引言为什么你应该听 Karpathy 的?如果你在 AI 圈呆过一段时间Andrej Karpathy这个名字你绕不开。他是 Stanford 计算机博士深度学习经典课程 cs231n 的作者。作为 Tesla Autopilot 高级 AI 总监他把端到端神经网络铺进了量产车。作为 OpenAI 创始团队成员他亲历了 GPT 的崛起。而今天他可能是全球最有影响力的 AI 布道者——从 nanoGPT 到 YouTube 上的技术精讲Karpathy 的观点很少平庸。2026 年 4 月 4 日他在 GitHub Gist 上发布了一篇不到 80 行的文档LLM Wiki。没有代码没有框架只有一个想法——但这个想法足以颠覆你对AI 知识的全部认知。“This is an idea file. It is designed to be copy pasted to your own LLM Agent. Its goal is to communicate the high level idea, but your agent will build out the specifics in collaboration with you.”— Andrej Karpathy我们现在把这份想法文件变成了一个可以直接安装的 Claude Code 技能。但在装之前先聊清楚为什么这个想法重要到值得专门做一个开源项目。RAG 正在让你重复思考过去两年RAG检索增强生成是 LLM 应用的主旋律。上传文件 → 切块 → 向量库 → 提问时检索相关片段 → 生成回答。NotebookLM、ChatGPT 文件对话、各类与文档聊天产品都是这个逻辑。Karpathy 一眼看出了它的致命伤。他写道“The LLM is rediscovering knowledge from scratch on every question. There’s no accumulation. Ask a subtle question that requires synthesizing five documents, and the LLM has to find and piece together the relevant fragments every time. Nothing is built up.”翻译过来你花了 100 个小时和 AI 讨论某个课题但第 101 次提问时AI 还是像第一次见到这个话题。交叉引用不会保留。上次发现的矛盾忘了。综合思考从头开始。你用 AI 越多浪费的重复推理就越多。Karpathy 的答案让 Wiki 成为复利资产他提出的是另一条路“Instead of just retrieving from raw documents at query time, the LLM incrementally builds and maintains a persistent wiki — a structured, interlinked collection of markdown files that sits between you and the raw sources.”把 LLM 从即时问答机重新定位为**“知识库的持续维护者”**。区别在哪儿RAGLLM Wiki每次从原始文档临时拼凑摄入时预编译为结构化页面交叉引用逐次发现交叉引用长期维护、持续积累矛盾靠巧合暴露ingest 时主动标记为 disputed提问之间零累积wiki 随每次摄入和提问持续变厚他给这个过程取了个名字the wiki is a persistent, compounding artifact——维基是一个持久、复利的工件。这正是这个项目的名字karpathy-wiki的来源。三层架构人策展AI 簿记Karpathy 给 LLM Wiki 设计了一个简洁到极致的架构raw/ 收件箱 — 把资料丢进去就别管了 ↓ ingest摄入 wiki/ 全文由 AI 编写和维护的结构化知识 ↓ query查询 outputs/ 问答、报告、幻灯片 — 成熟的可以升格回 wiki每层的职责边界异常清晰没有灰色地带“You never (or rarely) write the wiki yourself — the LLM writes and maintains all of it. You’re in charge of sourcing, exploration, and asking the right questions. The LLM does all the grunt work.”他用了一个形象的类比来描述自己的工作流“Obsidian is the IDE; the LLM is the programmer; the wiki is the codebase.”Obsidian 是你浏览知识库的窗口——看图谱、跟链接、阅读更新后的页面。LLM 是背后写代码的人。wiki 就是代码。一次 Ingest十五页更新来看看一次摄入到底发生了什么。你把一篇文章丢进raw/sources/说一句 “摄入这篇文章”LLM 会做这样的事读源文件写来源摘要→wiki/sources/更新概念页——如果有新的观点或细节更新实体页——作者、项目、工具检查矛盾——和已有页面冲突两边都标disputed更新 overview——综述和未决张力登记表更新 index.md——目录索引追加 log.md——时间线记录一份来源触达 10–15 个页面。