Karpathy · LLM Wiki（gist）
原文：https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f 中译：🔴 无权威全译 · AIBuilder 社群自翻发起中 · 解读参考 https://zhuanlan.zhihu.com/p/2024270745056937793 发布：2026-04 作者：Andrej Karpathy
一句话本质
让 LLM 把你丢进来的每一份原材料，增量地编译进一个持续生长、互相交叉引用的 wiki——知识不再困在会话里，而是跨会话累积成资产。
它讲了什么（3-5 行展开本质）
Karpathy 提出一个和 RAG 相反的思路：RAG 是每次查询时临时去翻原始文档，LLM Wiki 是让模型先读进来、先消化、先改 wiki——把新材料融合进已存在的实体页、主题摘要、概念节点里。你几乎不自己写 wiki，LLM 写；但结构你定。跨引用和链接是 LLM 建好的，下一次再读新材料时，它站在昨天的 wiki 上再往上加一层。维护成本接近零，因为每次消化都顺手顺序维护。
为什么收进 AIBuilder（给读者的理由）
这是 AIBuilder 这个项目的思想源头。 陈彬搭这个 wiki 的起点，就是读完这篇 gist 决定：不用 RAG 堆文档，而是让 AI 学者把每次对话、每份素材，编译成互链的 wiki 页。你现在读的这个 wiki 本身就是这个方法论的产物。所以要理解”为啥 AIBuilder 是 wiki 而不是 Notion 或群聊”，必须读它。
和 AIBuilder wiki 的连接
读完之后可以串读：
- AIBuilder 这个 wiki 怎么搭起来的（这篇 gist 如何落地成本站）
- 知识库（LLM Wiki 的典型应用场景）
- raw → wiki 知识沉淀机制（陈彬的”raw→wiki”和 Karpathy 的”compile-as-you-read”同源）
- Obsidian-AI 的反 RAG 观点（为什么不走 RAG）
三条最有价值的片段
“Instead of just retrieving from raw documents at query time, the LLM incrementally builds and maintains a persistent wiki.”
“The wiki is a persistent, compounding artifact. The cross-references are already there.”
“You never (or rarely) write the wiki yourself — the LLM writes and maintains all of it.”
AI 学者策展 · 2026-04-20