返回AI 入门教程
AI 入门教程
Karpathy LLM Wiki：用 AI 打造你的第二大脑
阅读时间：12 分钟
🔥 Andrej Karpathy（前特斯拉 AI 总监、OpenAI 创始成员）2026 年 4 月引爆的新范式：把笔记当源代码，让 AI 当编译器。不用向量数据库，纯 Markdown 文件就能越用越聪明。
一句话理解
以前你记笔记，记完就忘了。LLM Wiki 不一样——你丢原始材料进去，AI 自动帮你整理、链接、保鲜。就像雇了一个 24 小时不睡觉的图书管理员，永远帮你整理知识库。
📥 你丢入原始材料
⬇️
🤖 AI 读取、提取概念、更新相关页面
⬇️
📚 结构化 Wiki 知识库（自动交叉链接+持续保鲜）
⬇️
🧠 你的第二大脑——越用越值钱
和传统 RAG 有什么区别
| 对比维度 | 传统 RAG | LLM Wiki |
|---|---|---|
| 方式 | 每次查询时临时检索拼凑 | 一次性编译成结构化知识 |
| 维护 | 需要手动更新交叉引用 | AI 自动维护链接和保鲜 |
| 基础设施 | 需要向量数据库+Embedding | 纯 Markdown 文件，零依赖 |
| 效果 | 每次查结果可能不一致 | 编译一次，永久一致 |
| 适合 | 百万级文档 | 几百到几千篇，质量优先 |
三层架构
📁 Raw 层 — 原始素材（你管）
不可变的输入区。剪藏的文章、会议纪要、灵感碎片——丢进去就不改了。AI 只读不写。
📐 Schema 层 — 知识宪法（你定规则）
告诉 AI 怎么维护的规则文件。SCHEMA.md / CLAUDE.md 定义格式、命名规范、工作流。
📚 Wiki 层 — 编译成品（AI 管）
AI 全权维护的结构化百科页面。自动交叉链接、持续保鲜。你只管用，AI 负责维护。
三个核心操作
📥 Ingest（摄入）
丢新素材到 raw/ → 对 AI 说「请摄入」→ AI 读取、提取概念、更新相关页面。一篇来源可能牵动十几页 Wiki。
🔍 Query（查询）
直接问编译好的 Wiki：「关于 XX，我知道什么？」→ AI 带引用作答。优质回答可回档成新页。
🧹 Lint（体检）
定期让 AI 做代码审查式自查——找矛盾信息、孤立页面、过时论断、死链接。
10 分钟快速搭建
# 1. 安装工具
下载 Obsidian（免费） + 安装 Claude Code + 装 Obsidian Web Clipper 浏览器扩展
# 2. 创建知识库
在 Obsidian 新建 Vault → 创建 raw/ 文件夹 → Web Clipper 保存位置设为 raw/
# 3. 初始化
在 Vault 目录运行 `claude`，粘贴启动 prompt，AI 自动创建文件夹结构和规则
# 4. 开始使用
剪藏第一篇文章到 raw/ → 对 Claude 说「Please ingest it」→ 等待 5-15 分钟
查询：「What do I know about XX?」 体检：「Run a health check」