教程
Karpathy LLM Wiki 是什么?用 Claude Code 自己搭一个
解释 Karpathy 的 LLM Wiki:放入文档、整理关联页面、提问并查看来源,再核对资料更新后的答案。
01
LLM Wiki 是一个由 AI 根据你的来源持续更新的 Markdown 页面文件夹,答案会积累,不必每次从头整理。
02
它有三层(来源、wiki、schema)和三个任务(ingest、query、lint)。
03
跟着完整流程试一次:放入文档、整理 Wiki、提问看来源,再核对更新。
01
Karpathy 的 LLM Wiki 是什么
2026 年 4 月,Andrej Karpathy 在 GitHub gist 发表了《LLM Wiki》。这个做法是把来源整理成互相链接的 Markdown 页面,让后续问题可以先从维护中的综合页面开始,不必每次都从头搜索整批资料。来源变更时仍要重新读取并检查受影响的页面;重要结论也可能需要回到引用来源核对。
gist 是概念说明,不是 App,也没有规定唯一配置。下方规则模板与重试规则练习是我们补充的教学示例;跨 AI 工具共用规则是可选项。本文以 Karpathy 的公开笔记为概念来源,不代表 Karpathy 为 Wenlan 背书。
Schema
CLAUDE.md 或 AGENTS.md:wiki 怎么组织
给 AI 的工作规则;修改仍需审核
原始来源
文章、论文、笔记、文件
只读不改
Wiki
每个主题一页 Markdown,互相链接
index.md · log.md
回答
附上用到的页面与来源链接
lint:找出矛盾、过时说法、没有被链接的页面
02
三个任务:ingest、query、lint
Karpathy 描述了三种反复进行的工作:ingest、query 和 lint。有用的答案也能保存为新页面。规则用于引导 AI,实际修改仍需要你审核。
- Ingest(加入来源):读新来源、写一页摘要、更新受影响的页面,再更新 index.md 和 log.md。
- Query(提问):先读 index.md,只打开需要的页面,回答时附上链接。好的答案可以存成新页面。
- Lint(健康检查):找出互相矛盾的页面、被新来源取代的说法、没有被链接的页面,以及还没有页面的主题。
03
LLM Wiki 和 RAG 的区别
RAG 和 LLM Wiki 可以一起用。Wiki 把持续维护的综合内容留在互相链接的页面里;RAG 则检索原始来源或 Wiki 页面,协助回答问题。如果你想在提问之外继续阅读、编辑这份整理成果,Wiki 就有用途。检索仍能协助找到证据,来源变更后也仍要重新整理与审查。
RAG
- 提问
- 检索来源片段
- 回答
来源仍可查询;片段可能再次出现。
LLM Wiki
- 来源
- 整理并维护页面
- 提问
- 先看相关页面
来源变化时要更新页面。
04
现成的 LLM Wiki 实现
多数人是从现成项目开始。GitHub 上名称或描述含“llm-wiki”的仓库超过 6,400 个,大多在 2026 年 4 月之后创建;星数最多的 nashsu/llm_wiki 和 claude-obsidian,都超过 15,000 颗星(2026 年 10 月)。
| 项目 | 是什么 | 适合你,如果你 |
|---|---|---|
| Karpathy 的 gist | 原始说明,不是软件 | 想自己动手配置(见下方) |
| nashsu/llm_wiki | 跨平台桌面 app | 想要一个独立 app 整理文档 |
| AgriciDaniel/claude-obsidian | Claude Code + Obsidian 的配置 | 笔记本来就放在 Obsidian |
| Astro-Han/karpathy-llm-wiki | 给 Claude Code、Cursor、Codex 的 Agent Skills 套件 | 想把这个模式装成 AI 技能 |
| Wenlan | 桌面 app,附 MCP server | 同时用好几个 AI 工具,希望页面保持最新、又不会覆盖你的修改 |
05
用 Claude Code 或 Codex 搭建 LLM Wiki
你需要 Claude Code 或 Codex 这类能编辑本地文件的 AI 工具,以及一个空文件夹。建立下面的结构并运行 git init。用 Obsidian 或任何 Markdown 编辑器阅读页面即可。
my-wiki/
CLAUDE.md # Claude Code 使用;Codex 请用 AGENTS.md
raw/ # 你的来源;AI 不会修改
wiki/
index.md # 每页一行
log.md # 每次 ingest、query、lint 一行
sources/ # 每份来源一页摘要
topics/ # 每个主题、人物或概念一页06
放入文档、整理 Wiki,再核对答案
先用下方虚构资料跑一遍。以下提示输入 AI 对话,不是终端命令。
1. 放入文档
将下方的 api-v1.md、decision-07.md 和 runbook-v1.md 分别保存到 raw/。按工具保存下方规则,审核并提交这些初始文件,再让 AI 写入。
2. 让 AI 整理 Wiki
在 my-wiki 启动 Claude Code 或 Codex,先请它确认加载了哪些规则,再逐句输入。核对它有生成来源摘要和相互链接的主题页、更新 index.md 和 log.md,且没有修改 raw/。
AI 对话:整理文档 ingest raw/api-v1.md ingest raw/decision-07.md ingest raw/runbook-v1.md3. 提问,打开来源核对
答案应是首次失败后最多重试 3 次,总共 4 次尝试,依据为 api-v1.md 和 decision-07.md。亲自打开这两份引用文件核对原文;超时时间没有指定,AI 不应自行补上。
AI 对话:附上依据回答 query GET 最多可以重试几次?请附来源,并列出尚未确定的信息。4. 加入新版资料,核对变化
将下方新版内容保存为 raw/api-v2.md,保留 v1 作历史参考。新资料允许重试 1 次,但 decision-07.md 仍写 3 次。Wiki 应指出冲突,不应默默选一个答案;接受更新前逐项检查修改。
