Jun 9, 2026, 3:59 PM
This commit is contained in:
Paweł Domański
+40
-40
@@ -1,6 +1,6 @@
|
||||
---
|
||||
title: "Budowanie wiki badawczej LLM: Jak przekształciłem 3000 stron filozofii w żywy system wiedzy"
|
||||
source: "https://medium.com/@paulo.deassis/building-an-llm-research-wiki-how-i-turned-3-000-pages-of-philosophy-into-a-living-knowledge-609de9935cd9"
|
||||
title: "Budowanie knowledge badawczej LLM: Jak przekształciłem 3000 stron filozofii w żywy system wiedzy"
|
||||
source: "https://medium.com/@paulo.deassis/building-an-llm-research-knowledge-how-i-turned-3-000-pages-of-philosophy-into-a-living-knowledge-609de9935cd9"
|
||||
author:
|
||||
- "[[Paulo de Assis]]"
|
||||
published: 2026-04-17
|
||||
@@ -9,17 +9,17 @@ description: "More"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
*Jak artysta-badacz zaadaptował wzór LLM Wiki Andreja Karpathy'ego, aby zbudować uporządkowaną bazę wiedzy w filozofii kontynentalnej, ontologii muzyki i posthumanizmie — wykorzystując Claude'a Code jako dedykowanego agenta wywiadu badawczego.*
|
||||
*Jak artysta-badacz zaadaptował wzór LLM Knowledge Base Andreja Karpathy'ego, aby zbudować uporządkowaną bazę wiedzy w filozofii kontynentalnej, ontologii muzyki i posthumanizmie — wykorzystując Claude'a Code jako dedykowanego agenta wywiadu badawczego.*
|
||||
|
||||
—
|
||||
|
||||
|
||||
|
||||
Otwartoźródłowe repozytorium LLM Research Wiki na GitHubie.
|
||||
Otwartoźródłowe repozytorium LLM Research Knowledge Base na GitHubie.
|
||||
|
||||
### Iskra
|
||||
|
||||
Na początku kwietnia 2026 roku Andrej Karpathy opublikował [podsumowanie](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) opisujące to, co nazwał "LLM Wiki" — ideę, że zamiast używać RAG (Retrieval-Augmented Generation) do ponownego pozyskiwania wiedzy z surowych dokumentów przy każdym zapytaniu, LLM powinien stopniowo budować i utrzymywać **trwałą, uporządkowaną wiki**, która kumuluje się z czasem. Surowe źródła są wprowadzane; Na jawie wychodzi uporządkowana, powiązana wiedza. Wiki staje się mądrzejsza niż twoja pamięć o powiązaniach między czytaniem.
|
||||
Na początku kwietnia 2026 roku Andrej Karpathy opublikował [podsumowanie](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) opisujące to, co nazwał "LLM Knowledge Base" — ideę, że zamiast używać RAG (Retrieval-Augmented Generation) do ponownego pozyskiwania wiedzy z surowych dokumentów przy każdym zapytaniu, LLM powinien stopniowo budować i utrzymywać **trwałą, uporządkowaną knowledge**, która kumuluje się z czasem. Surowe źródła są wprowadzane; Na jawie wychodzi uporządkowana, powiązana wiedza. Knowledge Base staje się mądrzejsza niż twoja pamięć o powiązaniach między czytaniem.
|
||||
|
||||
Od razu się zainteresowałem. Jako artysta-badacz pracujący z filozofią kontynentalną, kompozycją muzyczną i posthumanizmem, mam do czynienia z gęstymi, powiązanymi źródłami pierwotnymi — Deleuze'em, Simondonem, Rancièrem, Stieglerem, Baradem — gdzie to właśnie powiązania między pojęciami między książkami a autorami sprawiają, że badania są produktywne. Tradycyjne narzędzia do notowania i zarządzania referencjami nie rejestrują tych powiązań. Przechowują dokumenty; Nie *myślą ponad* nimi.
|
||||
|
||||
@@ -27,11 +27,11 @@ Wzór Karpathy został zaprojektowany z myślą o potrzebach inżyniera oprogram
|
||||
|
||||
### Faza projektowania
|
||||
|
||||
Zacząłem od wzięcia podstawowego wglądu Karpathy'ego — surowych źródeł jako niezmiennej prawdy, wiki jako żywej warstwy syntezy, uporządkowanych przepływów pracy do pobierania/zapytań/lintowania — i od zastanowienia się, jak dostosować je do badań naukowych. Użyłem ChatGPT, aby opracować początkową architekturę: Jakie typy stron potrzebuje wiki humanistyczne? Jak powinny być zorganizowane koncepcje, autorzy i debaty? Jaki rodzaj frontu umożliwia szybką nawigację?
