GuideIntermediate

Karpathy 的"LLM Wiki"方法 · 让你的 AI 真正积累知识

2026 年 4 月,Andrej Karpathy——OpenAI 联合创始人、前特斯拉 AI 总监——发布了一份引爆全网的短文档(超过 1600 万次浏览):"LLM Wiki"模式。这个想法妙就妙在简单:与其让你的 AI 遗忘、你每次都重复讲一遍,不如让它自己用 markdown 构建并维护一个 wiki——一个随着每次对话不断生长、而且你可以随时阅读的知识库。在这份指南里,我会用简单的中文给你讲清楚他的确切方法、为什么它效果这么好,以及怎么用现成的提示词把它搭起来。这是继 CLAUDE.md 文件之后自然而然的下一步。

Jun 18, 202612 min

在这之前,先看看记忆指南

这份资源深入讲解最简单也最强大的给你的 AI 赋予记忆的方式:那些你能亲自阅读的文件。如果你还没看过,请先从[AI 记忆工具](/recursos/memoria-para-tu-ia-herramientas)指南开始——那里有完整的菜单。这里我们要深入大师的技法。

Karpathy 想解决的问题

每次你和 AI 一起工作时,你给它解释各种事情,你们一起探索想法、得出结论……然后这一切都在你关闭对话时蒸发掉了。下一次,AI 什么都不记得,你又得把同样的东西重讲一遍。Karpathy 是这样指出的:知识没有积累——每次对话都从零开始。

他打破这一点的想法妙在简单:让 AI 自己撰写并维护它自己的 wiki——一个随着每次对话生长的知识库,而不是蒸发掉。

一句话总结

Karpathy 这样表述:"Obsidian 是 IDE;LLM 是程序员;wiki 是代码。" 你不写这个 wiki——AI 撰写并维护它;你阅读并使用它。

核心思路:一个你的 AI 自己构建的 wiki

AI 会逐步构建一个 wiki:一组彼此互相链接的 markdown 文件,它存在于你和你的信息来源之间(你的文档、笔记、代码仓库)。你阅读它;AI 撰写并维护它。你们一起学到的每一件事都被记录并连接起来——这样,随着时间推移,这个 wiki 会变得比零散的笔记更有价值。

既然人类总是抛弃自己的 wiki,为什么这个能行得通?Karpathy 给出了确切的答案:"维护一个知识库的乏味之处不在于阅读,也不在于思考——而在于那些琐碎的记账工作(the bookkeeping)……人类抛弃 wiki,是因为维护成本的增长比价值增长得更快。而 LLM 不会厌倦,不会忘记更新交叉引用,而且能一次性触及 15 个文件。"

方法的三个层次

Karpathy 把这个系统组织成三个层次。理解它们,就理解了整个方法:

这套架构

1. 原始来源(raw sources):你的文档、文章、原始代码仓库。它们是不可变的——AI 只读它们,但永远不会修改。这是你的事实来源。

2. wiki:一个由 AI 生成的 markdown 文件夹。AI 拥有整个这一层:你读,AI 写。

3. 模式(schema):一份文档(你的 CLAUDE.md 或 AGENTS.md),它告诉 AI 这个 wiki 是如何组织的。正是它把 AI 从一个通用聊天机器人变成了一位"训练有素的图书管理员"。

这里就和你的 CLAUDE.md 接上了

注意,第三层正好就是第 1 阶的文件(CLAUDE.md / AGENTS.md)。所以这个方法是那个文件的自然演进:它不再只是"你的规则",而变成了AI 如何维护你的 wiki 的手册。

三种操作(AI 对 wiki 所做的事)

这个方法有三个动作,名字都是 Karpathy 起的:

Ingest(摄入)。 你给它一个新来源(一篇文章、一个代码仓库)。AI 阅读它,和你聊聊其中的关键点,在 wiki 里写一个总结页面,并更新索引。单个来源可能触及 wiki 里的 10-15 个页面,把它们连接起来。

Query(查询)。 你问它一个问题。妙的地方在这里:好的回答会作为新页面被归档回 wiki。这样,你自己的探索就像你摄入的来源一样,不断积累进知识库。

Lint(检查)。 你让 AI 对 wiki 做一次健康检查:它会查找页面之间的矛盾、过时的陈述、孤立页面(没有链接指向它们)。它会自己保持 wiki 的健康。

两个特殊文件

Karpathy 推荐一个 index.md(整个 wiki 的目录,按内容组织)和一个 log.md(一份按时间排序、只追加的记录)。他的小技巧:如果日志里每条记录都以一致的前缀开头,比如 ## [2026-04-02] ingest | 标题,你就能用简单的工具在里面搜索。

搭建你的 LLM Wiki 的提示词

把这段贴进你的智能体(Claude Code、Codex 等),按照 Karpathy 的模式启动你自己的 wiki。它的设计初衷就是让 AI 向你提问,并和你一起搭好结构。

提示词 · 搭建你的 LLM Wiki文本

我们要按照 Andrej Karpathy 的模式搭建一个"LLM Wiki":一个用 markdown 写成的知识库,由你(这个 AI)构建并维护,而我可以随时阅读。

结构(3 层):
1. raw/ — 我的原始来源(文章、代码仓库、笔记)。你只 读 它们,但永远不 修改。
2. wiki/ — 由 你 生成并维护的 markdown 页面,彼此互相链接。你拥有这一层。
3. 模式(schema)— 更新我的 CLAUDE.md(或 AGENTS.md),说明这个 wiki 是如何组织的,好让你能有纪律地维护它。

特殊文件:创建一个 index.md(按主题分类的目录)和一个 log.md(按时间排序,只追加;每条记录以 "## [日期] 操作 | 标题" 开头)。

你要会做的操作:
- INGEST:当我给你一个来源时,阅读它,告诉我关键点,在 wiki/ 里写一个总结页面,把它链接起来并更新 index.md 和 log.md。
- QUERY:当我问你问题时,回答我,并且如果这个回答有价值,就把它作为新页面归档进 wiki。
- LINT:当我要求你时,检查 wiki:矛盾、过时数据、孤立页面,并提出修复建议。

先向我提出必要的问题,搞清楚我的 wiki 是关于什么的,然后创建初始结构(文件夹、index.md、log.md,以及我 CLAUDE.md 里关于模式的那一节)。

这个方法适合谁?

什么时候适合你

你和你的 AI 一起做一个项目或某个主题,而每次都要重复讲同样的东西让你厌烦。

你希望知识随着时间积累并变得更好,而不是在关闭对话时蒸发掉。

你喜欢阅读并掌控你的 AI "知道"什么(它们是文本文件,不是黑盒子)。

你已经在用 CLAUDE.md,想把它提升到下一个层次。

在 NeuralOS 里:活的 wiki,无需搭建文件夹

这个愿景,已经触手可及

Karpathy 的方法很强大,但需要你亲自搭好文件夹并保持纪律。在 NeuralOS 里,每个智能体都已经在一个界面里拥有它的记忆、它的指令(它的模式)和它的知识库——无需你手动搭建文件,就能实现这个活的 wiki 的理念。在云端维护它的引擎,是我们正在建造的道路的一部分;而这套体验,已经在那里了。