发布日期：2026-07-02 17:28:38 浏览次数： 1566
作者：LLMDev+
微信搜一搜，关注“LLMDev+”
推荐语
Karpathy提出LLM Wiki，一种让AI自动构建结构化知识库的元框架，或将改变我们管理信息的方式。
核心内容：
1. LLM Wiki的核心理念：从RAG的“解释器”模式转向“编译器”模式
2. 当前RAG技术的局限与LLM Wiki提出的解决方案
3. LLM Wiki作为元框架对未来知识管理的影响
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
**LLM Wiki的起源：Karpathy 重新定义个人知识管理**
* * *
2026年4月，OpenAI创始成员、特斯拉前AI总监Andrej Karpathy在X上分享了一套自己正在实践的工作流，称之为“LLM Wiki”。这条帖子在X上浏览量超过1700万，引发了整个开发者社区的广泛讨论。
Karpathy将这套想法整理成一份gist（`https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f`）进行分发。他在其中提出一个判断：**在LLM Agent时代，分享具体代码或应用的意义正在变弱，现在只需要分享想法，把它交给Claude、Grok等Agent，它就可以根据你的需求自动搭建一个属于你自己的个人知识库。**
这不是一个具体的工具或软件，而是一种**元框架（meta-framework）**——它不依赖某个具体模型或技术栈，而是在尝试定义一种人类与AI协作管理知识的方式。
估计很多老一点的程序员可能对 wik i这个词很熟悉！维基百科就是这样做的。你也可以把LLM Wiki理解成给Agent用的一个“维基百科”。（说完这个，年龄立马暴露了
）
* * *
01
—
需要从RAG的困境说起
LLM领域的知识层出不穷，RAG还都没有用明白呢！LLM Wiki又出来了。但是这个LLM Wiki还真应该了解了解，它不是一个赶时髦的概念，也许真的会成为Agent知识管理中一个非常重要的技术。
要理解 LLM Wiki 的价值，首先要看清当前主流方案 RAG的局限。
目前我们使用LLM处理文档的方式，本质上类似于**RAG（检索增强生成）**：上传一组文件，模型在查询时检索相关片段，然后生成答案。NotebookLM、ChatGPT的文件上传功能，以及大多数企业级RAG系统，都遵循这一模式。
Karpathy指出了RAG的根本问题：**每一次提问，模型都在从零重新发现知识，重新拼凑。**
如果你问一个需要综合五篇文档才能回答的复杂问题，模型每次都要重新定位、拼凑相关片段——没有任何东西被沉淀下来。Karpathy的原话是：**“没有积累”（There’s no accumulation.）**
用计算机科学的术语来说：**RAG表现得像解释器——运行时重新求值一切。**
* * *
02
—
从“解释器”到“编译器”
LLM Wiki提出的是一种完全不同的思路：**不是在查询时从原始文档中临时检索，而是让LLM逐步构建并维护一个持续存在的、结构化、相互链接的Wiki。不是让人来手动构建wiki，而是让大模型根据设定的格式和目标，来自动创建这个wiki。**
Karpathy引用了一个程序员一听就明白的类比：**RAG像解释器，LLM Wiki像编译器。**
编译器做什么？它把源代码预先处理成可执行的程序，之后每次运行都基于编译产物，而非反复阅读源代码（Java就是这样处理的）。
LLM Wiki同理——**将原始资料预先“编译”成结构化的Markdown Wiki，后续所有检索都基于这个编译产物展开，而非反复阅读原始材料。**
* * *
03
—
LLM Wiki的架构设计
LLM Wiki采用清晰的三层架构：
**第一层：原始资料（Raw Sources）——不可变层**
将所有原始资料（论文、文章、PDF、网页剪藏等）放入`raw/`目录。这一层是**不可变的**——LLM只读取，绝不修改。这是事实基准，如果Wiki出了问题，可以从原始素材重建。
**第二层：Wiki——已编译的知识图谱**
LLM读取`raw/`中的素材后，主动“编译”出一整套结构化的Markdown Wiki。包含实体页面（人物、公司、论文）、概念页面（思想、方法、框架）、主题摘要、对比表格等，并构建一个全局视图index.md，这个全局视图就是将来Agent用来定位wiki页面的目录。
**第三层：Schema——行为契约（可选）**
通过`SCHEMA.md`或`AGENTS.md`等配置文件，定义知识库的主题边界、写作风格、知识粒度，约束LLM提炼知识的方向，保证全站风格统一。
* * *
04
—
查询知识
**用户提问后，Agent的工作路径如下：**
1. **完整读取顶层索引**`index.md`——这相当于知识库的“目录”，列出了所有页面标题与核心摘要
2. **根据摘要自主判断**哪些页面与问题相关
3. **读取相关Wiki页面的完整全文**——注意，不是碎片化的chunk，是完整的、结构化的页面
4. **沿`[[wikilink]]`进行多跳推理**——从一个页面跳到另一个页面，通过知识网络完成深度推理
5. **基于完整的上下文生成答案**
这一过程**零向量检索、零分块、零碎片割裂**，是LLM Wiki最纯正的原生使用方式。Agent不再像传统RAG那样从原始文档中拼凑片段，而是在一个已经编译好的、结构清晰的知识库上进行查询和检索。
* * *
05
—
知识库的自我生长
Karpathy反复提到“**compounding（复利）**”一词。
标准个人知识管理工作流中，信息的增长充其量是线性的——收藏了200篇文章，190篇原封不动地躺着。知识不会自己相互关联，每次需要用到时，结构都得手动搭建。
LLM Wiki改变了这一点。模型不只是写一个摘要页面，它会通读整个现有Wiki，找出新内容与已有实体页面、概念页面的交集，然后更新所有相关内容。
> **每一个新输入都被整合进现有知识结构，而非堆叠在上面。矛盾被标记，交叉引用被添加，综合页面被修订。**
这就是复利效应的实质：**摄入的内容越多，新材料被解读时所处的上下文就越丰富。**普通的知识库里，添加第100条笔记不会让第50条笔记变得更聪明——但在LLM Wiki模式下，会。
看到这里，很多人已经隐隐感觉到了tokens在起飞，每一次wiki的重建，都需要重新构建整个知识连接，tokens的消耗确实是一个无法回避的问题。但这就是权衡，你得考虑要优质的内容，还是要省钱，毕竟RAG利用本地Embedding模型的话，几乎是0 tokens消耗。
