LLM Wiki 范式

Karpathy 2026-04 提出的个人知识库构建范式：agent 把不可变原始材料增量编译成一层自己拥有的 markdown wiki，用 Ingest/Query/Lint 三操作维护，靠整页读取与文件检索取代 embedding 检索。

生产方式：AI 起草、人工签发AI 生成，仅供参考签发：晓黎学习复核：2026年10月2日被 4 个词条引用

一句话定义

LLM Wiki = 让 LLM 把你策展的原始材料增量编译成一层由它自己维护的 markdown 知识库，人只负责读和问。知识编译一次、长期保持新鲜，而不是每次提问从零重推。

出处

实测事实：Andrej Karpathy 的 gist llm-wiki.md，2026-04-04，原文定位是 "an idea file, designed to be copy pasted to your own LLM Agent"——是模式文档，不含代码。作者本人只把思想源头追到 Vannevar Bush 的 Memex (1945)，未提 Zettelkasten 或 Second Brain（"卡片盒是先驱"是后来社区与学术侧的连接，见 知识编译（Knowledge Compilation））。

三层结构

层原文关键表述归属
Raw sources"immutable — the LLM reads from them but never modifies them. This is your source of truth"人策展，agent 只读
The wiki"a directory of LLM-generated markdown files… The LLM owns this layer entirely. You read it; the LLM writes it"agent 完全拥有
The schema"a document (e.g. CLAUDE.md / AGENTS.md) that tells the LLM how the wiki is structured… the key configuration file"人定规则

Schema 层是三层的承重件：没有它，agent 就只是个通用聊天机器人，而不是守纪律的 wiki 维护者。本库对应 90_SYSTEM/Schema.md。

三操作

  • Ingest：处理新材料、写摘要、刷新关联页、记日志。一份源材料正常触及 5-15 页（原文 "A single source might touch 10-15 wiki pages"）。
  • Query：定位相关页 → 综合作答 → 把有价值的答案回填成页。这是复利的关键回路：探索本身也进知识库。
  • Lint：定期巡检。原文检查项 = 页间矛盾、被更新来源取代的过期论断、无入链的孤儿页。

为什么人做不成而 agent 能做

"Humans abandon wikis because the maintenance burden grows faster than the value. LLMs don't get bored."

人放弃 wiki 不是因为不会写，而是因为簿记成本（补链、改重、清孤儿、对齐矛盾）随页数增长快于价值。范式把这部分外包，人只留高价值动作：策展来源、指定分析方向、提出好问题、思考含义。

适用与规模边界

原文列举的场景：个人成长追踪、长期研究、读书 companion wiki（对标 Tolkien Gateway）、团队内部 wiki、竞品分析、尽调、旅行规划、课程笔记。

硬边界（原文唯一量化）：~100 源 / 数百页 内效果出奇好，且 不需要 embedding RAG 基建；超出则需专门检索设施。撞墙的第一信号是 index.md 自身放不进上下文窗口——nashsu/llm_wiki 的 issue #512、#706 就是这个症状。

与 RAG 的关系

不是替代，是把 RAG 的"理解"前置到写入期。逐维度对比与选型判据见 知识编译（Knowledge Compilation）。默认策略口诀："代码用 Grep，核心知识用 Wiki，海量长尾才用 RAG"。

已知风险（社区批评，别只看好话）

  • 写入偏差固化：编译期的幻觉会长期留在库里并被复用。批评者一针见血（转述）："错误能通过编译，大概率也能通过 lint。" 对策 = 保留直读原文的保守通道 + 人类终审 + verified 字段。
  • 认知治理缺失："Left ungoverned, the compiler does not think. It smooths. The machine averages."（Jônadas Techio，2026-04-11）—— 解法是刚性 schema 强制提取主张与对立，而非放任摘要。
  • 矛盾无人裁决：lint 只能标记，裁决权必须在人。多数实现撑不过三个月（转述）。
  • HN 主流质疑："This is just persistent memory RAG."、"I don't see why this wouldn't just lead to model collapse."
  • 无公开对照基准：目前不存在直接比较该范式与 RAG 的检索准确率/成本/幻觉率的公开 benchmark。

生态位

编码 agent 三巨头全部采用 markdown 文件路线、明确不用 embedding 检索（Claude Code 的 CLAUDE.md + auto memory、Cursor 的 .cursor/rules、Codex 的 AGENTS.md）；走向量/图的是 Letta/MemGPT、Mem0、Zep 那一支。本库在前者这一侧。

同名实现有三个不同项目（nashsu/llm_wiki 20,136★ 桌面 GUI / jackwener/llm-wiki CLI / liangdabiao/llm-wiki 中文素材版），与 AgriciDaniel/claude-obsidian（15,328★，同样支持 PARA 路由、默认 BM25 拒绝 embedding）重叠最高。详见 完整调研。

相关

知识编译（Knowledge Compilation） · Context Engineering（上下文工程） · Harness Engineering（代理治理工程） · Personal Agent（个人智能体） · 90_SYSTEM/Schema.md

互链

链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。

反链（4）

出现在哪些课时里（0）

判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转， 它是导航，不是词条链接。

还没有课时讲到这一条。它是词条跑在课程前面的那一部分，不是错链。

关联图

只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。

以列表方式看这 7 个节点

出处

路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。

  • 概念卡原文LLM Wiki 范式03_RESOURCES/概念/llm-wiki-范式.md
  • 所属知识地图栏目概念页索引 · 知识库与方法论03_RESOURCES/概念/Index.md
  • 该卡声明的来源LLM Wiki 范式调研：使用、构建，以及与 RAG 的区别03_RESOURCES/问答输出/llm-wiki-vs-rag-2026-10-02.md

编译入库：2026年11月2日。词条由知识库编译而来， 修正要回到概念卡改，再重新编译。