@undefinedKi：Karpathy 从未打算让你全自动化 LLM 知识库。大多数人本末倒置了。他的文件中提到了三个关键点……
摘要
Karpathy 的 LLM 知识库自动化方法强调迭代式源信息导入、将答案归档回知识库，以及定期校对以保持一致性，倡导用户深度参与过程。
查看缓存全文
缓存时间: 2026/08/23 13:39
Karpathy从未设想过让你完全自动化LLM维基。大多数人的用法本末倒置了。
他的流程文档中有三个关键点，几乎没人做到：
他每次只整合少量来源并持续投入，阅读摘要、追踪变更、指导代理强调重点。而多数人只是扔进整个文件夹，一键点击编译。
答案本应反哺维基。用他的话说：“优质答案可作为新页面归档到维基。” 你要求的对比分析，其价值等同于你摘录的正文，但大多数人任其湮没在聊天记录里。
还有第三项关键操作无人执行：代码规范检查。要求代理诊断维基的矛盾陈述、过时结论、孤立页面及失效链接。
维基的成长必须通过你的深度参与，而非绕过你。这正是设计的核心要义。
相似文章
在Karpathy的LLM Wiki上一个月后，瓶颈不是搭建，而是维护
一位开发者分享了基于Andrej Karpathy的想法构建LLM驱动维基的一个月经验，发现虽然搭建容易，但持续维护——如处理过期源、成本和集成——才是真正的挑战。
@KyrieCheungYep: https://x.com/KyrieCheungYep/status/2075045965371949439
文章详细解析了Karpathy提出的llm-wiki方法：利用LLM将个人收集的原始资料编译成相互链接的维基页面，用户只管阅读和提问，不手动编辑。作者对比了RAG的局限，并提供了30分钟搭建教程，强调了schema文件对系统纪律性的关键作用。
@DataScienceDojo：Andrej Karpathy 的 LLM Wiki 是一种构建个人知识库的模式，能够随时间持续积累。
Andrej Karpathy 的 LLM Wiki 模式能够构建一个持久化、结构化的知识库，并随时间不断累积，这与无状态的 RAG 系统不同。本教程展示了如何在 30 分钟内使用 LLM 来编译和链接 Markdown 页面，从而创建一个这样的知识库。
@InduTripat82427：卧槽……Andrej Karpathy 抛出“LLM Wiki”概念的一个月前，已经有人把它做出来了。不是纸上谈兵，不是炒作，是真·能跑的系统。
在 Andrej Karpathy 公开“LLM Wiki”想法的一个月前，就有人实现了可运行的系统，解决了 LLM 每次从零开始、没有记忆也无法自我进化的痛点。
@akshay_pachaar：Karpathy 维基 2.0：让知识“动”起来
Akshay Pachaar 建议把 Karpathy 的静态维基拓展到动态知识领域，指出 LLM 早已能对注意力机制这类稳定主题进行自动整合与交叉引用。