用途
karpathy-llm-wiki 用于构建和维护一个由 LLM 驱动的个人知识库或 wiki。当用户想要整理研究笔记、构建“第二大脑”或搭建个人知识库时,可以使用该技能。
其核心原则是:你探索,LLM 维护。 你阅读世界、捕获原始信号;LLM 负责编译、交叉链接、去重、检查并暴露矛盾。你的 Obsidian 仓库是输出,而不是输入。
主要能力
该技能围绕 5 个核心提示词展开:
-
Ingest Prompt(摄取提示词):给定原始来源内容,提取关键实体(人物、概念、工具、论文,每个附 2 句描述)、带置信度(高/中/推测)的关键主张、与已知主题的连接、与已有认知的矛盾,以及建议的实体页面更新。
-
Compile Wiki Entry Prompt(编译 wiki 条目提示词):更新指定实体的页面。规则包括:保留所有已有信息,只添加或更正;用
⚠️ CONFLICT: [old claim] vs [new claim]标记矛盾;页面保持在 500 词以内;以Last updated: [DATE] | Sources: [LINKS]结尾。 -
Weekly Ingest Prompt(每周摄取提示词):处理本周阅读清单(5-10 项),为每项提取最多 3 个待更新实体、2-3 条值得加入 wiki 的关键主张、与已有知识的矛盾,以及与其他实体的连接建议,输出为结构化 markdown。
-
Lint / Contradiction Check Prompt(检查/矛盾检测提示词):审查 3-5 个相关实体页面,找出事实矛盾、应合并的重复信息、应标记的过时主张、缺失的交叉链接,格式为
ISSUE | PAGE | LINE | SUGGESTED FIX。 -
Query Prompt(查询提示词):基于个人知识 wiki 回答问题,输出直接答案(2-3 句)、带页面引用的支撑证据、知识空白,以及填补空白的建议阅读。
使用方式
记忆/上下文卫生(反污染规则)
Karpathy 指出 LLM 记忆会“过度努力”——两个月前的一个问题会污染未来每一次对话。防止方法:
- 永远不要依赖 LLM 内置记忆来存储知识——改用你的 wiki
- 为新主题开启全新会话,不要让旧上下文渗入
- 显式重置:若继续长会话,开头写“忽略所有关于 X 的先前上下文”
- 对 wiki 进行版本控制:用 git 提交 wiki 变更,以便对比变化
文件夹结构(兼容 Obsidian)
wiki/
├── entities/
│ ├── people/
│ │ └── andrej-karpathy.md
│ ├── concepts/
│ │ ├── agentic-engineering.md
│ │ └── llm-simulator.md
│ └── tools/
│ └── claude.md
├── index.md ← master entity list, auto-updated
├── contradiction_log.md ← conflicts to resolve
├── weekly_digest/
│ └── 2026-W21.md
└── raw/ ← source dumps before compilation
每周节奏
- 周一:将本周阅读内容倒入 raw/
- 周二:对每项运行摄取提示词
- 周三:运行检查/矛盾检测
- 周四:更新实体页面
- 周五:用 LLM 生成 weekly_digest.md
架构
RAW INPUTS LLM LAYER OUTPUT
────────── ───────── ──────
Papers (PDF/arXiv) ──→ ingest.py ──→ entities/*.md
Articles (URL) ──→ compile_wiki.py ──→ index.md
Chat logs ──→ lint_wiki.py ──→ contradiction_log.md
Notes (voice/text) ──→ query_wiki.py ──→ slides/
update_entity.py ──→ weekly_digest.md
Prompt Contract(提示词契约)
维护此 LLM wiki。根据提供的新来源,更新已有 Markdown 页面,只创建必要的新页面,保留所有引用和来源链接,标记与已有知识的任何矛盾,并输出结构化变更日志,显示:更新的页面、新建的页面、发现的矛盾、未决问题。
适用场景
- 整理研究笔记、构建个人知识库或“第二大脑”
- 内容创作者/研究者的“研究到发布”工作流
- 月度体检工作流中用于持久化反思结论
该技能属于“研究到发布”工作流,位置为第 2 步:上游为 karpathy-autoresearch(研究产出原始素材),下游为 karpathy-output-evolution(将知识转化为可发布形式)。完整链路:autoresearch → llm-wiki → output-evolution → education-first。
限制与验证清单
- 原始来源(raw sources)保持不可变
- 每个 wiki 页面有来源链接
- 矛盾之处被明确标记(不是静默覆盖)
- changelog 记录了本次更新的所有变更
- 没有创建不必要的新页面(优先更新已有页面)
- 可以从 index 页面导航到任何实体
关于该技能的收费、价格、平台支持范围等具体信息,资料中暂未提供。