Karpathy LLM Wiki：用 AI 持续编译个人知识库

Source: (unknown)

Summary

Andrej Karpathy 在推文和 Gist 中分享了一种全新的个人知识库方案——不再把 LLM 当作 RAG 检索引擎，而是让它扮演「知识工程师」角色，持续增量地构建和维护一个结构化 Markdown Wiki。与传统 RAG 每次从原始文档从头检索不同，Wiki 知识被「编译一次、持续保持最新」，每次 Ingest 新资料都会触发 10-15 个页面的更新，实现知识复利增长。方案分三层：不可变的原始资料层、LLM 拥有的 Wiki 层、规则文件层（如 CLAUDE.md），围绕 Ingest / Query / Lint 三个操作运转。LLM 承担了人类最厌倦的布局维护工作，让 Wiki 不再荒废。

Key Points

• 核心思路：LLM 不是搜索引擎，而是知识工程师，负责编译和维护 Wiki 而非实时检索
• RAG 的致命缺陷：知识无积累，复杂问题每次都从头推导，答案即灭失
• 三层架构：Raw Sources（只读）→ The Wiki（LLM 写、人读）→ Schema（约定规则）
• 三大操作：Ingest 录入新资料并更新相关页面、Query 提问并回存好答案、Lint 定期体检找矛盾孤儿
• Obsidian 是 IDE，LLM 是程序员，Wiki 是代码库——实时协作工作流
• 呼应 1945 年 Vannevar Bush 的 Memex 构想：文档间关联和文档本身同等重要，LLM 解决了维护的人力问题

Transcript

transcript