|
||||
Zacząłem od wzięcia podstawowego wglądu Karpathy'ego — surowych źródeł jako niezmiennej prawdy, knowledge jako żywej warstwy syntezy, uporządkowanych przepływów pracy do pobierania/zapytań/lintowania — i od zastanowienia się, jak dostosować je do badań naukowych. Użyłem ChatGPT, aby opracować początkową architekturę: Jakie typy stron potrzebuje knowledge humanistyczne? Jak powinny być zorganizowane koncepcje, autorzy i debaty? Jaki rodzaj frontu umożliwia szybką nawigację?
|
||||
|
||||
Ta eksploracja zaowocowała pierwszym szkicem schematu: sześciostronicowe typy (przypisy źródłowe, koncepcje, autorzy, debaty, syntezy, projekty), konwencje YAML frontmatter oraz architektura trójwarstwowa (surowa → wiki → schemat).
|
||||
Ta eksploracja zaowocowała pierwszym szkicem schematu: sześciostronicowe typy (przypisy źródłowe, koncepcje, autorzy, debaty, syntezy, projekty), konwencje YAML frontmatter oraz architektura trójwarstwowa (surowa → knowledge → schemat).
|
||||
|
||||
Następnie przeszedłem do Claude Code — terminalowego agenta kodującego Anthropic — do faktycznej implementacji. Kod Claude działa bezpośrednio w twoim systemie plików, czytając i zapisując pliki markdown, a także zachowuje kontekst przez długie sesje. Dzięki temu był idealnym narzędziem do budowania i utrzymania wiki: mógł czytać 300-stronicowy PDF, tworzyć 15 połączonych stron wiki i aktualizować indeks — wszystko to w jednej sesji konwersacyjnej.
|
||||
Następnie przeszedłem do Claude Code — terminalowego agenta kodującego Anthropic — do faktycznej implementacji. Kod Claude działa bezpośrednio w twoim systemie plików, czytając i zapisując pliki markdown, a także zachowuje kontekst przez długie sesje. Dzięki temu był idealnym narzędziem do budowania i utrzymania knowledge: mógł czytać 300-stronicowy PDF, tworzyć 15 połączonych stron knowledge i aktualizować indeks — wszystko to w jednej sesji konwersacyjnej.
|
||||
|
||||
Ważny szczegół: początkowa wersja nie była operacją pojedynczego agenta. Wcześniej stworzyłem trzech wyspecjalizowanych agentów w Claude Code, a sesja konfiguracyjna zaaranżowała wszystkich trzech:
|
||||
|
||||
@@ -39,11 +39,11 @@ Ważny szczegół: początkowa wersja nie była operacją pojedynczego agenta. W
|
||||
|
||||
**Agent B** — Zbadał strategię wdrożenia dużych istniejących kolekcji (problem "5 000 notatek / 4 000 PDF-ów")
|
||||
|
||||
**Agent C** — Zbudował strukturę folderów, stworzył schemat CLAUDE.md i wszystkie pliki szablonów oraz wykonał pierwsze pobieranie — co wygenerowało 38 stron wiki w jednym przejściu
|
||||
**Agent C** — Zbudował strukturę folderów, stworzył schemat CLAUDE.md i wszystkie pliki szablonów oraz wykonał pierwsze pobieranie — co wygenerowało 38 stron knowledge w jednym przejściu
|
||||
|
||||
Ten wieloagentowy podział pracy oznaczał, że cały system — schemat, foldery, szablony, strategia onboardingu oraz w pełni obsadzony pierwszy ingest — był budowany w jednej sesji. Po tym agencie nie byli już potrzebni: sam schemat CLAUDE.md stał się stałym operatorem, odczytywanym przez Claude'a Code na początku każdej kolejnej sesji.
|
||||
|
||||
Nie spodziewałem się jednak, że Claude Code stanie się nie tylko twórcą, ale *także operatorem* wiki. Plik CLAUDE.md u podstaw projektu działa jako stały zestaw instrukcji: za każdym razem, gdy rozpoczyna się nowa sesja, Claude ją odczytuje i działa jako dedykowany agent ds. inteligencji badawczej — podążając za przepływem workflow ingest, zapytań i lint zdefiniowanym w schemacie.
