Jun 9, 2026, 4:06 PM

2026-06-09 14:06:59 +00:00
parent c36ead5db0
commit bb6ff3a8c6
12 changed files with 454 additions and 0 deletions
@@ -0,0 +1,40 @@
+---
+title: "Budowanie knowledge badawczej LLM: Jak przekształciłem 3000 stron filozofii w żywy system wiedzy"
+type: "summary"
+tags: [karpathy, llm-knowledge, continental-philosophy, claude-code, multi-agent, epistemic-markers, scaling]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/Budowanie knowledge badawczej LLM_ Jak przekształciłem 3000 stron filozofii w żywy system wiedzy.md"]
+confidence: high
+---
+
+# Budowanie knowledge badawczej LLM: Jak przekształciłem 3000 stron filozofii w żywy system wiedzy
+
+Artykuł Paula de Assis opisuje praktyczną adaptację modelu LLM Knowledge Base Andreja Karpathy'ego do specyfiki badań naukowych i akademickich w dziedzinie filozofii kontynentalnej i teorii muzyki. Autor wdrożył system oparty na narzędziu Claude Code, tworząc zautomatyzowane ramy do głębokiej syntezy gęstych tekstów źródłowych.
+
+## Key Points
+- **Adaptacja dla humanistyki**: Klasyczne bazy techniczne skupiają się na dokumentacji. Praca naukowa w humanistyce wymaga śledzenia pojęć (np. u Deleuze'a, Simondona, Stieglaera) o skomplikowanych i ewoluujących definicjach.
+- **Wykorzystanie Claude Code**: Terminalowy agent Anthropic działa bezpośrednio na plikach Markdown, stając się "operatorem" bazy wiedzy na podstawie instrukcji z kontraktu `CLAUDE.md`.
+- **Wieloagentowa orkiestracja**: Konfiguracja systemu została zrealizowana przy użyciu 3 wyspecjalizowanych agentów Claude Code (Koordynator, Strateg migracji biblioteki, Inicjalizator struktury).
+- **Epistemiczne Markery (Epistemic Markers)**: Przełomowa metoda oznaczania statusu twierdzeń:
+  - *(brak)* — Bezpośrednie twierdzenie z konkretnego źródła pierwotnego.
+  - **[W]** — Synteza wygenerowana przez bazę wiedzy (LLM) z wielu źródeł.
+  - **[P]** — Własna, suwerenna teza badawcza człowieka (Personal stance).
+  - **[?]** — Twierdzenie niepewne lub trudne do jednoznacznego zweryfikowania.
+- **Kaskada nawigacyjna przeciwko kosztom**: Aby uniknąć liniowego wzrostu kosztów i spowolnienia zapytań przy ponad 180 stronach, autor zastosował kaskadę: Skupiska tematyczne w `index.md` -> Dedykowane strony syntez -> Powiązania YAML sąsiednich pojęć.
+- **Mnożnik Ingestu**: Średnio jedno źródło aktualizuje lub tworzy 2.6 strony w bazie wiedzy. Gęste monografie potrafią wywołać modyfikacje na nawet 17 stronach (np. dodanie cytatów do stron koncepcyjnych i autorskich).
+
+## Relevant Concepts
+- [[concepts/epistemic-markers]] — System precyzyjnego oznaczania rejestru twierdzeń (autor vs LLM vs źródło).
+- [[concepts/multi-agent-orchestration]] — Orkiestracja pracy wielu agentów przy konfiguracji i utrzymaniu bazy.
+- [[concepts/knowledge-scaling]] — Metody hierarchizacji nawigacji zapobiegające eksplozji kosztów tokenów.
+
+## Relevant Entities
+- [[entities/claude-code]] — Agent CLI będący programistą i operatorem bazy wiedzy.
+- [[entities/constella]] — Platforma komercjalizująca ten model workflow.
+
+## Source Metadata
+- **Type**: Artykuł / Case study akademickie
+- **Author**: Paulo de Assis
+- **Date**: 2026-04-17
+- **URL**: https://medium.com/@paulo.deassis/building-an-llm-research-knowledge-how-i-turned-3-000-pages-of-philosophy-into-a-living-knowledge-609de9935cd9
@@ -0,0 +1,40 @@
+---
+title: "Budowanie osobistego asystenta AI z użyciem SQLite, Claude Code i GTD"
+type: "summary"
+tags: [gtd, sqlite, claude-code, local-first, agent-contract, markdown, productivity]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/Budowanie osobistego asystenta AI z użyciem SQLite, Claude Code i GTD.md"]
+confidence: high
+---
+
+# Budowanie osobistego asystenta AI z użyciem SQLite, Claude Code i GTD
+
+Marc Bara w swoim artykule przedstawia autorski system **MarcOS** — lokalnego asystenta produktywności opartego na metodyce GTD (Getting Things Done). System łączy bazę danych SQLite, lokalny frontend HTML oraz automatyzację napędzaną przez Claude Code, tworząc alternatywę dla scentralizowanych narzędzi SaaS typu Notion.
