首页/新闻资讯/正文详情

Karpathy LLM Wiki:用 AI 构建持续进化的个人知识库

发布时间:2026/9/29 22:21:18 来源:云帆数科 栏目:资讯中心
Karpathy LLM Wiki:用 AI 构建持续进化的个人知识库
收藏了很多文章真正需要时却找不到和 AI 讨论了很多问题结论又散落在聊天记录里怎么检索这类问题适合用 LLM Wiki 来改善让 AI 把资料整理成长期保存、互相关联的知识页。一、LLM Wiki 是什么Karpathy 在 LLM Wiki idea 中提出了一种个人知识库维护模式由用户选材和引导LLM Agent 持续整理 Markdown 页面。它是一份设计思路而非安装后就能使用的成品软件。具体目录、页面格式和工具需要按自己的需求确定。例如读完一篇数据库文章除了保存摘要还可以更新“索引”“事务”等概念页把新结论关联到已有知识。以后查阅时就能复用这次整理成果。二、和 RAG 有什么差别RAG检索增强生成通过检索外部资料为模型生成答案提供依据。LLM Wiki 则侧重维护持久的知识成果。维度典型文档 RAGLLM Wiki核心工作检索资料辅助生成答案整理知识维护页面与关系新资料进入更新检索索引更新摘要、概念、主题和关联查询依据相关文档或片段整理后的知识页必要时回看原文成果保存取决于系统设计明确把有价值的成果写回知识库主要挑战召回质量与答案依据综合准确性与长期一致性这不是互斥选择。RAG 可以检索 wiki 页面LLM Wiki 也可以使用关键词、向量或其他检索方式。不能把“必须向量化”或“无法积累知识”当成所有 RAG 系统的特征。三、三层结构三个操作原始 idea 将系统分成三层原始资料、整理后的 wiki以及约束 Agent 行为的 schema。schema 可以由AGENTS.md等规则文件承载。下面给出一个简化实现目录命名和归档方案是本文的落地建议。knowledge-base/ ├── AGENTS.md # Agent 工作规则 ├── raw/ # 待摄入资料 │ ├── assets/ # 图片等附件 │ └── ingested/ # 已摄入原文 └── wiki/ ├── index.md # 按主题导航 ├── log.md # 按时间记录操作 ├── sources/ # 来源总结 ├── concepts/ # 概念页 └── topics/ # 主题综合日常操作对应三个环节Ingest摄入把资料整合到知识库。Query查询基于已有知识回答问题并按需保存成果。Lint检查发现断链、遗漏、冲突和过时内容。index.md负责“有哪些知识”log.md负责“做过哪些操作”。原文需要保留以便核验模型的总结。四、如何搭建准备一个能读写本地文件的 LLM Agent以及一个 Markdown 编辑器。Obsidian 可用于阅读页面和查看关联但不是必需组件。1. 建立目录和规则按上面的结构创建目录在AGENTS.md中写入以下简化规则# 知识库工作规则 ## 来源与证据 - 原文内容不改写更新资料以新版本保存。 - 知识页注明来源区分来源陈述、模型推论和待核实内容。 - 发现冲突时列出双方依据不强行合并结论。 ## 摄入 - 默认只处理 raw 根目录源文件排除隐藏文件和子目录。 - 完整阅读后创建来源页更新相关概念和主题补交叉链接。 - 更新索引并检查成功后归档至 raw/ingested追加完成日志。 - 不覆盖同名归档核对移动前后内容及附件链接。 - 失败或部分完成留原位重试复用已有页面避免重复生成。 ## 查询与维护 - 优先读 wiki必要时回看原文回答注明依据。 - 有价值的回答按需写回 wiki优先更新同主题页面。 - 定期检查链接、索引、来源缺失、内容冲突和时效。 - 删除来源时先确认保留知识还是撤回贡献不自动连带删页。让 Agent 先读取规则再创建空的索引和日志。初期不需要急着引入数据库、插件或复杂搜索服务。2. 跑通一次摄入把一篇文章保存到raw/根目录然后发送请摄入新增资料完整阅读 raw 根目录的源文件生成来源总结提炼关键概念更新相关页面和交叉链接。检查通过后归档更新索引与日志报告完成和未完成项目。验收时看四件事原文能否找到、总结是否准确、新旧知识是否关联、失败项是否明确。不要只看生成了多少文件。对于图片和 PDF需要确认 Agent 能读取对应内容。仅读取标题或部分文本不能算完成摄入。

