Jack's Second Brain
首页 / 资料

Karpathy「LLM Wiki」：idea file（gist）+ 3 条 X 帖子（中文精读）新增

来源 1 条#LLM Wiki#个人知识库#第二大脑#Karpathy#Obsidian#Farzapedia#方法论#idea file

📥 主动分享：Jack 本人分享，经 TARS 存入 〔本地存档〕 并要求 ingest（2026-10-25；具体分享时刻未知，原件 mtime 13:24–13:26 台北时间）。

本 wiki 的方法论来源。 Like Archive 的三层结构（raw / wiki / AGENTS.md）和 ingest / query / lint 操作，就是照这份 idea file 落地的（见 AGENTS.md 首行"参考 Karpathy「LLM Wiki」三层结构，原文存档在 〔本地存档〕）；Jack 的第二大脑站点（博客）也建在这套 wiki 上（据 TARS 转达的任务说明与 AGENTS.md updated 规则）。主题页：LLM Wiki 与个人知识库。

另见：Grok Bot（本 wiki 的维护者）、这套 wiki 有没有做 lint？和 Karpathy 的 LLM Wiki 差在哪（💬 第一条问答回写：lint 有没有做）。

原件与链接

一、原帖「LLM Knowledge Bases」（2026-04-03）

  • 起因：Karpathy 近期大量 token 不再用于改代码，而是用于"操作知识"（markdown + 图片），用 LLM 给各研究主题搭个人知识库 本地导入 原帖
  • 导入：源文档放进 〔本地存档〕，LLM 增量"编译"出 〔本地文件〕 wiki（摘要、反向链接、按概念分类的文章并互链）；网页用 Obsidian Web Clipper 转 md，快捷键把图片下载到本地 本地导入
  • IDE：Obsidian 当前端，看原始数据、编译后的 wiki 和可视化；wiki 全由 LLM 写，他很少手动改 本地导入
  • 问答：某研究主题约 100 篇文章、约 40 万词时，不用上复杂 RAG，LLM 自己维护的索引和摘要就够用 本地导入
  • 输出回写：答案做成 md / Marp 幻灯片 / matplotlib 图，常常再归档回 wiki，让探索"累加" 本地导入
  • 体检：LLM 健康检查找不一致、联网补缺、发现新文章候选 本地导入
  • 工具与展望：vibe code 了一个小搜索引擎，多通过 CLI 交给 LLM；规模大了会想合成数据 + 微调，让模型把知识"记"进权重；他认为这里有空间做出一个新产品，而不只是一堆脚本 本地导入

二、gist：LLM Wiki idea file（2026-04-05 发布）

idea file 的概念：Agent 时代不必分享具体代码或应用，只分享想法，对方的 Agent 按对方需求定制实现；文件刻意写得抽象 本地导入 原帖。以下按 gist 结构整理精读笔记 本地导入：

  1. 核心想法：RAG（NotebookLM、ChatGPT 文件上传等）每次提问都从零"发现"知识，没有积累。LLM Wiki 让 LLM 持续增量维护一个持久、互链的 markdown wiki，新资料进来就读懂、提炼、整合（更新实体页、修订主题摘要、标注新旧矛盾）。知识"编译一次、持续保鲜"，wiki 是会复利增长的产物。
  2. 分工：人负责找资料、探索、提好问题；LLM 负责摘要、交叉引用、归档、记账。比喻：Obsidian 是 IDE，LLM 是程序员，wiki 是代码库。
  3. 适用场景：个人（目标、健康、自我提升）、研究、读书伴读 wiki（类比 Tolkien Gateway）、企业/团队内部 wiki、竞品分析、尽调、旅行规划、课程笔记等。
  4. 三层架构：原始资料（只读，事实来源）→ wiki（LLM 全权所有，你读它写）→ schema（如 〔本地文件〕 / 〔本地文件〕，规定结构、约定与工作流，人和 LLM 共同迭代）。
  5. 三种操作：Ingest（一份资料可牵动 10–15 页；作者偏好一次一份、全程参与）、Query（带引用作答，好答案归档回 wiki）、Lint（矛盾、过时说法、孤儿页、缺页概念、缺失交叉引用、可联网补齐的空白，并提出新问题）。
  6. 索引与日志：〔本地文件〕 面向内容，每页一行摘要 + 元数据，中等规模（约 100 份资料、数百页）下不需 embedding RAG；〔本地文件〕 只追加，统一前缀 ## [YYYY-MM-DD] ingest | 标题，可用 grep "^## \[" log.md | tail -5 解析。
  7. 可选 CLI 工具：规模变大后需要 wiki 内搜索，推荐 qmd（本地 BM25 + 向量混合检索 + LLM 重排，有 CLI 和 MCP server），或让 LLM vibe-code 一个。
  8. 技巧：Obsidian Web Clipper、附件固定到 〔本地存档〕 并绑定快捷键下载图片、图谱视图看枢纽页和孤儿页、Marp 幻灯片、Dataview 查询 YAML frontmatter；wiki 本身就是 git 仓库。
  9. 为什么可行：维护知识库最累的是记账，人放弃 wiki 是因为维护负担比价值涨得快；LLM 不厌烦、一次能改 15 个文件，维护成本趋近零。思想渊源是 Vannevar Bush 1945 年的 Memex，Bush 没解决的"谁来维护"现在由 LLM 解决。
  10. 备注：刻意抽象、全部可选可模块化；正确用法是交给自己的 LLM Agent 一起落地。