+
+## Key Points
+- **Architektura Local-First**: Dane użytkownika są w 100% lokalne i zapisane w pojedynczym pliku SQLite (`gtd.db`) zlokalizowanym w folderze Dropbox.
+- **Ścisła Hierarchia Danych**: Baza opiera się na twardej strukturze: Klient -> Projekt -> Zadanie -> Faktura. Zapobiega to gubieniu kontekstu i rozpraszaniu zadań.
+- **Podział na Dashboard i Agenta (Zero-Token Daily View)**:
+  - Codzienne interakcje (oś czasu, kalendarz, zadania) odbywają się na lokalnym pulpicie HTML za pomocą `sql.js` (SQLite w WebAssembly) bez użycia tokenów LLM.
+  - Claude Code wkracza wyłącznie do zadań wymagających analizy języka naturalnego: cotygodniowe przeglądy, parsowanie maili ze skrzynki, automatyczne generowanie faktur PDF i harmonogramowanie zadań.
+- **Git dla Danych Tekstowych**: Zamiast wersjonować binarny plik `.db`, skrypt co godzinę wykonuje tekstowy zrzut SQL (`gtd.sql`), który jest śledzony przez Gita, umożliwiając łatwy podgląd historii zmian (diffs).
+- **Kontrakt i Pamięć Długoterminowa**:
+  - `CLAUDE.md` definiuje schemat bazy, zasady bezpieczeństwa oraz reguły zachowania agenta.
+  - `memory.md` służy do zapisywania trwałych preferencji i wiedzy operacyjnej o użytkowniku (np. nawyki kalendarzowe, charakterystyka klientów), co eliminuje bezstanowość sesji LLM.
+
+## Relevant Concepts
+- [[concepts/local-first-ai]] — Projektowanie asystentów działających na lokalnych zasobach użytkownika.
+- [[concepts/agent-contracts]] — CLAUDE.md jako zbiór nienaruszalnych zasad i ograniczeń dla agenta CLI.
+- [[concepts/gtd-ai]] — Integracja klasycznych metodyk organizacji pracy (GTD) z możliwościami generatywnego AI.
+
+## Relevant Entities
+- [[entities/sqlite]] — Lekka, bezserwerowa baza danych.
+- [[entities/sql-js]] — Port SQLite do WebAssembly na frontendzie.
+- [[entities/claude-code]] — Narzędzie CLI obsługujące automatyzację GTD.
+
+## Source Metadata
+- **Type**: Artykuł / Poradnik techniczny
+- **Author**: Marc Bara
+- **Date**: 2026-03-14
+- **URL**: https://medium.com/@marc.bara.iniesta/building-a-personal-ai-assistant-with-sqlite-claude-code-and-gtd-0ae12dc18d3e
@@ -0,0 +1,35 @@
+---
+title: "Karpathy LLM Knowledge Base to supermoc dla badaczy. Oto jak go używam."
+type: "summary"
+tags: [karpathy, llm-knowledge, research, pkm, obsidian, RAG]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/Karpathy LLM knowledge to supermoc dla badaczy. Oto jak go używam..md"]
+confidence: high
+---
+
+# Karpathy LLM Knowledge Base to supermoc dla badaczy. Oto jak go używam.
+
+Artykuł autorstwa R.F. Bryana analizuje rewolucyjny wpływ koncepcji "LLM Knowledge Base" Andreja Karpathy'ego na pracę naukową i badawczą. Autor przeciwstawia tradycyjne, jednorazowe sesje czatu z modelami językowymi oraz standardowe systemy RAG długoterminowemu budowaniu spójnej, trwałej, "skompilowanej" bazy wiedzy.
+
+## Key Points
+- **Kompilator wiedzy**: Baza wiedzy nie jest tylko zbiorem notatek, lecz "skompilowaną" strukturą danych. LLM działa jak kompilator, przekształcając surowe materiały (artykuly, PDF-y, transkrypcje) w uporządkowane, powiązane pliki Markdown.
+- **Problem standardowego RAG / czatu**: Klasyczne interfejsy czatu zapominają o poprzednich interakcjach i nie potrafią łączyć nowo czytanego artykułu z materiałami sprzed tygodnia. RAG świetnie wyszukuje izolowane fakty, lecz zawodzi przy wieloźródłowej syntezie.
+- **Obsidian jako "IDE"**: Obsidian pełni funkcję interfejsu (frontendu) do czytania i nawigacji, podczas gdy LLM działa w tle jako "programista" i administrator dbający o relacje między dokumentami.
+- **Moc "lintingu"**: Cykliczne sprawdzanie spójności bazy przez LLM (znajdowanie "sierot", niespójności metodologicznych oraz luk merytorycznych) to krytyczny i niedoceniany krok w utrzymaniu jakości wiedzy.
+- **Zasada GIGO (Garbage In, Organized Garbage Out)**: Jakość wyjściowej syntezy zależy całkowicie od selekcji wprowadzanych źródeł oraz dyscypliny w regularnym uzupełnianiu bazy.