|
||||
Nie spodziewałem się jednak, że Claude Code stanie się nie tylko twórcą, ale *także operatorem* knowledge. Plik CLAUDE.md u podstaw projektu działa jako stały zestaw instrukcji: za każdym razem, gdy rozpoczyna się nowa sesja, Claude ją odczytuje i działa jako dedykowany agent ds. inteligencji badawczej — podążając za przepływem workflow ingest, zapytań i lint zdefiniowanym w schemacie.
|
||||
|
||||
### Architektura
|
||||
|
||||
@@ -51,15 +51,15 @@ System składa się z trzech warstw:
|
||||
|
||||
**surowe/** — Niezmienne dokumenty źródłowe (PDF, transkrypcje, notatki). *Napisane przez badacza.*
|
||||
|
||||
**wiki/** — Ustrukturyzowane strony z wyznaczaniem (koncepcje, autorzy, debaty, syntezy, przypisy źródłowe, projekty). *Napisane przez LLM.*
|
||||
**knowledge/** — Ustrukturyzowane strony z wyznaczaniem (koncepcje, autorzy, debaty, syntezy, przypisy źródłowe, projekty). *Napisane przez LLM.*
|
||||
|
||||
**Schemat** — CLAUDE.md (instrukcje operacyjne), index.md (indeks główny), log.md (dziennik zmian). *Napisane przez obu autorów.*
|
||||
|
||||
Surowa warstwa jest święta — pliki źródłowe nigdy nie są modyfikowane po umieszczeniu tam. Warstwa wiki/to żywa synteza, która rośnie z każdym przyjmianiem. Warstwa schematu rządzi wszystkim.
|
||||
Surowa warstwa jest święta — pliki źródłowe nigdy nie są modyfikowane po umieszczeniu tam. Warstwa knowledge/to żywa synteza, która rośnie z każdym przyjmianiem. Warstwa schematu rządzi wszystkim.
|
||||
|
||||
### Sześć typów stron
|
||||
|
||||
Każda strona wiki korzysta z jednego z sześciu szablonów, z których każdy ma konkretne materiały YAML:
|
||||
Każda strona knowledge korzysta z jednego z sześciu szablonów, z których każdy ma konkretne materiały YAML:
|
||||
|
||||
- **Przypisy źródłowe** — jedna na każdy przyjęty dokument. Streszczenie, kluczowe twierdzenia (z numerami stron), bezpośrednie cytaty, powiązania z innymi stronami, otwarte pytania.
|
||||
- **Strony koncepcyjne** — po jednej na każdą koncepcję (np. "asamblaż", "transdukcja", "haecceity"). Definicje, kluczowi myśliciele, powiązane pojęcia, źródłowe poparcie z wielu tekstów.
|
||||
@@ -70,12 +70,12 @@ Każda strona wiki korzysta z jednego z sześciu szablonów, z których każdy m
|
||||
|
||||
### Epistemiczne markery
|
||||
|
||||
Z tej cechy jestem szczególnie dumny: każde twierdzenie w wiki ma epistemiczny znacznik rejestru.
|
||||
Z tej cechy jestem szczególnie dumny: każde twierdzenie w knowledge ma epistemiczny znacznik rejestru.
|
||||
|
||||
- *(brak znacznika)* — Bezpośrednio przypisane do nazwanego źródła
|
||||
- **\[W\]** — Synteza Wiki: integracja redakcyjna LLM w wielu źródłach
|
||||
- **\[W\]** — Synteza Knowledge Base: integracja redakcyjna LLM w wielu źródłach
|
||||
- **\[P\]** — Moje własne stanowisko badawcze: nie to, co mówi źródło, lecz to, co ja argumentuję
|
||||
- **\[?\]** — Niepewne: data, przypisanie lub twierdzenie, którego wiki nie może jednoznacznie zweryfikować
|
||||
- **\[?\]** — Niepewne: data, przypisanie lub twierdzenie, którego knowledge nie może jednoznacznie zweryfikować
|
||||
|
||||
To ma znaczenie, ponieważ w badaniach humanistycznych rozróżnienie między "co mówi Deleuze", "tym, co mówi Sauvagnargues i Deleuzem" oraz "tym, co twierdzę o obu" ma filozoficzne znaczenie. Znaczniki utrzymują te rejestry widoczne.
