Karpathy 的 LLM Wiki 三週變桌面應用
Karpathy 在四月發布的 LLM Wiki 概念只是一份 Gist 建議，三週後就有開發者推出完整的跨平臺應用。這個速度反映了代理人時代開源迭代的新節奏：架構理念快速循環成可用產品，知識庫從查詢驅動轉向編譯驅動。
四月初，Andrej Karpathy 在 GitHub Gist 上發布了一個簡單但深遠的想法：用 AI 將文檔集合漸進地編譯成一份自我維護的知識庫。不同於傳統 RAG 每次查詢都重新構建上下文，這套架構讓知識編譯一次，持續演化。Gist 貼出後迅速累積 5,000 多星。
真正有趣的事發生在三週後。開發者 Nash Su 將這份概念文件轉化為一個名叫 LLM Wiki 的完整跨平臺桌面應用，現已累積 4,400 星。v0.3.13 剛在四月底發布，搭載 dmg/rpm/deb 安裝程式和 Chrome 外掛。速度驚人。
從想法到執行的架構
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
LLM Wiki 實現了 Karpathy 素描的三層架構：原始文檔不可變存放在 raw/ 資料夾，LLM 生成的知識庫頁面保存在 wiki/ 資料夾，一份 CLAUDE.md 式的綱要檔案定義整個系統的結構和慣例。三個核心操作—— ingest（攝入新來源）、query（查詢並合成）、lint（維護和檢測矛盾）—— 讓知識庫隨時保持一致性和可追溯性。
但實裝遠不止於此。該應用引入了一個關鍵的兩階段攝入流程：先分析（LLM 提取實體、概念、潛在矛盾，尋找既有維基頁面的關聯），再生成（製作摘要頁、實體頁、概念頁，更新索引，標記需人工檢視的項目）。一份來源文件可以級聯更新 10 到 15 個維基頁面。搭配 SHA256 增量快取和三次重試機制，系統既快又韌性強。
知識圖譜的新玩法
最引人注目的創新是知識圖譜設計。系統用四維邊權重量化概念間的關聯：直接維基連結（×3.0 權重）、來源重疊（×4.0，兩頁引用同一文檔）、Adamic-Adar 共同鄰居（×1.5，稀有共享鄰居計重更高）、類型親和力（×1.0）。透過 Sigma.js 和 ForceAtlas2 佈局演算法視覺化，Louvain 社群偵測自動發現話題叢集。
圖譜衍生出兩類洞察：驚奇連結（跨叢集、跨類型的非預期邊）被標記為「認知突破的起點」；知識缺口（孤立頁面、稀疏連結的社群、連接 3+ 叢集的樞紐節點）各配一個「深度研究」按鈕，點擊即啟動 Tavily API 搜尋，合成結果再注入攝入管線。確認對話框防止無意觸發。
檢索層也突破傳統做法。文本分詞（中文用二元切分）、可選的向量 ANN（透過 LanceDB）、從搜尋種子開始的二跳圖遍歷，三者合力達成多階段檢索。使用者可調整上下文視窗（4K 到 1M token），分配比例為 60% 維基 / 20% 對話歷史 / 5% 索引 / 15% 系統提示。文檔報告顯示召回率從 58.2% 提升至 71.4%（啟用向量搜尋時）。
另一個細節：每個專案配一份 purpose.md 意圖檔案。LLM 在每次攝入和查詢時都讀取它，確保知識庫有方向感，不會淪為無向累積。刪除來源時系統也足夠聰慧：自動清理其摘要頁，移除共享頁面中的該來源引用（但保留共享實體本身），刪除索引項和斷連。
代理人時代的知識編譯
這個故事的核心不在單一功能，而在迭代速度和設計哲學的轉變。Karpathy 的想法在 Gist 上流傳——這是開源時代知識循環的新形式。一份建築草圖，共享給社群，由能幹的開發者在數週內具現化成可用產品。RAG 不是錯，但它從預設方案降級為備選方案。真正的前沿是把知識視為編譯後的製品，而非即時查詢目標。mem0 和 MemOS 為 Agent 解決了這個問題；LLM Wiki 為人類使用者解決了它。
使用者也能直接用 Obsidian 開啟生成的維基目錄——該應用完全相容 Obsidian Vault 格式（含 .obsidian/ 配置）。LLM Wiki 作編輯器，Obsidian 作檢視器，兩個工具各盡其能。從來不是 LLM 要取代人類工具，而是代理人時代的工具組合方式從「單一巨人應用」轉向「互操作的專用工具生態」。