但有些帐要长远地算，如果说RAG检索出的内容质量差，导致Agent Loop飞转起来，估计多余的两三轮Loop，节省出来的tokens就又搭进去了。
* * *
06
—
适用场景
Karpathy在gist中列举的适用场景包括：个人知识管理、长期研究某个主题、边读书边建立角色/主题/线索页、团队内部Wiki、竞品分析、尽调、旅行规划、课程笔记等。
这些场景有一个共同点：**资料会不断累积，问题不会只问一次，人想要的通常不只是“找到片段”，而是“把结构慢慢整理出来”。**
Karpathy指出，在约 100篇文章、40万字 规模的实践中，这套方案的效果显著优于传统 RAG，且完全人类可读、可审计。如果只是临时查一个问题，RAG已经够用；但如果一个主题会反复碰、反复问、反复补材料，Wiki这层就开始产生真正的价值。
技术没有绝对的优劣，只有是否适配具体的使用场景。
[登录查看剩余 70% 内容](javascript:void (0);)
https://www.53ai.com/keyword/AI%E7%9F%A5%E8%AF%86%E5%BA%93https://www.53ai.com/keyword/%E4%B8%AA%E4%BA%BA%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86https://www.53ai.com/keyword/%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
**产品**：场景落地咨询+大模型应用平台+行业解决方案
**承诺**：免费POC验证，效果达标后再合作。**零风险落地应用大模型**，已交付160+中大型企业
https://www.53ai.com/news/zhishiguanli/2026070298312.htmlhttps://www.53ai.com/news/zhishiguanli/2026070128069.html
https://www.53ai.com/news/zhishiguanli
相关资讯
https://www.53ai.com/news/zhishiguanli/2026070483450.htmlhttps://www.53ai.com/news/zhishiguanli/2026070298312.htmlhttps://www.53ai.com/news/zhishiguanli/2026070128069.htmlhttps://www.53ai.com/news/zhishiguanli/2026070103542.htmlhttps://www.53ai.com/news/zhishiguanli/2026070130596.htmlhttps://www.53ai.com/news/zhishiguanli/2026063070523.htmlhttps://www.53ai.com/news/zhishiguanli/2026063026970.htmlhttps://www.53ai.com/news/zhishiguanli/2026063017689.html
https://www.53ai.com/solution.html
https://www.53ai.com/solution.html
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
https://www.53ai.com/news/dongtai/2025012294502.htmlhttps://www.53ai.com/news/dongtai/2025012234192.html
https://hub.53ai.com/
热点资讯
https://www.53ai.com/news/zhishiguanli/2026040727630.htmlhttps://www.53ai.com/news/zhishiguanli/2026042838960.htmlhttps://www.53ai.com/news/zhishiguanli/2026041292651.htmlhttps://www.53ai.com/news/zhishiguanli/2026040796142.htmlhttps://www.53ai.com/news/zhishiguanli/2026060472109.htmlhttps://www.53ai.com/news/zhishiguanli/2026040705498.htmlhttps://www.53ai.com/news/zhishiguanli/2026042094382.htmlhttps://www.53ai.com/news/zhishiguanli/2026061189154.htmlhttps://www.53ai.com/news/zhishiguanli/2026042650829.htmlhttps://www.53ai.com/news/zhishiguanli/2026040807925.html
大家都在问
https://www.53ai.com/news/zhishiguanli/2026070483450.htmlhttps://www.53ai.com/news/zhishiguanli/2026063028037.htmlhttps://www.53ai.com/news/zhishiguanli/2026062952940.htmlhttps://www.53ai.com/news/zhishiguanli/2026062917592.htmlhttps://www.53ai.com/news/zhishiguanli/2026061976038.htmlhttps://www.53ai.com/news/zhishiguanli/2026060469170.htmlhttps://www.53ai.com/news/zhishiguanli/2026060124079.htmlhttps://www.53ai.com/news/zhishiguanli/2026052737860.html
热门标签