AI 对话:核对更新 导入 raw/api-v2.md,将 api-v1.md 仅作历史参考。 query GET 重试规则改了什么?引用两份当前来源,标出尚未解决的冲突。 lint
07
给你选用的工具一份 Wiki 规则
用 Claude Code 就保存为 CLAUDE.md;用 Codex 就保存为 AGENTS.md。先选一个工具开始,不需要配置跨工具共享。
# LLM Wiki
This folder is a wiki you maintain from my sources.
## Layout
- raw/: my sources. Read them. Never edit, move, or delete them.
- wiki/sources/: one summary page per source, named after the source.
- wiki/topics/: one page per topic, person, or idea.
- wiki/index.md: every page, one line each: [[page]] - summary.
- wiki/log.md: one line per job: ## [YYYY-MM-DD] ingest | <title>
## Page rules
- Start each page with a two- or three-sentence summary.
- Every claim links to the source page it came from.
- Link related pages with [[wiki links]].
- If a new source contradicts a page, say so on the page and cite both.
- Never rewrite text under a "## My notes" heading. I write that part.
- Write pages in Simplified Chinese.
## Jobs
- ingest <file>: summarize it, update affected topic pages,
update index.md, and log it.
- query <question>: read index.md first, open only the pages you need,
and answer with links. Offer to save a useful answer as a page.
- lint: list contradictions, outdated claims, orphan pages, and
missing pages. Fix only what I approve.08
先用完整示例试做,不必先安装
你的 wiki 能回答项目问题、指出依据,并在来源变化时提醒旧答案不能照用吗?先用这组虚构资料,在你现有的 AI 工具中试一次。以下是人工编写的教学输入与参考答案,不是 Wenlan 运行记录、客户成果或性能对比。
新建一个可随时删除的测试文件夹,按下方文件名分别保存三个 Markdown 文件,让 Agent 只读访问。生成的 wiki 答案另存,不要让 Agent 修改原始来源。API 名称与英文测试数据保持一致,便于三种语言的读者核对同一个问题。
提问:“只根据 api-v1.md、decision-07.md 和 runbook-v1.md,整理一页重试规则。每条规则标明来源文件名,区分重试次数与总尝试次数,列出尚未确定的信息。不要用常识补齐文档没写的内容。”
# api-v1.md — fictional API specification, revision 1
GET /reports: after a failed first attempt, allow up to 3 retries.
POST /payments: do not retry automatically.
# decision-07.md — fictional client decision
Use the API's GET retry cap of 3 to limit repeated requests.
Automatic POST retries are disabled because duplicate payments are unsafe.
# runbook-v1.md — fictional operator note
Record the endpoint, attempt number, and final failure in the local test log.
The request timeout has not been decided.09
核对答案,再改一份来源
对照下面的参考答案,不必逐字相同,但四项结论都要有正确依据;超时时间必须保留“尚未指定”。亲自打开被引用的文件:看似合理的引用,不代表真的支持那句话。
然后按下方内容新增 api-v2.md,让它替代 api-v1.md。第二次提问:“以 api-v2.md、decision-07.md 和 runbook-v1.md 作为当前来源,把 api-v1.md 仅作历史参考,对照之前的 wiki 答案与当前证据,找出过时结论,保留‘最多重试 1 次’与‘3 次’尚未解决的冲突;不要默默修改 decision-07.md,也不要替这项冲突下结论。”
如果普通文件加上你的 Agent 已经能清楚完成,就保留这个简单方法。当维护来源页面、让多个 AI 工具共享查询成为重复工作时,再评估 Wenlan。来源链接不等于语义已验证;另存替代来源也不等于更新已链接来源,仍要查看实际页面状态。这个练习不能证明 Wenlan 的准确率、节省时间、自动维护效果或今后复用。
# Request retry policy — reference answer, revision 1
GET: at most 3 retries after the first attempt (4 attempts total).
