llm-wiki-methodology

LLM Wiki 方法论

摘要：由 Andrej Karpathy 提出的利用 LLM 维护持久化维基的知识管理模式——LLM 作为"知识库管理员"，将源文档编译为结构化的 Markdown 维基，实现知识的持续积累与交叉引用。

来源：
- raw/llm-wiki.md (Karpathy 原文)

最后更新：2026-07-01

核心思想

传统的 RAG（检索增强生成）模式中，每次提问时 LLM 都要从原始文档中重新检索、拼凑信息，没有知识积累。LLM Wiki 模式则相反：LLM 逐步构建并维护一个持久化的维基——结构化的、相互链接的 Markdown 文件集合，位于用户和原始数据源之间。

关键区别：维基是一个持续更新、不断完善的资源，交叉引用已经存在，矛盾已被标记，综合分析反映了你阅读过的所有内容。知识只需编译一次即可保持最新，无需每次查询时重新推导。(source: llm-wiki.md)

三层架构

1. 原始资源（raw）——用户精心收集的源文档（文章、论文、笔记等），不可修改，是真实来源。
2. 维基（wiki）——LLM 生成的 Markdown 目录，包括摘要、概念页面、实体页面、对比、综合。LLM 完全掌控这一层。
3. 模式文件（如 CLAUDE.md）——告诉 LLM wiki 的结构、约定和工作流程，使其成为规范的维基维护者而非普通聊天机器人。

运营流程

导入

用户将新源添加到 raw/，指示 LLM 处理。LLM 读取源、与用户讨论要点、在 wiki 中创建/更新页面、更新索引和日志。单个源可能影响 10-15 个页面。(source: llm-wiki.md)

查询

用户在维基中提问。LLM 搜索相关页面，综合整理带引用的答案。优秀的答案可以作为新页面归档回维基——对比、分析、发现的关联不应消失在聊天记录中。

定期检查

LLM 定期对 wiki 进行健康检查：页面矛盾、过时说法、孤立页面、缺失概念、缺失交叉引用和数据空白。

为什么有效

维护知识库最繁琐的部分并非阅读或思考，而是记录——更新交叉引用、保持摘要时效性、记录矛盾之处、确保数十个页面一致。人们放弃维基是因为维护负担的增长速度超过价值增长速度。LLM 不会厌倦、不会忘记更新交叉引用，维护成本几乎为零。(source: llm-wiki.md)

人的职责是筛选资料、指导分析、提出好问题。LLM 的职责是其余一切。

历史渊源

这一理念在精神上与 Vannevar Bush 的 Memex（1945）一脉相承——一个个人化的、精心维护的知识库，文档之间存在关联。Bush 未能解决的问题是"谁来维护"。LLM 恰好解决了这个问题。(source: llm-wiki.md)

实用工具

• Obsidian Web Clipper — 浏览器扩展，将网页转为 Markdown 添加到 raw/
• 本地图片下载 — Obsidian 热键下载附件到本地，供 LLM 读取
• Obsidian 图形视图 — 可视化 wiki 结构
• MARP — 基于 Markdown 的幻灯片格式，可从 wiki 内容生成演示
• Dataview — 对 frontmatter 进行查询，生成动态表格
• Git 版本控制 — wiki 本质是 Git 仓库，免费获得版本历史
• qmd — 本地 Markdown 搜索引擎，支持 BM25/vector 混合搜索 (source: llm-wiki.md)

相关页面

• 知识管理
• 大语言模型 (LLM)
• 人工智能 (AI)
• AI Agent (AI智能体)
• 知识管理方法论
• 认知谦逊
• 阅读方法论