karpathy-llm-wiki

英文原文正文为项目原始 README（英文），本站后续会翻译为中文，当前仅剔除图片与无关章节并统一排版。

karpathy-llm-wiki

一个可重复使用的技能，用于使用 Claude Code、Cursor、Codex 以及其他 Agent Skills 工具构建 Karpathy 风格的 LLM 维基。

karpathy-llm-wiki 将 Karpathy 的 LLM Wiki 想法 打包成一个可安装的 Agent Skills 技能。您的编码代理将源文件导入 raw/，将持久化的知识页面编译到 wiki/，回答问题时提供引用，并检查 wiki 的一致性。

什么是 LLM Wiki？

LLM Wiki 是一个知识系统，其中 LLM 维护结构化的 wiki 页面，而不是在每次提问时重新搜索原始文档。新的来源会被编译成持久化的 Markdown 页面，交叉引用会随着时间更新，回答问题时引用已经包含综合知识的 wiki 页面。

该技能提供三个操作：

完整技能规范请参见 SKILL.md。

LLM 维基 与 RAG

此技能针对 Wiki 模型进行了优化：知识会随着时间改进，而不是在每次查询时重新推导关系。

使用统计

基于自2026年4月以来每天维护的生产知识库：

• 94 篇维基文章，分布在 13 个主题目录中
• 已导入 99 个源材料
• 过去7天内有 87 条操作日志记录

请参见 examples/ 获取维基页面、源文件和操作日志示例。

安装

npx add-skill Astro-Han/karpathy-llm-wiki

兼容支持 Agent Skills 标准的任何工具。

快速开始

1. 导入您的第一个来源

为技能提供一个 URL、文件或粘贴文本：

“导入这篇文章：https://example.com/attention-is-all-you-need”

该技能将来源存储在 raw/ 文件夹中，然后在 wiki/ 中编译或更新相应的知识页面。

2. 向您的 Wiki 提问

“我对注意力机制了解什么？”

该技能在 Wiki 中搜索，并提供带有指向您的 Markdown 页面引用的答案。

3. 保持 Wiki 的健康状态

“检查我的 Wiki”

检查损坏的链接、缺失的索引条目、陈旧的交叉引用以及相关问题。

工作流程如何运作

Karpathy 的核心观点：大语言模型维护维基，而人类专注于选择信息来源和提出好问题。

your-project/
├── raw/            ← Immutable source material
│   └── topic/
│       └── 2026-04-03-source-article.md
├── wiki/           ← Compiled knowledge pages maintained by the LLM
│   ├── topic/
│   │   └── concept-name.md
│   ├── index.md    ← Global table of contents
│   └── log.md      ← Append-only operation log

每一个新的来源都可以更新多个页面，加强交叉引用，并记录矛盾。这就是维基随着时间推移而累积的原因。

工具兼容性

此技能遵循 agentskills.io 开放标准：

常见问题

LLM维基和个人维基有什么区别？

LLM维基由模型维护。随着新材料的到来，它会更新摘要、交叉链接、索引条目和矛盾点。普通的个人维基则依赖人工编辑。

我可以摄取哪些来源？

网页、论文、博客文章、PDF、Markdown文件、文本文件和粘贴文本。此技能会将所有内容转换为 raw/ 下的Markdown，并将其编译到 wiki/ 中。

这可以用于生产环境吗？

该工作流程基于一个真实的知识库，自2026年4月起每天维护94篇文章和99个来源。该仓库包括示例、模板和设计规范。

设计边界

故意没有构建，在三个月的生产日志和生态系统调查（LLM Wiki v2、llm-wiki-compiler、OKF、代理记忆文献）之后：

• 源哈希新鲜度追踪——raw/ 是不可变的，因此哈希可以防止不可能发生的事件。真正的新信息以新来源通过正常摄取的方式到达。
• 持久化行号引用——每个观察到的保真度错误都是“源中缺少值”，整个文件的 grep 可以捕获。锚点只用于消除尚未发生的失败模式的歧义，而且注释摩擦会使代理跳过规则。
• 数值置信度或质量分数——没有校准的虚假精度。证据强度应体现在正文中。
• 每篇文章的审核日期——没有人能在编译时预测一个领域发展的速度。维护由整个维基的 lint 驱动，而不是每页计时器。
• 基于访问的衰减——被频繁访问的并不等于真实。
• 撤回/错误来源机制——尚未发生。在发生之前手动处理。
• 自动钩子和定期运行——这些属于代理环境，而不是工具无关的技能。
• 向量或图搜索——在 50K–100K 令牌的精心整理维基中，grep 和阅读更可靠。仅当召回率明显下降时才增加搜索工具。
• 类型化关系本体——链接的语义存在于链接周围的正文中。
• OKF 合规——规范是 v0.1 草稿，且工具生态最小。已跟踪；将会重新审视。
• MCP 服务器、UI、输出子系统——在工具无关技能的边界之外。

灵感来源

非官方社区实现了来自 Karpathy 的 LLM Wiki 想法 的工作流程。这里的价值在于可重用的工作流程、提示结构以及经过实践验证的知识汇编规则。

另请参见：lucasastorian/llmwiki, atomicmemory/llm-wiki-compiler。我们正在跟踪谷歌的 开放知识格式 草案，并将在规范和工具成熟后评估兼容性。

许可

MIT