準；沒有語調標準，1,000 篇敘述就會各有各的語調。

hub 敘述會成為檢閱寫作品質的標準。 親自寫了 hub 敘述的人在檢閱後來委派產生的敘述時，會看「是否與 hub 的態度一致」。有標準才能檢閱，沒有標準的檢閱只會停留在主觀。

由製作人親自寫約 5 至 10 個代表 hub，再把其餘交給 AI 工作夥伴，這就是第 4 階段寫作的分工原則。

在 Vault 圖譜中看 hub 與 leaf

回到第 3 階段骨架建置完成、初次開啟 Vault 時的圖譜檢視。確定 hub 後，在圖譜檢視中為 hub 詞條指定較大的點或不同顏色。設置獨立標籤或顯示值，就能在 Obsidian 以顏色區分 hub 和 leaf，也能在安排第 4 階段寫作順序時直接取用清單。

圖譜於是改變。起初 1,500 個點看來大小相仿，現在 100 至 150 個大點構成網路中心，其餘小點附著在大點周圍。這如同以大型樞紐機場為中心、小型機場連接其間的航線圖，正是 Librarying 生成的 IP 結構地圖。

這張地圖還能讀出另一件事。依第 6 章設計的世界觀軸區分顏色，就能看見哪個軸出現大量 hub。若家臣軸的 hub 多，表示這個 IP 以家臣信仰為核心基礎；反之，若某軸幾乎沒有 hub，則該軸要麼尚未充分開發，要麼在此 IP 中實際比重較低。檢視這個分布，可以調整第 4 階段寫作的資源分配。

IP 關係者可一起看這張地圖，共享「我們 IP 的核心是什麼」。即使長期製作 IP 的團隊，也未必曾一眼看見全體結構；有時經營五年的 IP 團隊第一次看到地圖，會意識到「原來我們的 IP 是這種結構」。Vault 圖譜首次把這個結構展示出來。

手握 hub 清單

hub 與 leaf 不只是篇幅問題。自動計數只是資料，決定 hub 則是解釋資料的判斷；兩個人看同一份資料，仍可能做出不同的 hub 清單。差異就是對此 IP 的理解深度不同。hub 的決定需要製作人的判斷。

當 100 至 150 個 hub 的清單完成後，它既是這個 IP 的核心詞彙辭典，也是第 4 階段寫作的路線圖。

第 9 章是第 4 階段敘述寫作：為只有骨架站立的 1,500 個詞條 Vault 寫入讓 IP 世界活起來的敘述。它從製作人親自寫 5 至 10 個代表 hub 開始，接著探討如何把剩餘部分交給 AI 工作夥伴並保障品質。

第 9 章與第 10 章都會出現檢查，但層級不同，先在此釐清。第 9 章的五個檢閱階段，是讓一個詞條或一個批次通過的工作單位檢查；第 10 章的三階段驗證，則是在交接前檢視所有 1,500 個都已填滿的 Vault 整體。前者是詞條單位，後者是 Vault 單位。

第8章 hub 與 leaf：決定詞條的比重