|
||||
|
||||
@@ -91,20 +91,20 @@ Kaskada oznacza, że przy 185 stronach koszt zapytań jest mniej więcej taki sa
|
||||
|
||||
### Liczby
|
||||
|
||||
Po około dwóch tygodniach intensywnej pracy (6–17 kwietnia 2026) wiki wygląda tak:
|
||||
Po około dwóch tygodniach intensywnej pracy (6–17 kwietnia 2026) knowledge wygląda tak:
|
||||
|
||||
- **Pobrane dokumenty źródłowe:** 70
|
||||
- **Łączna liczba stron wiki:** 185 (65 koncepcji, 39 autorów, 70 przypisów źródłowych, 4 debaty, 2 syntezy, 5 projektów)
|
||||
- **Łączna liczba stron knowledge:** 185 (65 koncepcji, 39 autorów, 70 przypisów źródłowych, 4 debaty, 2 syntezy, 5 projektów)
|
||||
- **Łączna liczba odnośników krzyżowych (linków markdown):** 1 592
|
||||
- **Łączna liczba słów w wiki:** 233 881
|
||||
- **Łączna liczba słów w knowledge:** 233 881
|
||||
- **Strony materiałów źródłowych czytają:** ~3 200
|
||||
- **Wpisy w dzienniku:** 73
|
||||
|
||||
Liczba debat i syntez jest niska — te typy stron rozwijają się wolniej, ponieważ wymagają prawdziwej argumentacyjnej integracji między wieloma źródłami, a nie tylko wyodrębniania z jednego tekstu. Będą rosnąć wraz z dojrzewaniem wiki. Strony koncepcji i autora, w przeciwieństwie do nich, są już gęste: każda strona koncepcyjne ma co najmniej 2 wpisy wsparcia źródłowego, a najbogatsze mają ich 17.
|
||||
Liczba debat i syntez jest niska — te typy stron rozwijają się wolniej, ponieważ wymagają prawdziwej argumentacyjnej integracji między wieloma źródłami, a nie tylko wyodrębniania z jednego tekstu. Będą rosnąć wraz z dojrzewaniem knowledge. Strony koncepcji i autora, w przeciwieństwie do nich, są już gęste: każda strona koncepcyjne ma co najmniej 2 wpisy wsparcia źródłowego, a najbogatsze mają ich 17.
|
||||
|
||||
### Mnożnik Spożycia
|
||||
|
||||
Średnio każde przejęte źródło generuje **2,6 strony wiki** (1 przypis źródłowy + aktualizacje do ~1,6 istniejących stron). Jednak ta średnia skrywa dużą różnorodność:
|
||||
Średnio każde przejęte źródło generuje **2,6 strony knowledge** (1 przypis źródłowy + aktualizacje do ~1,6 istniejących stron). Jednak ta średnia skrywa dużą różnorodność:
|
||||
|
||||
- **Krótki artykuł** (5–20 stron) zazwyczaj generuje 1 przypis źródłowy + aktualizacje 2–3 istniejących stron = **operacje 3–4 strony**
|
||||
- **Duża monografia** (200+ stron) może przynieść 1 przypis źródłowy + aktualizacje do 8–10 istniejących stron = **10–12 operacji** stron
|
||||
@@ -122,28 +122,28 @@ Niektóre strony koncepcji stały się niezwykle bogate dzięki zgromadzonym do
|
||||
|
||||
**Transdukcja** — 9 wpisów, obejmujących Simondona (2 źródła), Stieglera, Hui (2 źródła), Beisteguiego, Sauvagnarguesa (2 książki), mój własny artykuł o transdukcji performatywnej
|
||||
|
||||
To właśnie te mocno wspierane strony wiki staje się naprawdę użyteczne jako narzędzie badawcze. Na przykład strona *z asamblażem* zawiera teraz rozróżnienie własności/zdolności DeLandy, definicję tetrawalentną Deleuze-Guattariego, maszynowy asamblaż Sauvagnarguesa, moje własne sześć warstw muzycznych oraz genealogię problemu *agencement/asambler* — wszystko na jednej stronie, z cytowaniami źródeł pierwotnych. Żadna książka ani artykuł nie zawiera tego wszystkiego. Tylko wiki to robi.