第一百份来源摄入时前九十九份的交叉引用和矛盾标记都还在——它是真正的知识复利。为什么人类做不了这件事Karpathy 写了一段非常诚实的分析“The tedious part of maintaining a knowledge base is not the reading or the thinking — it’s the bookkeeping. Updating cross-references, keeping summaries current, noting when new data contradicts old claims, maintaining consistency across dozens of pages. Humans abandon wikis because the maintenance burden grows faster than the value. LLMs don’t get bored, don’t forget to update a cross-reference, and can touch 15 files in one pass.”维护知识库的痛苦从来不在「阅读」或「思考」在那该死的簿记。我们建过 wiki 然后任其腐烂整理过文件夹然后任其混乱——因为维护的成本随规模线性增长但人性不会。LLM 不烦。不会忘。一次改 15 个文件。于是人类退回了自己的位置策展来源、引导分析、提出好问题、思考意义。AI 做剩下的。Karpathy 把 LLM Wiki 的精神源头追溯到了 Vannevar Bush 1945 年的Memex——一个私人的、被主动策展的知识库文档之间的关联和文档本身一样有价值。“Bush 没能解决的那一部分是谁来做这些维护工作。LLM 接手了。”不止是照镜子伴侣式记忆的治理只建造、不衰减的知识库会僵化。一种观点重复一百次就变成真理。为了让 wiki 真正服务于思考而非取代思考我们引入了 Miteski 的伴侣式记忆框架个人 LLM 记忆同时承担两个职责——镜像你的认知结构同时补偿你的思维盲点。五类代谢操作TRIAGE、DECAY、CONTEXTUALIZE、CONSOLIDATE、AUDIT贯穿karpathy-wiki的每个流程矛盾不被静默抹平而是标disputed并登记在 overview 的未决张力表中少数派证据在 synthesis 页中保留核心论点必须有来源标注否则标明为用户假设这保证了 wiki 始终是一个活的对话空间而非凝固的教条。开箱即用你的第一个 LLM Wikikarpathy-wiki支持三大主流 AI coding 平台平台安装方式Claude Code/plugin install panmcaikarpathy-wikiCursor将 schema.md 完整内容粘贴到.cursorrules或AGENTS.mdCodex (OpenAI)将 schema.md 追加到项目根目录的AGENTS.md安装后或内联 schema 后AI 即获得完整的 wiki 维护能力。三步上手第一步搭建目录my-knowledge/ ├── raw/sources/ # 你的原始资料丢这里 ├── wiki/ # AI 全权维护的结构化知识 ├── outputs/ # 问答与产物 └── AGENTS.md # 从项目的 examples/ 目录复制第二步丢入第一份资料说一句话摄入 raw/sources/你保存的文章.mdAI 会自动完成源摘要 → 概念/实体页 → overview 更新 → index 维护 → log 追加。第三步提问、积累、复利查这三篇关于 Transformer 架构的文章对注意力机制的理解有何不同回答存档在outputs/有价值的结论告诉 AI “升格进 wiki”——探索本身成为知识。不止是读书笔记Karpathy 在原 gist 中列举了 LLM Wiki 的适用范围读下来基本覆盖了所有需要长期积累的场景个人成长日记、文章、播客 → 对自己的结构化认知深度研究数周到数月探索某一课题渐进式论文综述读书逐章构建人物、主题、情节网络做一本 Tolkien Gateway 级别的个人维基团队知识库Slack 摘要、会议记录、客户沟通AI 做没人愿做的维护竞品分析、尽职调查、旅行规划、课程笔记、兴趣深潜他写道“Anything where you’re accumulating knowledge over time and want it organized rather than scattered.”开始你的知识不该烂在聊天记录里。让每次对话都变成可累积的资产。Claude Code 用户/plugin install panmcaikarpathy-wikiCursor / Codex 用户将 schema.md 内联到项目的AGENTS.md复制 examples/ 三层目录结构然后打开 Obsidian把第一篇值得保留的东西丢进raw/sources/说一句摄入。AI 是维基的写手你是思想的主人。项目github.com/panmcai/karpathy-wiki原始思想Andrej Karpathy — LLM Wiki (Gist)治理理论Memory as Metabolism · Miteski (2026)