Karpathy又上干货了。
分享了一个他在AI时代的个人知识库实践：用 AI 给自己建一个私人维基百科，把 LLM 从”写代码工具”变成”知识管理助手”。
他的完整工作流（超级通俗版）
1，随便扔资料（喂料阶段）
看到好文章、论文、代码仓库、数据集、图片……统统丢到一个叫 raw/ 的文件夹里。
用 Obsidian 的网页剪藏插件（Web Clipper），一键把网页转成干净的 Markdown 文件。
图片也顺手下载到本地，让 AI 能直接“看图说话”。
2，AI 自动整理成 Wiki（编译阶段）
让 LLM（大模型）把 raw 文件夹里的东西“编译”成一个结构化的 wiki。
Wiki 就是一堆 Markdown 文件，按文件夹分类整理好，包括： 每篇资料的摘要
概念解释文章
互相链接（backlinks）
分类整理
关键：整个 wiki 几乎全是 AI 写的，Karpathy 基本不手动编辑。
3，用 Obsidian 当浏览器（养了小龙虾之后，我重新装上了 Obsidian）
Obsidian 就是这个知识库的“阅读界面”。
你可以在里面看原始资料、看 AI 整理好的 wiki，还能用插件把内容变成幻灯片（Marp）、图表等各种形式查看。
4，真正好玩的问答阶段
当 wiki 积累到一定规模（他举例：约 100 篇文章、40 万字左右），就可以问 AI 各种复杂问题。
AI 会自己去 wiki 里翻资料、交叉对比、研究，然后给你答案。
他本来以为需要复杂的 RAG（检索增强生成）技术，结果发现当前 LLM 自己就能维护索引，直接读相关文件就够用了。
5，输出不只是文字，还能生成各种东西
AI 可以输出：
Markdown 格式的详细报告
幻灯片
画的图表
这些输出文件又可以直接丢回 wiki，让知识库越来越丰富，形成正循环。
6，AI 自己做质检（Lint 健康检查）
定期让 LLM 扫一遍整个 wiki：
找出矛盾或不一致的地方
自动补全缺失的信息（必要时上网搜）
发现有趣的新关联，建议写新文章
主动提示“你可以再问问这个问题……”
7，额外小工具
他还用“vibe coding”（随手快速写代码）做了一个简单的 wiki 搜索引擎。
自己可以用网页版查，也能作为工具交给 AI 在命令行里调用。
有意思的是。
以前”囤积党”是被嘲笑的对象：收藏夹里几千篇文章，一篇没看过，自欺欺人说”以后再看”，结果就是永远不看。
现在逻辑变了：
囤积的意义不再是”我要亲自读完它”，而是”我要把它喂给 AI”。你只需要判断这个东西值不值得存，不需要亲自消化。AI 替你读，替你提炼，替你建索引，你要用的时候直接问。
这有点像——
以前图书馆有用，是因为你去查书。现在图书馆有用，是因为馆员（AI）替你查，你只负责往里面送书。
所以以前的”坏习惯”——看到好东西就存、不管三七二十一先收藏——突然变成了一种有效的信息获取策略。
不过有一点还是没变：你得有眼光判断什么值得存。垃圾进去，AI 再厉害也是帮你整理垃圾。Karpathy 能建出高质量知识库，前提是他这么多年积累的“品味”——知道什么是好东西。
所以囤积癖翻身了，但不是所有囤积癖，是有鉴别力的囤积癖。
评论区里有个点很精辟——”每家公司都有一个 raw/ 目录，只是从来没人去编译它。” Karpathy 也认为这里有很大的产品机会，不只是一堆零散脚本。
你能想到哪些机会么？