+
+## Relevant Concepts
+- [[concepts/knowledge-compilation]] — Model kompilacji surowej wiedzy do bazy danych.
+- [[concepts/compounding-knowledge]] — Efekt procentu składanego w wiedzy: im większa baza, tym cenniejsze staje się każde nowe źródło.
+- [[concepts/rag-vs-knowledge]] — Zderzenie klasycznego RAG z trwałym repozytorium wiedzy.
+- [[concepts/knowledge-graph-analysis]] — Badanie bazy jako grafu wiedzy w celu wyszukiwania niespójności i luk.
+
+## Relevant Entities
+- [[entities/obsidian]] — Wizualny frontend bazy wiedzy.
+
+## Source Metadata
+- **Type**: Artykuł / Analiza badawcza
+- **Author**: R.F. Bryan
+- **Date**: 2026-05-11
+- **URL**: https://medium.com/below-the-abstract/karpathy-llm-knowledge-is-a-superpower-for-researchers-heres-how-i-use-it-cf3db8d24ce1
@@ -0,0 +1,39 @@
+---
+title: "Your Obsidian Vault Is a Knowledge Graph. Here’s How to Make It Think (quickly)."
+type: "summary"
+tags: [obsidian, knowledge-graph, claude-code, mcp, graph-metrics, pkm]
+created: 2026-06-09
+updated: 2026-06-09
+sources: ["raw/inbox/Your Obsidian Vault Is a Knowledge Graph. Here’s How to Make It Think (quickly)..md"]
+confidence: high
+---
+
+# Your Obsidian Vault Is a Knowledge Graph. Here’s How to Make It Think (quickly).
+
+Artykuł Aleksandra Szereszewskiego opisuje koncepcję traktowania bazy notatek Obsidian jako aktywnego grafu wiedzy (Knowledge Graph) i uwalniania jej potencjału za pomocą Claude Code oraz protokołu MCP (Model Context Protocol). Autor dzieli się doświadczeniami z pięciu lat prowadzenia skarbca zawierającego ponad 5 000 notatek.
+
+## Key Points
+- **Skarbiec jako Graf**: Notatki w Obsidianie to węzły (nodes), WikiLinki `[[link]]` to krawędzie skierowane (edges), a tagi i właściwości frontmatter to atrybuty węzłów.
+- **Obsidian to Codebase**: Claude Code doskonale radzi sobie ze skarbem Obsidianu, ponieważ traktuje notatki Markdown jak pliki kodu źródłowego, a linki jak instrukcje importu.
+- **Rola CLAUDE.md**: Pełni rolę stałego dokumentu wdrożeniowego (kontraktu) dla agenta, definiując strukturę (Projects, Areas, Resources, Archive), konwencje linkowania i tagowania oraz bezwzględne reguły bezpieczeństwa (np. zakaz modyfikacji szablonów i załączników).
+- **Optymalizacja za pomocą MCP**: Aby uniknąć powolnego wyszukiwania i marnowania tokenów w dużych skarbcach, wykorzystuje się serwery MCP (np. MCPVault lub TurboVault), które udostępniają skarbiec jako ustrukturyzowaną bazę danych grafowych.
+- **Analiza Metryk Grafowych**:
+  - **Centrality ranking (Ranking centralności)**: Identyfikuje prawdziwe pojęcia-huby w bazie (które często różnią się od sztucznych folderów czy Map Zawartości).
+  - **Detekcja sierot (Orphan detection)**: Wyszukiwanie notatek bez linków wchodzących i wychodzących, ułatwiające archiwizację lub integrację zapomnianych idei.
+  - **Analiza klastrów (Cluster analysis)**: Ujawnianie odizolowanych wysp wiedzy i znajdowanie brakujących połączeń między bliskimi domenami.
+  - **Bridge notes (Notatki mostkowe)**: Identyfikowanie pojęć łączących odległe dziedziny, co często stanowi źródło najbardziej unikalnych i kreatywnych spostrzeżeń.
+
+## Relevant Concepts
+- [[concepts/knowledge-graph-analysis]] — Zastosowanie algorytmów grafowych do optymalizacji bazy notatek.
+- [[concepts/mcp-servers]] — Standardy komunikacji i dostarczania ustrukturyzowanych narzędzi dla LLM.
+
+## Relevant Entities
+- [[entities/obsidian]] — Osobiste narzędzie PKM i wizualizator grafu.
+- [[entities/claude-code]] — Agent CLI operujący bezpośrednio na notatkach.
+- [[entities/mcpvault]] — Specjalizowany serwer MCP dedykowany do obsługi skarbców Obsidian.
+
+## Source Metadata
+- **Type**: Artykuł / Analiza PKM
+- **Author**: Aleksander Szereszewski
+- **Date**: 2026-04-11
+- **URL**: https://medium.com/graph-praxis/your-obsidian-vault-is-a-knowledge-graph-heres-how-to-make-it-think-quickly-1487614a7682