|
||||
To właśnie te mocno wspierane strony knowledge staje się naprawdę użyteczne jako narzędzie badawcze. Na przykład strona *z asamblażem* zawiera teraz rozróżnienie własności/zdolności DeLandy, definicję tetrawalentną Deleuze-Guattariego, maszynowy asamblaż Sauvagnarguesa, moje własne sześć warstw muzycznych oraz genealogię problemu *agencement/asambler* — wszystko na jednej stronie, z cytowaniami źródeł pierwotnych. Żadna książka ani artykuł nie zawiera tego wszystkiego. Tylko knowledge to robi.
|
||||
|
||||
### Problem wdrożenia
|
||||
|
||||
Jeśli jesteś uznanym badaczem, prawdopodobnie masz tysiące notatek i tysiące plików PDF. Najważniejszą lekcją, jaką wyniosłem — zanim zacząłem korzystać z jednego źródła — jest to:
|
||||
|
||||
**Wiki NIE jest biblioteką. To starannie wyselekcjonowana synteza tego, co ważne TERAZ.**
|
||||
**Knowledge Base NIE jest biblioteką. To starannie wyselekcjonowana synteza tego, co ważne TERAZ.**
|
||||
|
||||
Podczas fazy projektowania zidentyfikowaliśmy pięć pułapek, których należy unikać:
|
||||
|
||||
1. **Fantazja migracji** — nigdy nie próbuj pochłaniać wszystkiego. Twoja obecna biblioteka zostaje tam, gdzie jest.
|
||||
2. **Przedwczesna kategoryzacja** — nie twórz 50 pustych stubów przed spożyciem jednego źródła.
|
||||
3. **Pobieranie wszechowe zanim pojawi się kręgosłup** — potrzebujesz 5–10 starannie nadzorowanych pojęć, zanim wiki będzie miało wystarczającą strukturę, by się nimi kierować.
|
||||
3. **Pobieranie wszechowe zanim pojawi się kręgosłup** — potrzebujesz 5–10 starannie nadzorowanych pojęć, zanim knowledge będzie miało wystarczającą strukturę, by się nimi kierować.
|
||||
4. **Zaczynając od najbardziej złożonego źródła** — zacznij od własnej mapy badań, a nie od *Różnicy i Powtórzenia*.
|
||||
5. **Traktowanie sur/jak kopii twojej biblioteki PDF** — sur/ to wyselekcjonowany folder wejściowy, a nie lustro.
|
||||
|
||||
Podejście fazowe, które u mnie się sprawdziło:
|
||||
|
||||
- **Faza 0:** Napisz mapę badawczą własnymi słowami — 2–3 strony opisujące twoją obecną konstelację badawczą. Najpierw go połknąć. To zaszczepia wiki twoje ramy koncepcyjne.
|
||||
- **Faza 1 (źródła 1–5):** W pełni nadzorowane, jedno źródło na raz, rozłożone na twoje projekty. Trenujesz zarówno wiki, jak i siebie.
|
||||
- **Faza 2 (źródła 6–20):** Nadal pod nadzorem, ale można zrobić 2–3 na sesję. Schemat i zgromadzony kontekst wiki zaczynają kierować decyzjami LLM.
|
||||
- **Faza 3 (źródła 20+):** Lżejsza nadzór. Pobieranie wsadowe staje się możliwe. Wiki ma wystarczającą gęstość, by wyłapać własne błędy przez kłaczki.
|
||||
- **Faza 0:** Napisz mapę badawczą własnymi słowami — 2–3 strony opisujące twoją obecną konstelację badawczą. Najpierw go połknąć. To zaszczepia knowledge twoje ramy koncepcyjne.
|
||||
- **Faza 1 (źródła 1–5):** W pełni nadzorowane, jedno źródło na raz, rozłożone na twoje projekty. Trenujesz zarówno knowledge, jak i siebie.
|
||||
- **Faza 2 (źródła 6–20):** Nadal pod nadzorem, ale można zrobić 2–3 na sesję. Schemat i zgromadzony kontekst knowledge zaczynają kierować decyzjami LLM.
|
||||
- **Faza 3 (źródła 20+):** Lżejsza nadzór. Pobieranie wsadowe staje się możliwe. Knowledge Base ma wystarczającą gęstość, by wyłapać własne błędy przez kłaczki.
