🧠O método "LLM Wiki" de Karpathy · faça sua IA acumular conhecimento de verdade

O problema que Karpathy quis resolver

Toda vez que você trabalha com a sua IA, explica coisas, exploram ideias, chegam a conclusões… e tudo isso se evapora ao fechar o chat. Na próxima vez, a IA não lembra de nada e você explica tudo de novo. Karpathy aponta assim: o conhecimento não se acumula — cada conversa começa do zero.

A ideia dele pra quebrar isso é brilhante de tão simples: que a IA escreva e mantenha a própria wiki — uma base de conhecimento que cresce a cada conversa, em vez de evaporar.

A ideia: uma wiki que a sua IA constrói sozinha

A IA constrói incrementalmente uma wiki: uma coleção de arquivos markdown ligados entre si, que vive entre você e as suas fontes (seus documentos, notas, repos). Você lê; a IA escreve e mantém. Cada coisa que vocês aprendem juntos fica registrada e conectada — assim, com o tempo, essa wiki fica mais valiosa que as notas soltas.

Por que funciona, se nós humanos sempre abandonamos as nossas wikis? Karpathy dá a resposta exata: "o chato de manter uma base de conhecimento não é ler nem pensar — é o trabalho de escritório (o bookkeeping)... Os humanos abandonam as wikis porque a manutenção cresce mais rápido que o valor. Os LLMs não ficam entediados, não se esquecem de atualizar uma referência cruzada, e conseguem mexer em 15 arquivos numa passada só."

As 3 camadas do método

Karpathy organiza o sistema em três camadas. Entendê-las é entender todo o método:

As 3 operações (o que a IA faz com a wiki)

O método tem três ações, com os nomes que Karpathy deu a elas:

Ingest (ingerir). Você passa uma fonte nova (um artigo, um repo). A IA lê, conversa com você os pontos-chave, escreve uma página-resumo na wiki e atualiza o índice. Uma única fonte pode mexer em 10-15 páginas da wiki, conectando-as.

Query (consultar). Você pergunta algo. E aqui está o legal: as boas respostas são arquivadas de volta na wiki como páginas novas. Assim, as suas próprias explorações se acumulam na base de conhecimento, igual às fontes que você ingere.

Lint (revisar). Você pede à IA pra fazer um check-up de saúde da wiki: ela busca contradições entre páginas, afirmações desatualizadas, páginas órfãs (sem links que cheguem até elas). Mantém a wiki saudável sozinha.

O prompt pra montar a sua LLM Wiki

Cole isto no seu agente (Claude Code, Codex, etc.) pra dar a partida na sua própria wiki seguindo o padrão de Karpathy. Foi pensado pra que a IA faça as perguntas e monte a estrutura junto com você.

Vamos montar uma "LLM Wiki" seguindo o padrão de Andrej Karpathy: uma base de conhecimento em markdown que você (a IA) constrói e mantém, e que eu posso ler.

ESTRUTURA (3 camadas):
1. raw/ — minhas fontes cruas (artigos, repos, notas). Você as LÊ mas NUNCA as modifica.
2. wiki/ — páginas markdown que VOCÊ gera e mantém, ligadas entre si. Você é o dono dessa camada.
3. O esquema — atualize meu CLAUDE.md (ou AGENTS.md) explicando como a wiki está organizada, pra você mantê-la com disciplina.

Arquivos especiais: crie um index.md (catálogo por temas) e um log.md (cronológico, só-adição; cada entrada começa com "## [DATA] operacao | Título").

OPERAÇÕES que você vai saber fazer:
- INGEST: quando eu te passar uma fonte, leia, me diga os pontos-chave, escreva uma página-resumo em wiki/, ligue-a e atualize index.md e log.md.
- QUERY: quando eu perguntar algo, responda E se a resposta for valiosa, arquive-a como página nova na wiki.
- LINT: quando eu pedir, revise a wiki: contradições, dados velhos, páginas órfãs, e proponha correções.

Comece me fazendo as perguntas necessárias sobre do que será minha wiki e depois crie a estrutura inicial (pastas, index.md, log.md e a seção do esquema no meu CLAUDE.md).

Pra quem é este método?

No NeuralOS: a wiki viva, sem montar pastas

A fonte original (leia por completo)

Tudo isto sai do documento que o próprio Karpathy publicou. Recomendo ler por inteiro — é curto e vale ouro.

Pra onde isto segue