Karpathy 的新工作流：用 LLM 把原始資料編譯成私人 wiki

前 Tesla AI 主管 Karpathy 把原始研究資料交給 LLM，自動編譯成私人 wiki。40 萬字的知識庫不用 RAG，而且越用越完整。這篇拆解完整架構邏輯，也分析離產品還有多遠 ⭐ 文章深度讀：完整的四步驟架構圖，加上離產品化還差哪些落差 → https://heymaibao.com/karpathy-llm-wiki-workflow/ ⚡ 章節重點 Karpathy 在做什麼 00:00 LLM 變成知識編譯器 01:26 四步驟架構拆解 02:47 不需要 RAG 也撐得住？ 04:49 自增強迴圈的魔法 06:04 離真正的產品還差什麼 07:29 最重要的核心觀念 08:30 📝 懶人包 ∙ Karpathy 把 LLM 當成「知識編譯器」：收集原始資料，LLM 自動編譯成結構化的 .md wiki，包含摘要、反向連結和概念文章。 ∙ 這個 wiki 會自我增強：每次問答的產出都寫回 wiki，知識庫因為使用而持續增長，不是一次性的整理。 ∙ 在大約 100 篇文章、40 萬字的規模下，目前不需要 RAG，LLM 自己維護索引就撐得住。 ∙ 我的觀察：從原始資料到結構化 wiki 再到持續增強的這套架構模式很有潛力，但從個人腳本到真正的產品，中間還有多人協作、規模天花板和前端工具整合的落差要跨。 📚 參考資料 Karpathy 的 X 貼文 → https://x.com/karpathy/status/2039805659525644595