|
||||
|
||||
W przypadku istniejących kolekcji: zachowaj swoje 5 000 notatek i 4 000 plików PDF tam, gdzie są. Skopiuj źródło do surowej wersji dotychczas, gdy będziesz gotowy je wchłonąć. W przypadku książek przyjmuj rozdziały, a nie całe tomy. Test priorytetowy: *"Czy cytuję to w czymś, co teraz piszę?"*
|
||||
|
||||
@@ -152,7 +152,7 @@ Trajektoria wzrostu, którą zaobserwowałem:
|
||||
- **5 źródeł / ~20 stron** — Podstawowe pytania i odpowiedzi dotyczące źródeł przyswajonych
|
||||
- **20 źródeł / ~80 stron** — Pierwsze prawdziwe syntezy opłacalne
|
||||
- **50 źródeł / ~200 stron** — Fragmenty roboczej pracy z zapytań
|
||||
- **100 źródeł / ~400 stron** — Wiki mądrzejsza niż pamięć o połączeniach krzyżowych
|
||||
- **100 źródeł / ~400 stron** — Knowledge Base mądrzejsza niż pamięć o połączeniach krzyżowych
|
||||
|
||||
Punkt rentowności przypada na źródło 20–30: gdy zapytanie zwraca cytowaną odpowiedź w 30 sekund zamiast 20 minut przeszukiwania PDF.
|
||||
|
||||
@@ -178,7 +178,7 @@ Claude czyta cały rozdział (54 strony gęstej filozofii), a następnie:
|
||||
|
||||
Mogę zapytać: "Jak działa koncepcja linii ucieczki politycznie?"
|
||||
|
||||
Claude sprawdza index.md, identyfikuje Klaster C, czyta stronę koncepcyjną *linii lotu* (która zawiera 3 wpisy wspierające źródło: ATP Ch. 1, Sauvagnargues 2013 i Thornton 2020), podąża za powiązanymi polami do *składania* i *stawania* się, a następnie konstruuje odpowiedź na podstawie syntetycznego wiki — cytując konkretne strony i fragmenty bez konieczności ponownego czytania oryginalnych PDF-ów.
|
||||
Claude sprawdza index.md, identyfikuje Klaster C, czyta stronę koncepcyjną *linii lotu* (która zawiera 3 wpisy wspierające źródło: ATP Ch. 1, Sauvagnargues 2013 i Thornton 2020), podąża za powiązanymi polami do *składania* i *stawania* się, a następnie konstruuje odpowiedź na podstawie syntetycznego knowledge — cytując konkretne strony i fragmenty bez konieczności ponownego czytania oryginalnych PDF-ów.
|
||||
|
||||
### LINT
|
||||
|
||||
@@ -188,29 +188,29 @@ Claude przeprowadza audyt wszystkich 185 stron według 8 kryteriów: strony sier
|
||||
|
||||
### Czego się nauczyłem
|
||||
|
||||
### 1\. Wiki to coś więcej niż suma źródeł
|
||||
### 1\. Knowledge Base to coś więcej niż suma źródeł
|
||||
|
||||
Najcenniejsze strony to te, które łączą źródła pomiędzy źródłami, których żaden z autorów nie połączył. Strona *z asamblażem* — czerpiąca z filozoficznej koncepcji Deleuze-Guattariego, ontologii społecznej DeLandy, estetyki Sauvagnarguesa oraz mojego własnego zastosowania muzycznego — zawiera wiedzę, której nie ma nigdzie indziej w formie opublikowanej. Wiki *generuje* wiedzę poprzez akt uporządkowanego gromadzenia.
|
||||
Najcenniejsze strony to te, które łączą źródła pomiędzy źródłami, których żaden z autorów nie połączył. Strona *z asamblażem* — czerpiąca z filozoficznej koncepcji Deleuze-Guattariego, ontologii społecznej DeLandy, estetyki Sauvagnarguesa oraz mojego własnego zastosowania muzycznego — zawiera wiedzę, której nie ma nigdzie indziej w formie opublikowanej. Knowledge Base *generuje* wiedzę poprzez akt uporządkowanego gromadzenia.
|
||||
|
||||
### 2\. Nadzór ma znaczenie na początku, później już mniej
|
||||
|
||||
Pierwsze 10–15 przyjmowań wymagało ścisłego nadzoru: sprawdzania, czy pojęcia są poprawnie identyfikowane, czy połączenia są autentyczne, a nie powierzchowne, czy znaczniki epistemiczne są stosowane poprawnie. Następnie schemat i zgromadzony kontekst wiki prowadziły LLM ku coraz dokładniejszym i spójniejszym aktualizacjom stron. Wiki szkoli własnego operatora.
