大神 Karpathy 最新分享！搭建让 AI 自我进化的个人知识库

大神 Karpathy 最新分享！搭建让 AI 自我进化的个人知识库

你以为自己在搭知识库，其实 AI 每次都在从零开始，问题不在你，而是这套玩法本身就不对。

大神Karpathy 最近给出的最新解法是：不让 AI 一遍遍翻资料，而是让它长出一套自我进化的 Wiki。

从这一刻开始，你来负责想法，AI 负责沉淀，你和 AI 的关系彻底反转。

为什么你的知识库，总像第一次用

现在大多数人的，其实是“弱知识库”。

如果你平时把文章、PDF、笔记一股脑丢进知识库工具，肯定踩过这个坑：资料明明喂过，一旦问题复杂，AI 还是像失忆一样。

因为无论是 ChatGPT 上传文件、NotebookLM、传统 RAG，本质都一样，只有在提问时，才去原始资料里找答案。

所以你用得越频繁，知识越没有真正积累。

个人知识库最小落地方案

Karpathy 这套方法，本质就是绕开这个死循环。

让信息只处理一次，但价值被无限放大。他指出应该把这个流程反过来 👉 先整理知识再去使用，这样 AI 就不再临时理解，而是持续改写知识结构。

步骤一、先建一个知识库文件夹 ------------------

在你的电脑里，新建一个总文件夹，名字你可以直接叫：my-wiki，然后在里面再建 3 个子文件夹： -----------------------------------------------------

my-wiki/

这 3 个文件夹分别干什么？

###

raw

放原始资料，不能改。比如我一般放：网页文章、PDF、会议纪要、读书笔记原文、播客转录稿。

###

wiki

放 AI 整理后的知识页。比如：某个人物的页面、某个概念的页面、某个主题的总结页、某次对比分析页。

###

logs

放记录日志。至少先准备两个：logs/index.md、logs/log.md。

步骤二、用 Obsidian 打开 my-wiki，新建 3 个文件 --------------------------------------

打开 Obsidian，选择 Open folder as vault，然后选中你刚刚创建的 my-wiki 文件夹。（这样以后你所有知识库页面，都在 Obsidian 里看） ------------------------------------------------------------------------------------------------

在 my-wiki 根目录下，新建这 3 个文件

AGENTS.md

AGENTS.md 是给 AI Agent 看的维护规则。你以后每次让 Claude Code 或Codex 帮你整理知识库，它都会先参考这个文件，你可以先把这个最简单版本放进去：

# Personal Wiki Rules

logs/index.md 这是你整个 wiki 的目录，先写成这样：

# Wiki Index

logs/log.md 是时间流水账，里面先写个标题就行：

# Wiki Log

步骤三、现在开始真正做知识库 ---------------------

你先找一篇你最想长期积累的内容，放进：raw/

比如你今天这篇 Karpathy 的内容，你可以保存成：raw/karpathy-llm-wiki.md

注意：

原始资料放 raw/

不要直接放 wiki/

raw/ 里的文件以后尽量不改

步骤四、让 AI 开始第一次 ingest（自动摄取知识） ---------------------------------

现在打开你的 Agent，比如 Claude Code、Codex、YutoCode 都行，然后把它指到 my-wiki 这个目录。 ----------------------------------------------------------------------

---

接着给它一句话：请读取 raw/karpathy-llm-wiki.md，把里面的关键信息整理进 wiki/，新建或更新相关页面，并同步更新 logs/index.md 和 logs/log.md。 ---------------------------------------------------------------------------------------------------

-----

然后 AI 会帮你： ------------

1. 在 wiki/ 里生成一两个页面 ---------------------

2\. 在 logs/index.md 增加目录项 -------------------------

3\. 在 logs/log.md 追加本次记录

步骤五、复盘检查

你不要一上来就塞几百份资料。你先看第一次结果对不对。

1\. 重点检查 wiki/ 里有没有生成页面，看看里面有没有生成 llm-wiki.md、rag.md。

2\. 再看页面内容是不是总结过的知识，结构是下面这样的，不是原文复制过来的。

结构化总结

3\. 看 logs/index.md 有没有新增条目

###

4\. logs/log.md 有没有记录本次 ingest

###

如果这 4 个都有，说明第一轮跑通了

###

一旦你跑通第一轮后，你的目录大概会是这样：

my-wiki/

记得以后每次新增资料，就重复这套动作（让 AI 去检查）

放进 raw/ 👉 让 AI ingest检查 wiki/ 👉 检查 index.md 👉 检查 log.md

###

这时候你就不是存资料了。而是开始拥有一套会持续被 AI 自动维护的知识库。

与 RAG 的不同

这套方案的好处是不需要向量数据库，不需要复杂架构。对个人来说，几十到几百份资料，已经足够好用。

有人说 RAG 习惯了，那当然没问题，但它更适合大规模、低结构、一次性查询。个人知识库不是这样。个人真正需要的，是长期积累、持续理解、不断更新。

两者差别是：RAG 是每次重新查，LLM Wiki 是持续整理、持续演化。

知识库最难的从来不是搭建，而是维护。整理、更新、补链接、修冲突，这些事靠人很难长期坚持，但 AI 可以持续做，而且越做越完整。

比如这些场景：

研究论文、行业分析，最终能沉淀成体系

个人目标、健康、日志，能从记录变成认知；

读书和深度学习，能逐步搭出自己的私有百科；

团队会议、项目资料、沟通记录，也能从文档堆变成持续更新的知识系统。

感谢您一键三连，欢迎在评论区说说你的真实用处，给我们启发。

商务合作 / 内容授权 [email protected]