卡帕西 Karpathy 的 LLM Wiki 方法

核心理念

传统 RAG（检索增强生成）的问题是：每次提问 AI 都要重新读原始文档，知识无法积累。

Karpathy 的方法：让 AI 把原始资料编译成一个持续进化的 Wiki，AI 不再是每次查资料的秘书，而是知识库工程师。

---

三层架构

1. Raw Sources（原始素材） — 你存放所有原始文档的文件夹（论文、文章、笔记、PDF 等）。AI 只读不改。
2. Wiki（知识库） — AI 生成的结构化 Markdown 文件集合，包含概念页、实体页、主题页等，互相链接。
3. Schema（规则文件） — 告诉 AI 如何组织 Wiki 的配置文件（如 CLAUDE.md 或 AGENTS.md）。

---

具体使用步骤

1. 获取 Karpathy 的指南

把 Gist 内容给 AI 工具：**https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f**

2. 准备文件夹结构

your-knowledge-base/
├── raw/              # 放原始素材
├── wiki/             # AI 生成的 Wiki
│   ├── index.md      # 内容目录
│   ├── log.md        # 操作日志
│   ├── entities/     # 实体页（人名、工具名等）
│   ├── concepts/     # 概念页
│   └── sources/      # 来源记录
└── CLAUDE.md         # 规则文件（告诉 AI 怎么做）

3. 把素材丢进 raw/ 文件夹

文章、论文、笔记、PDF 都可以。

4. 让 AI 处理

用 Open Code、Claude Code、Cursor 等工具，把 Karpathy 的 Gist 内容发给它，让它：

• 读取 raw/ 里的所有素材
• 生成结构化的 Wiki
• 创建概念页、实体页、主题总结

5. 用 Obsidian 查看

把整个文件夹用 Obsidian 打开，可以看到知识图谱，浏览 Wiki。

6. 持续更新

• 新素材 → 丢进 raw/ → AI 自动更新 Wiki
• 好答案 → 回写到 Wiki → 知识继续积累
• 定期让 AI 做 lint 检查 → 发现矛盾、过时内容

---

关键要点

• AI 写，你看 — Wiki 由 AI 生成和维护，你负责把控方向和提问
• 知识会累积 — 每次添加新资料，Wiki 都会更新，不是每次重新检索
• 用 Obsidian 浏览 — 图谱视图让你看清知识之间的联系
• 可以定制 — Karpathy 的文档是理念，具体结构你和 AI 一起定

Wiki 结构说明

概念层（concepts/）

存放你原创的、反复出现的、有完整论证的概念。每个概念一个 Markdown 文件，包含详细完整的表述。

实体层（entities/）

存放各种内容涉及到的实体，如人名、模型名、工具名等。这些都是你过去经常提到的。

线索层（threads/）

存放可以归纳到一起的大主题，把分散的内容用逻辑串起来，形成专栏或系列。

纲领性文件

• index.md — 结构性目录，内容导向，列出每个页面、链接、一句话摘要
• log.md — 按时间排列的操作日志，追加记录 ingests、queries、lint 等

三种核心操作

Ingest（摄入）

1. 把新素材放入 raw/
2. AI 读取素材，提取关键信息
3. 写入 Wiki 摘要页
4. 更新 index、相关实体页和概念页
5. 追加 log 记录

Query（查询）

1. 向 AI 提问
2. AI 搜索 Wiki 中的相关页面
3. 综合已有知识生成回答
4. 好的答案可以回写到 Wiki

Lint（检查）

定期让 AI 做健康检查：

• 页面之间的矛盾
• 过时声明
• 孤立页面（无入链）
• 缺失的交叉引用
• 数据缺口

社区衍生项目

• llmwiki-cli — CLI 工具：https://github.com/doum1004/llmwiki-cli
• OmegaWiki — 23 个 Claude Code skills：https://github.com/skyllwt/OmegaWiki
• SwarmVault — 48 个 agent 集成：https://github.com/swarmclawai/swarmvault
• WikiLoom — Python CLI 实现：https://github.com/do-y-lee/wikiloom
• MOM — 记忆导向基础设施：https://github.com/momhq/mom
• llm-wiki-coordination — 多 Agent 协调层：https://github.com/AEVYRA/llm-wiki-coordination