|
||||
Pierwsze 10–15 przyjmowań wymagało ścisłego nadzoru: sprawdzania, czy pojęcia są poprawnie identyfikowane, czy połączenia są autentyczne, a nie powierzchowne, czy znaczniki epistemiczne są stosowane poprawnie. Następnie schemat i zgromadzony kontekst knowledge prowadziły LLM ku coraz dokładniejszym i spójniejszym aktualizacjom stron. Knowledge Base szkoli własnego operatora.
|
||||
|
||||
### 3\. Workflow usuwania kłaczków jest kluczowy
|
||||
|
||||
Bez regularnego lintingu wiki dryfowałaby: strony osierocone, uszkodzone linki, niespójne znaczniki. Procedura usuwania kłaczków wykrywa te problemy, zanim się kumulują. Uruchamiam go co 10–15 porcji. Zajmuje to 2 minuty i zapobiega godzinom sprzątania.
|
||||
Bez regularnego lintingu knowledge dryfowałaby: strony osierocone, uszkodzone linki, niespójne znaczniki. Procedura usuwania kłaczków wykrywa te problemy, zanim się kumulują. Uruchamiam go co 10–15 porcji. Zajmuje to 2 minuty i zapobiega godzinom sprzątania.
|
||||
|
||||
### 4\. Obsydian jest naturalnym towarzyszem
|
||||
|
||||
Po zbudowaniu wiki całkowicie przez Claude Code otworzyłem folder w Obsidian. Wszystko zadziałało natychmiast — widok wykresu, panel linków, wyszukiwanie. Bez migracji, bez konwersji. Obsidian czyta te same pliki markdown, które pisze Claude. Oba narzędzia są uzupełniające: Claude do operacji strukturalnych (wchłanianie, zapytanie, kłaczki), Obsidian do eksploracji wizualnej i przypadkowego odkrywania.
|
||||
Po zbudowaniu knowledge całkowicie przez Claude Code otworzyłem folder w Obsidian. Wszystko zadziałało natychmiast — widok wykresu, panel linków, wyszukiwanie. Bez migracji, bez konwersji. Obsidian czyta te same pliki markdown, które pisze Claude. Oba narzędzia są uzupełniające: Claude do operacji strukturalnych (wchłanianie, zapytanie, kłaczki), Obsidian do eksploracji wizualnej i przypadkowego odkrywania.
|
||||
|
||||
### 5\. Schemat jest rzeczywistym produktem
|
||||
|
||||
Strony wiki są cenne, ale produktem wielokrotnego użytku jest schemat CLAUDE.md — zestaw instrukcji, który zamienia dowolnego agenta kodującego LLM w operatora wiki badawczego. Jest [otwartoźródłowe na GitHubie](https://github.com/MetamusicX/llm-research-wiki). Każdy może go sklonować, edytować kontekst domeny dla swojego pola i zacząć pobierać dane.
|
||||
Strony knowledge są cenne, ale produktem wielokrotnego użytku jest schemat CLAUDE.md — zestaw instrukcji, który zamienia dowolnego agenta kodującego LLM w operatora knowledge badawczego. Jest [otwartoźródłowe na GitHubie](https://github.com/MetamusicX/llm-research-knowledge). Każdy może go sklonować, edytować kontekst domeny dla swojego pola i zacząć pobierać dane.
|
||||
|
||||
### Spróbuj sam
|
||||
|
||||
Repozytorium znajduje się na [github.com/MetamusicX/llm-research-wiki](https://github.com/MetamusicX/llm-research-wiki).
|
||||
Repozytorium znajduje się na [github.com/MetamusicX/llm-research-knowledge](https://github.com/MetamusicX/llm-research-knowledge).
|
||||
|
||||
Czego potrzebujesz:
|
||||
|
||||
@@ -219,10 +219,10 @@ Czego potrzebujesz:
|
||||
- Twoje własne dokumenty źródłowe (PDF-y, notatki do markowania, transkrypcje)
|
||||
- Brak bazy danych, brak osadzeń, brak wtyczek — tylko pliki i foldery markdown
|
||||
|
||||
Zacznij od własnej mapy badawczej jako pierwszego wejścia. To zasiewa wiki twoim konceptualnym ramą. Potem dodawaj źródła pojedynczo. Nadzoruj pierwsze 10. Kłaczki odprowadzaj co 15 minut. Po 50 źródłach będziesz miał prawdziwe narzędzie badawcze. Po 100 jest niezbędna.
