在Karpathy的LLM Wiki上一个月后，瓶颈不是搭建，而是维护

我想我是最早看到Andrej Karpathy那条推文并立刻领会其意的人之一。把资料扔进一个文件夹，让AI全部读完并在此基础上构建一个维基，然后直接向维基提问，再也不用翻原始文档。一旦你明白了，就再也无法忽视。过去一个月我一直在实际构建它。以下是我学到的，按学习顺序排列。 第一周：搭建是最容易的部分 一个周末就够搭出基础版本，用Claude和Obsidian组合。我喂了大约80篇文章和PDF，到周日晚上就有了一个能工作的维基，它总结了所有内容，并将相关想法连接起来。真的感觉像魔法。我告诉两个朋友，Karpathy破解了某种根本性的东西。 第二周：初见裂痕 从杂乱来源中提取干净的文本是噩梦。扫描的PDF输出是乱码。有些网站在程序试图读取时无法正常加载。表格变成垃圾。脚注混入正文。每遇到一种新来源，就需要花一整个晚上来折腾。 第三周：真正的问题暴露了 我一次性添加了50篇新文章，发现维基根本不知道它们存在。为了真正将它们纳入，AI必须从头重新阅读和重新组织所有内容，这花了40分钟，并消耗了真金白银的API费用。然后我注意到，有三篇旧摘要引用的文章已经更新了几周。维基还在自信地告诉我一个早已不存在的源版本。这时我才恍然大悟。Karpathy的方法假设你的源是静止的。真正的研究不是这样。文章会更新，帖子会被删除，你也会批量添加新内容。基于快照构建的维基，在你完成构建的那一刻就开始变旧。 我不断遇到的维护问题： - 过期的摘要。源更新了，你的摘要却悄悄地错了。没有任何提示。无法知道什么变了。即使我知道源被编辑过，也无法判断这次编辑是否重要到需要重新摘要。 - 添加新东西意味着重做一切。没有干净的方法只插入新源而不重建整个维基。 - 删除比更新更糟。移除一个源后，维基仍然像幽灵一样引用它。 - 同一个网站改版后解析方式变了。直到摘要出现错误你才会注意到。 这些都不是关于提示词的问题，也不是关于你用哪个AI模型的问题。全部在于保持底层资料库的新鲜和整洁，而这部分没人谈论。 第四周：放弃并尝试无代码方案 这感觉像失败。我不知道是否只有我这样。以下是我在考虑的一些低代码方案。也许我错过了什么，需要回到起点重新思考。如果是这样，请你在下面给我一些指导吗？相信我，我几乎看了所有教程，也翻遍了所有相关帖，但可能就是我自己的问题。我现在正在寻找Karpathy的LLM维基的无代码解决方案。我考虑的有这些。有人试过并成功建立起流程吗？ - Claude with Notion：这不是真正的无代码，但它是Obsidian的替代方案，我实际上觉得它相当巧妙。我找到了很顺手的MCP，而且我很喜欢我不仅可以做知识管理，还能创建任务和提醒。这并非完全相同的流程，但是一个略微调整的版本，我觉得挺酷的。缺点是Notion处理YouTube视频和PDF不太好。 - Mymind：这个我超级兴奋，但还不太准备使用。网站很美，我在里面感觉很平静，但我不确定这是终身第二大脑还是一个平静的Pinterest知识库。有人用过吗？请告诉我。 - Recall：AI知识库是最接近Karpathy实际描述的方案。看起来你可以添加几乎任何在线内容：YouTube视频、播客、PDF，它会自动读取、总结、标记并连接一切。缺点是基于云端的。 我真正想知道的是： 有没有人构建了自己版本且不会变旧的方案？我搞不定，很希望自己是错的。对于仍在运行Karpathy方案并拥有大量资料的人，你们是如何处理当文章被编辑时摘要过时的问题？我是否错过了一个工具，它把保持源新鲜当作主要任务，而不是事后才考虑的事？