Andrej Karpathy：构建个人 LLM Wiki 的最佳技术实践

📌 一句话摘要

本文介绍了 Andrej Karpathy 提出的构建个人 LLM Wiki 的方法论，主张通过 LLM 自动维护持久化的知识库，而非依赖传统的 RAG 检索，实现知识系统的自我演进。

📝 详细摘要

文章详细拆解了 Andrej Karpathy 关于构建个人知识库（第二大脑）的最新实践。不同于传统的 RAG 检索模式，Karpathy 倡导让 LLM 充当维护者，将原始资料（论文、代码、数据）自动整理为结构化的 Markdown Wiki。该架构包含原始资料层、LLM 生成的 Wiki 层以及定义工作流的 Schema 层。这种方法不仅实现了知识的持久化存储，还通过 LLM 的自我清理和更新，使知识库随使用而不断进化，成为真正的个人研究引擎。

💡 主要观点

- 摒弃传统 RAG，转向持久化 Wiki 架构。 传统 RAG 依赖实时检索，而 Karpathy 提出的 Wiki 模式让 LLM 预先处理并维护结构化知识，通过 Schema 定义工作流，实现知识的长期沉淀与自我演进。

核心架构由原始资料、Wiki 和 Schema 三层组成。 原始资料作为不可变的事实来源，Wiki 层由 LLM 自动生成与维护，Schema 文件则规定了 Wiki 的结构与 LLM 的操作规范，确保系统的严谨性。

知识库应具备自我净化与迭代能力。 LLM 不仅负责生成内容，还承担健康检查、填补空白、建议关联等任务，使知识库随着使用频率的增加而变得更加智能。

💬 文章金句

- 大多数人用 AI 是为了获取答案。Karpathy 则用 AI 来构建他自己的'贾维斯'——通过复合式知识系统，越用越聪明。

不是取代你的思考，而是把你学到的所有东西组织成一个可以永远查询和创作的系统。
与其在查询时才从原始文档中检索，不如让 LLM 渐进式地构建并维护一个持久的 wiki。

📊 文章信息

AI 评分：86

来源：PaperAgent

作者：PaperAgent

分类：人工智能

语言：中文

阅读时间：7 分钟

字数：1544

标签： Andrej Karpathy, LLM, 知识库, 第二大脑, Wiki Pattern

阅读完整文章

Andrej Karpathy：构建个人 LLM Wiki 的最佳技术实践

🤖 問 AI