Source: api-v1.md; decision-07.md.
POST: no automatic retry.
Source: api-v1.md; decision-07.md.
Log: endpoint, attempt number, final failure.
Source: runbook-v1.md.
Timeout: not specified. Ask the owner; do not invent a value.
Source: runbook-v1.md.
# api-v2.md — fictional replacement for api-v1.md
GET /reports: after a failed first attempt, allow at most 1 retry.
POST /payments: do not retry automatically.
# Review note — before accepting a revised answer
The old GET answer is stale: api-v2.md now allows only 1 retry.
decision-07.md still says 3. Preserve and flag this conflict.
Do not report the old 3-retry policy as settled current guidance.
POST, logging, and the unknown timeout are unchanged.
Ask the decision owner to reconcile decision-07.md with api-v2.md.10
接受更新前,核对文件
最后在终端运行以下命令。另行打开标成 ?? 的新文件:git diff 不会显示尚未跟踪的文件。确认 raw/ 和自己的笔记没有被修改,只提交已审核的文件。
git status --short --untracked-files=all
git diff HEAD11
自己搭的 LLM Wiki 会在哪里卡住
文件夹方案把日常维护留给你:
- 来源变更后,你要重新导入或运行 lint,并核对受影响的页面。
- 除非每个 Agent 都遵守“My notes”规则,否则手动修改仍可能被覆盖。
- 每个客户端都必须加载共用 schema,并遵守来源与编辑边界。
- 大型索引需要选择性加载或搜索,不能无限制地放进每次提示。
- 你要决定何时将对话中的决定存回文件。
12
在 Wenlan 中使用 LLM Wiki
Wenlan 把来源导入、Wiki 页面、引用和审查整合在同一个 App。开启后台 AI 后,符合条件的 AI 维护页面可以随依据变化而更新;你编写或修改过的页面则收到修订提案。已连接的工具共用同一个知识库,省去自行搭建这套维护流程。
/capture 存下对话中的决定,/wenlan distill 创建或更新主题页面,/wenlan pages 打开页面,/brief 和 /recall 只加载下一次对话需要的内容。
/brief <topic>
/recall <question>
/capture <decision + why>
/handoff
/wenlan distill <topic>
/wenlan pages <topic>13
选读:让 Claude Code 和 Codex 共用规则
只有切换工具时才需要这段。保留一份 AGENTS.md,并在 CLAUDE.md 放入下方的 @AGENTS.md,以兼容不同配置。每次启动都确认加载的规则(Claude 用 /context;Codex 可询问加载了哪些指令文件)。
一次只让一个工具写入,完成后再切换。共享的是文件,不是上一段对话。
@AGENTS.md并排比较
用实际使用的维度比较。自建文件夹 + Wiki 规则 更好的地方,我们直接写出来。
| 维度 | Wenlan | 自建文件夹 + Wiki 规则 |
|---|---|---|
| 配置 | 安装 app 并连上你的 AI 工具 | 一个文件夹、一份 schema 文件和 git |
| 来源改变时 | 选用后台 AI 可更新符合条件的 AI 维护页面;你修改过的页面收到提案 | 重新导入来源并检查受影响的页面 |
| 你自己的修改 | 保留;更新不会覆盖你改过的页面 | schema 规则引导 AI;已提交的 Git 版本可用来恢复 |
| 多个 AI 工具 | Claude Code、Codex 等共用同一个 wiki | 一份共用 schema,由各客户端加载 |
| AI 对话作为来源 | 可以直接从对话存下决定 | 请 AI 将对话中的决定保存为文件,再自行审查 |
审查来源变化后的 wiki 页面
Wenlan 将文档、笔记和 AI 对话整理成附来源链接的页面;关联来源变化时,可标记受影响内容供检查。
在实际画面中,核对引用与修订
以下来自 Wenlan App 的 Tally 发票项目演示录像。放大实际画面,查看一条引用如何回到来源,以及页面修订提出了哪些变化。
1. 从 SQLite 结论回到原始依据
Wiki 说明 Tally 为单人应用选择 SQLite。展开的引用显示「SQLite for Single-User App」来源、摘要和「Open memory」入口。再次使用这个决策前,先比较句子与来源是否一致。
2. 先看增删内容,再决定是否接受
Project notes 修订删除「数据库尚未决定」的旧文字,提出使用 SQLite 的新表述。画面保留增删差异、先前版本,以及 Skip/Approve 操作。先检查新文字和引用,再决定保留哪些内容。
常见问题