LLM 维护的个人 Wiki

来源：karpathy-llm-wiki（Andrej Karpathy，2026）

本页是对该文的合成提炼，与本库实现的对应关系。

核心洞察

大多数人用 LLM 处理文档的方式是 RAG：上传文件，提问时检索相关片段，生成回答。知识不积累，每次提问都从头推导。

这个模式的替代方案是：LLM 增量构建并维护一个持久 wiki。每次加入新来源，LLM 不只是索引——它读取、提取、整合进已有 wiki，更新实体页、补充概念、标注矛盾。

关键差异：wiki 是持续复利的产出物，跨引用已经建立，矛盾已经标注，综合已经反映了所有读过的内容。问一个需要综合五个文档的复杂问题，答案已经在 wiki 里——不需要现场拼凑。

摄入（Ingest） 加入新来源 → AI 读取、提炼、整合进 wiki，更新相关领域页，一个来源可能触及多个 wiki 页面。触发：摄入来源：[文件路径]

查询（Query） 向 wiki 提问 → AI 检索相关页面综合回答。好的回答本身也可归档为新 wiki 页，让探索本身成为沉淀。触发：Wiki查询：[问题]

健检（Lint） 定期检查 wiki 质量：查找矛盾、孤儿页、缺 wiki_summary 的标记、陈旧内容。触发：Wiki健检

维护知识库的累赘不是阅读和思考，而是书务工作：更新交叉引用、保持摘要最新、标注矛盾、维护一致性。人类会放弃 wiki，因为维护成本随规模增长。

人类的工作：策展来源、引导分析、提好问题、判断意义。

LLM 的工作：其他所有事情。

LLM 不会厌倦，不会忘记更新交叉引用，可以一次性修改十几个文件。