LLM Wiki — 持久化知识库模式
Andrej Karpathy 提出的个人知识库构建模式。核心思想：放弃 RAG 每次从原始文档重新检索，改为让 LLM 增量维护一个持久的 wiki。
核心差异
| 传统 RAG | LLM Wiki |
|---|---|
| 每次查询重新检索原始文档 | 知识编译一次，持续累积 |
| 片段级检索，上下文割裂 | 整页级阅读，全局推理 |
| 无持久化，不积累 | 越用越丰富 |
| 需要向量库/embedding | 纯 markdown, git 版本化 |
适用量级：文档总 token 数小于 20 万时，纯 context 方案比 RAG 更简单更可靠。
三层架构
- Raw sources (
raw/) — 原始资料，只读不改，是 source of truth - Wiki (
wiki/) — LLM 生成的 markdown 文件，LLM 全权维护 - Schema (
AGENTS.md) — 配置文件，定义 wiki 结构和工作流
三个核心操作
- Ingest — 新资料丢进 raw/，LLM 读取 → 写摘要 → 更新相关页面 → 维护 index
- Query — 搜索 wiki 回答问题；好答案归档成新页面
- Lint — 定期检查矛盾、孤立页面、过时断言
为什么有效
LLM 不嫌烦。人放弃 wiki 是因为维护成本 > 收益（更新交叉引用、保持一致性）。LLM 做这些零成本。
人的工作：选素材、问对的问题、判断什么重要。 LLM 的工作：所有整理、交叉引用、更新的脏活。
关联
- 仓库现有
raw/→wiki/→ 博客发布流程天然对齐三层架构 - 与 RAG 不是对立，是量级选择：小规模（< 20w tokens）LLM Wiki 更优，大规模用 RAG
- Vannevar Bush 的 Memex (1945) — 精神先驱，LLM 解决了"谁来维护"的问题