三、Farzapedia 点评（2026-04-05）

Karpathy 称 Farzapedia（Farza 的个人维基百科）是照 LLM Wiki 帖子做的好例子，并列出这种个性化方式相对"越用越懂你"的 AI 的四点好处 本地导入 原帖：

  1. Explicit（显式）：记忆就是可浏览的 wiki，能看清 AI 知道什么、不知道什么，并能检查和管理。
  2. Yours（归你所有）：数据在本地，不锁在某家 AI 厂商系统里。
  3. File over app（文件优先于应用）：通用格式的普通文件，任何工具 / CLI / Unix 工具链都能用，任何界面（如 Obsidian 或自己 vibe code）都能看。
  4. BYOAI（自带 AI）：Claude、Codex、OpenCode 随意接入，甚至可拿开源模型在 wiki 上微调。

补充：这不是让 AI 了解你的最简单方式，但 Agent 能帮很多忙；他认为"会用 Agent"（agent proficiency）是 21 世纪的核心技能 本地导入。

与本 wiki 的关系（本 wiki 实践，对照 AGENTS.md）

  • 已照做：〔本地存档〕 只追加；wiki/ 下 index.md、log.md（同样的 ## [日期] 操作 | 标题 前缀）、overview、topics/entities/sources/answers；AGENTS.md 即 schema；Obsidian 可直接当 vault 打开；git 提交保留历史；周日 lint；好答案存 answers/（第一页：这套 wiki 有没有做 lint？和 Karpathy 的 LLM Wiki 差在哪，2026-10-25）；lint 已加联网补缺（2026-10-25 起）。
  • 本 wiki 的扩展：来源标记 ❤️ 点赞 / 🔖 书签 / 📥 主动分享，每条结论带原链接；每周脑图（markmap）作为 wiki 的一个视图；frontmatter updated 供 Jack 博客标"新增"。
  • 2026-10-25 起：有了轻量检索 CLI 〔本地存档〕（关键词、反链、孤儿页、断链、待核实，不做语义检索），对应 gist 里的搜索引擎一条，但没用 qmd。
  • 尚未做的（gist 提到、本 wiki 未用）：图片本地化到 〔本地存档〕、Marp / Dataview 输出、微调。是否需要，规模变大后再议。
  • 另：〔本地存档〕 下另存了 charlie947/ai-second-brain 的 README/SKILL（把 Karpathy 思路打包成 Claude Code skill）；其 README 称 X 帖 48 小时内达 1,600 万浏览，与本次抓取的约 2,200 万（2026-10-25 抓取时累计）不矛盾，统计时点不同。

反向链接 11

总览操作日志新增总览索引新增总览兴趣全景新增答案这套 wiki 有没有做 lint？和 Karpathy 的 LLM Wiki 差在哪新增主题Agent 工程与编程 Agent新增实体Andrej Karpathy新增实体Farzapedia新增主题Grok 与 Grok Bot新增实体Grok Bot新增主题LLM Wiki 与个人知识库新增实体Obsidian新增