https://www.53ai.com/news/neirongchuangzuohttps://www.53ai.com/news/LargeLanguageModelhttps://www.53ai.com/news/gerentixiaohttps://www.53ai.com/news/langchainhttps://www.53ai.com/news/llamaindexhttps://www.53ai.com/news/MultimodalLargeModelhttps://www.53ai.com/news/RAGhttps://www.53ai.com/news/zhinengkefuhttps://www.53ai.com/news/knowledgegraphhttps://www.53ai.com/news/finetuninghttps://www.53ai.com/news/RAGFlowhttps://www.53ai.com/news/cozehttps://www.53ai.com/news/difyhttps://www.53ai.com/news/fastgpthttps://www.53ai.com/news/Bishenghttps://www.53ai.com/news/Qanythinghttps://www.53ai.com/news/AIqichehttps://www.53ai.com/news/AIjinronghttps://www.53ai.com/news/AIgongyehttps://www.53ai.com/news/AIpeixunhttps://www.53ai.com/news/AISaaShttps://www.53ai.com/news/tishicikuangjiahttps://www.53ai.com/news/tishicijiqiaohttps://www.53ai.com/news/AIdianshanghttps://www.53ai.com/news/AImianshihttps://www.53ai.com/news/shuziyuangonghttps://www.53ai.com/news/zhinengbaobiaohttps://www.53ai.com/news/zhishiguanlihttps://www.53ai.com/news/OpenSourceLLMhttps://www.53ai.com/news/zhinengyingxiaohttps://www.53ai.com/news/zhinengyingjianhttps://www.53ai.com/news/zhinenghuagaizaohttps://www.53ai.com/news/AIyiliaohttps://www.53ai.com/news/MaxKBhttps://www.53ai.com/news/Palantirhttps://www.53ai.com/news/Gleanhttps://www.53ai.com/news/Openclaw
[应聘简历请发送至： ceo@53ai.com](mailto:ceo@53ai.com)
https://www.53ai.com/product.html
https://www.53ai.com/product/quanyuanAIhttps://www.53ai.com/product/gongzuoduihuahttps://www.53ai.com/product/neirongchuangzuohttps://www.53ai.com/product/zhinengwendanghttps://www.53ai.com/product/mofacaidan
https://www.53ai.com/product/yewuAIhttps://www.53ai.com/product/weixinfenshenhttps://www.53ai.com/product/haiwaikefuhttps://www.53ai.com/product/guanwangkefuhttps://www.53ai.com/product/douyinkefuhttps://www.53ai.com/product/shuzilaoshihttps://www.53ai.com/product/shuzidudaohttps://www.53ai.com/product/zhinengfuwutai
https://www.53ai.com/product/AIXyewuhttps://www.53ai.com/product/zhinengwenshuhttps://www.53ai.com/product/zhinengshenhehttps://www.53ai.com/product/zhinenggongdanhttps://www.53ai.com/product/qiweigenjinzhushouhttps://www.53ai.com/product/zhinengbaojiahttps://www.53ai.com/product/qiweixiaoshouzhushouhttps://www.53ai.com/product/zijianyingyonghttps://www.53ai.com/product/qiweikefuzhushou
https://www.53ai.com/consulting.htmlhttps://www.53ai.com/fine-tuning.html
https://www.53ai.com/kehuanli.html
https://www.53ai.com/kehuanli/hangyeanlihttps://www.53ai.com/kehuanli/solution
https://www.53ai.com/news.html
https://www.53ai.com/news/qianyanjishuhttps://www.53ai.com/news/agentplatformhttps://www.53ai.com/news/hangyeyingyonghttps://www.53ai.com/news/qiyejingyinghttps://www.53ai.com/prompt.html
https://www.53ai.com/about.html
https://www.53ai.com/about/introductionhttps://www.53ai.com/about/cooperation
友情链接：
https://www.waytoagi.com/https://www.yuncan.com/https://www.wescrm.com/https://www.mingpian.top/https://www.uweb.net.cn/
