你的 AI 查完就忘？Karpathy 用 LLM wiki 讓知識真正累積

Karpathy 的 LLM wiki 不是 RAG：知識整理一次就持續累積，交叉引用自動建好。完整拆解三層架構、和 NotebookLM 的差異，以及為什麼他選擇分享 idea file 而不是程式碼。 ⭐ 文章深度讀：完整拆解三層架構、RAG 差異、和 Karpathy 沒回答的三個問題 → https://heymaibao.com/karpathy-llm-wiki-idea-file/ ⚡ 章節重點 你的 AI 為什麼每次都從零開始 00:00 RAG 的根本問題在哪 00:33 LLM wiki 三層架構拆解 02:08 idea file：只分享想法不給程式碼 03:50 八十年的老問題 LLM 終於解了 05:10 📝 懶人包 ∙ Karpathy 的 LLM wiki 和一般 RAG (讓 AI 從文件裡檢索答案的技術) 的核心差異：RAG 每次查詢都從原始文件重新檢索，LLM wiki 則是把知識「編譯」一次並持續更新，交叉引用已建好、矛盾已標出，不用每次重新拼湊 ∙ 過去所有知識管理工具最後都死在「使用者放棄維護」，LLM 讓維護成本趨近零，解決了 1945 年 Vannevar Bush 提出 Memex 願景以來，一直沒人能回答的問題：誰來做維護？ ∙ Karpathy 把這個想法寫成 idea file 分享，刻意只描述概念不提供實作。他主張在 agent 時代，分享想法讓對方的 agent 客製化建構，比分享特定實作更有價值 ∙ 我的觀察：這個想法最有力的部分不是 wiki 架構本身，而是「維護成本歸零」的洞察。但 Karpathy 的經驗目前僅限約 100 篇文章的規模，idea file 的適用範圍也比表面看起來窄，它最適合工作流程和模式層級的分享，不太適合需要精確工程權衡的系統 📚 參考資料 Karpathy LLM wiki workflow 推文 → https://x.com/karpathy/status/2039805659525644595 Karpathy idea file 推文 → https://x.com/karpathy/status/2040470801506541998 llm-wiki gist → https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f