@neil_xbt: 有人将383份散乱文件和100份会议记录整理成一个紧凑的维基，并将他们的Claude token使用量削减了……

有人将383份散乱文件和100份会议记录整理成一个紧凑的维基，并使他们的Claude token使用量减少了95%！ 这个文件夹结构让Andrej Karpathy获得了1600万次浏览。 每个在每次查询时都处理原始文档的AI知识工具，都会在结构理解上浪费token——而这一成本在你上次提问时已经支付过了。 在一次典型查询中，大约75%的token用于理解结构，而非生成答案。LLM Wiki模式仅在编译时一次性支付这一成本，此后不再支付。 → raw文件夹：LLM读取但从不修改的不可变源文档 → wiki文件夹：LLM构建和维护的带交叉引用的结构化Markdown页面 → 索引文件：模型首先加载的轻量级映射，仅提取相关页面 → 75%的发现：LLM将75%的token用于结构理解而非答案——维基在首次构建后消除了这一成本 那些每次查询都重新处理自身文档的人，与那些以降低95%成本查询编译后维基的人之间的差距，并非技术复杂性。 不过是两个文件夹和三十分钟的设置。 收藏起来，以免丢失！ 关注@neil_xbt，获取更多AI工程智慧，了解那个获得1600万次浏览的文件夹结构实际需要如何构建。