相关推荐

FPGA实现MIPI CSI-2图像采集的协议解析与工程落地
FPGA实现MIPI CSI-2图像采集的协议解析与工程落地

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/28 1:46:05

用TSmaster从零搭建CAN总线监控面板:完整流程与踩坑记录
用TSmaster从零搭建CAN总线监控面板:完整流程与踩坑记录

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/28 1:46:05

JavaWeb留言板实战:Servlet+JSP+MySQL+Tomcat四层联动
JavaWeb留言板实战:Servlet+JSP+MySQL+Tomcat四层联动

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/28 1:46:05

Spingboot启动预热的实现
Spingboot启动预热的实现

启动预热的适用场景启动预热适合以下情况:数据主要来自第三方接口,无法直接从本地数据库读取。第三方接口响应较慢,首次访问容易超时。一个页面需要调用多个第三方接口或逐项查询。数据读取频繁,但变化不频繁。希望服务启动后&… · 2026/9/29 6:52:37

Understanding Driving Risks using Large Language Models: Toward Elderly Driver Assessment
Understanding Driving Risks using Large Language Models: Toward Elderly Driver Assessment

文章主要内容总结 本文研究了多模态大语言模型(具体为ChatGPT-4o)利用静态行车记录仪图像进行类人交通场景解读的潜力,重点聚焦与老年司机评估相关的三项任务:交通密度评估、交叉口可见性评估和停车标志识别。这些任务需上下文推理而非简单目标检测。研究采用零样本、少样… · 2026/9/29 12:28:25

Leveraging Large Language Models for Classifying App Users‘ Feedback
Leveraging Large Language Models for Classifying App Users‘ Feedback

文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)解决应用用户反馈分类的挑战,传统方法依赖有监督机器学习,但受限于标注数据集的规模和质量。研究通过三个核心实验评估了4种先进LLMs(GPT-3.5-Turbo、GPT-4o、Flan-T5、Llama3-70b)的性能: LLMs在用户反馈分类中的基… · 2026/9/29 13:54:46

Using Large Language Models for Legal Decision-Making in Austrian Value-Added Tax Law: An Experim...
Using Large Language Models for Legal Decision-Making in Austrian Value-Added Tax Law: An Experim...

文章主要内容总结 本文通过实验评估了大型语言模型(LLMs)在奥地利及欧盟增值税(VAT)法框架下辅助法律决策的能力。研究聚焦于两种提升LLM性能的方法——微调(fine-tuning)和检索增强生成(RAG),并在两类案例中进行验证:一是权威教科书案例,二是税务咨询公司的真实案… · 2026/9/29 13:54:48

学Java别走弯路,这5个方向最吃香
学Java别走弯路,这5个方向最吃香

学Java的人很多,但学明白的人不多。有人学了半年还在写控制台程序,有人一年就能独当一面。差别不在天赋,而在方向。Java生态太庞大了,什么都学等于什么都没学。选对方向,事半功倍。今天盘点当前最吃香的5个Java方向&am… · 2026/9/29 4:13:53

AlphaAgents: Large Language Model based Multi-Agents for Equity Portfolio Constructions
AlphaAgents: Large Language Model based Multi-Agents for Equity Portfolio Constructions

AlphaAgents相关总结与翻译 一、文章主要内容总结 (一)研究背景与问题 传统股票投资组合管理依赖人类分析师处理海量信息(如财务披露、财报、市场新闻等),存在信息处理效率低、易受认知偏差(如损失厌恶、过度自信)影响的问题,可能错失投资收益机会。尽管AI在数据处理… · 2026/9/29 13:54:44

MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现
MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现

简介:这套Matlab仿真工具完整呈现雷达信号脉冲压缩过程,从线性调频(LFM)信号生成、目标回波仿真到匹配滤波压缩处理均有可运行代码支撑,面向电子信息工程、计算机、数学等专业学生,适用于课程设计、期末大作… · 2026/9/29 0:45:26

汕头网站建设制作厂家避坑指南:5大注意事项救急
汕头网站建设制作厂家避坑指南:5大注意事项救急

汕头网站建设制作厂家避坑指南:5大注意事项救急 改个需求建站公司拖一周,这种憋屈事我见得太多了。 很多汕头老板找本地建站团队,签合同前看着方案挺美,一上线就变脸。 今天不聊虚的,直接拆解找 汕头网站建设制作厂家 时的5个核心 注意事项… · 2026/9/29 13:54:52

多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习
多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习

简介:基于PyTorch的多模态虚假新闻检测项目完整代码包,面向自然语言处理与计算机视觉交叉方向的开发者、科研人员及毕业设计选题者,解决社交媒体中文本与图像联合识别虚假新闻的问题。系统以BERT预训练模型提取文本语义特征,以Res… · 2026/9/29 8:55:58

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码