CopyRight © 2012-2026 深圳市博思协创网络科技有限公司 版权所有
https://beian.miit.gov.cn/
广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）
深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204
上海：上海市浦东新区金新路58号1602室
微信扫码
和创始人交个朋友
联系我们
售前咨询
[186 6662 7370](tel:18666627370)
预约演示
[185 8882 0121](tel:18588820121)
微信扫码
添加专属顾问
回到顶部
加载中…
扫码咨询
[](https://www.53ai.com/news/zhishiguanli/2026070210735.html)
https://work.weixin.qq.com/ca/cawcde2599cf74e2d9https://work.weixin.qq.com/ca/cawcdefb661890e885[电话咨询](tel:400-838-1185)
扫码登录
– [x] 登录即表示您同意[《53AI网站服务协议》](javascript:void(0);)
服务协议
欢迎您使用【53AI 官方网站】（以下简称“本网站”或“我们”）。本《会员服务协议》（以下简称“本协议”）是您（以下简称“会员”或“用户”）与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前，请务必审慎阅读、充分理解各条款内容，特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时，即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站：指由【深圳市博思协创网络科技有限公司】运营的，域名为【53ai.com】的网站及相关移动端页面。
会员服务：指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容：指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式：本网站支持以下登录方式，您可根据实际情况选择：
微信公众号授权登录：您同意将您的微信OpenID信息授权给本网站，用于创建或关联会员账号。
手机验证码登录：您需提供真实有效的手机号码，并通过短信验证码完成身份验证与登录/注册。
账号安全：您的账号仅限您本人使用，禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失，由您自行承担。
实名认证：根据相关法律法规要求，我们可能要求您在特定功能下完成实名认证。如您拒绝提供，可能无法使用部分或全部服务。
未成年人保护：若您未满18周岁，请在法定监护人的陪同下阅读本协议，并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限：会员登录后，有权按照其会员等级对应的权限范围，在线浏览、检索本网站知识库中的相关文章及内容。
服务变更：我们有权根据业务发展需要，调整、变更或终止部分服务内容，并将以网站公告、公众号消息等方式提前通知。
禁止行为：您在使用服务时不得实施以下行为：
利用技术手段批量爬取、下载、转存知识库内容；
将知识库内容用于商业目的或未经授权地向第三方传播；
干扰本网站正常运行或侵犯其他用户合法权益；
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属：本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有，受《中华人民共和国著作权法》等法律保护。
有限许可：本网站授予会员一项非独占、不可转让、不可转授权的普通许可，仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责：未经书面许可，任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现，我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息，请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息，我们将严格按照《个人信息保护法》的规定处理，仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性：知识库内容仅供参考，不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证，您应自行判断并承担使用风险。
不可抗力：因自然灾害、政策法规变化、网络故障、第三方平台接口异常（如微信接口维护、运营商短信通道故障）等不可抗力导致的服务中断或延迟，我们不承担违约责任。
第三方链接：本网站可能包含指向第三方网站的链接，该等网站的内容和服务不受我们控制，请您自行甄别风险。
七、 违约责任
如您违反本协议约定，我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施，并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失，您应承担全部赔偿责任（包括但不限于罚款、赔偿金、律师费、公证费等）。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议，双方应友好协商解决；协商不成的，任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议，取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的，不影响其他条款的效力。
我们对本协议享有最终解释权，并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效，继续使用服务即视为同意修订内容。
[已查阅](javascript:void(0);)
安全验证
拖动下方拼图完成验证
AI生成背景
您的速度已超过 99% 的用户
验证错误,请重试
确定
安全验证
刷新验证码
反馈
切换无障碍验证
切换常规验证