|
||||
Zacznij od własnej mapy badawczej jako pierwszego wejścia. To zasiewa knowledge twoim konceptualnym ramą. Potem dodawaj źródła pojedynczo. Nadzoruj pierwsze 10. Kłaczki odprowadzaj co 15 minut. Po 50 źródłach będziesz miał prawdziwe narzędzie badawcze. Po 100 jest niezbędna.
|
||||
|
||||
— -
|
||||
|
||||
*Paulo de Assis jest artystą-badaczem specjalizującym się w kompozycji, wykonawstwie fortepianowym, filozofii kontynentalnej, studiach nad nauką i technologią* oraz *epistemologii. Jest autorem książki* Logic of Experimentation: Rethinking Music Performance through Artistic Research *(Leuven University Press, 2018). Wiki opisane w tym artykule zostało stworzone w ramach jego trwającego projektu ERC Advanced Grant PosthumanMusic (2026–2030).*
|
||||
*Paulo de Assis jest artystą-badaczem specjalizującym się w kompozycji, wykonawstwie fortepianowym, filozofii kontynentalnej, studiach nad nauką i technologią* oraz *epistemologii. Jest autorem książki* Logic of Experimentation: Rethinking Music Performance through Artistic Research *(Leuven University Press, 2018). Knowledge Base opisane w tym artykule zostało stworzone w ramach jego trwającego projektu ERC Advanced Grant PosthumanMusic (2026–2030).*
|
||||
|
||||
*Wzór LLM Research Wiki jest otwarty na* [*github.com/MetamusicX/llm-research-wiki*](https://github.com/MetamusicX/llm-research-wiki)*.*
|
||||
*Wzór LLM Research Knowledge Base jest otwarty na* [*github.com/MetamusicX/llm-research-knowledge*](https://github.com/MetamusicX/llm-research-knowledge)*.*
|
||||
+2
-2
@@ -27,7 +27,7 @@ No due date set. You have a meeting with them on Thursday at 10:00.
|
||||
Want me to set the due date to Wednesday and block two hours tomorrow?
|
||||
```
|
||||
|
||||
Tak **właśnie powstał MarcOS**. Na razie jest to osobisty asystent. Jeśli kiedykolwiek zacznie prowadzić moje zajęcia i wysyłać faktury bez pytania, stanie się moim klonem i wtedy nie będzie jasne, który z nas jest zbędny. Obecnie powtarza się teza, że [SaaS umarł, że agenci AI zastąpią całe kategorie produktów](https://medium.com/@marc.bara.iniesta/why-ai-is-breaking-the-software-business-model-dcd7cc303080). Po piętnastu latach zmiany narzędzi produktywności na coś lepszego, z Notion jako najnowszym przystankiem (martwe wiki, kolekcje linków, do których nigdy nie wracam, 140 osieroconych pomysłów w bazie danych, której przestałem przeglądać), postanowiłem przetestować tę pracę na sobie.
|
||||
Tak **właśnie powstał MarcOS**. Na razie jest to osobisty asystent. Jeśli kiedykolwiek zacznie prowadzić moje zajęcia i wysyłać faktury bez pytania, stanie się moim klonem i wtedy nie będzie jasne, który z nas jest zbędny. Obecnie powtarza się teza, że [SaaS umarł, że agenci AI zastąpią całe kategorie produktów](https://medium.com/@marc.bara.iniesta/why-ai-is-breaking-the-software-business-model-dcd7cc303080). Po piętnastu latach zmiany narzędzi produktywności na coś lepszego, z Notion jako najnowszym przystankiem (martwe knowledge, kolekcje linków, do których nigdy nie wracam, 140 osieroconych pomysłów w bazie danych, której przestałem przeglądać), postanowiłem przetestować tę pracę na sobie.
|
||||
|
||||
Szukałem, jak wyglądałby osobisty system [GTD](https://gettingthingsdone.com/), gdybym zbudował go od zera, korzystając z narzędzi dostępnych w 2026 roku. GTD (Getting Things Done, metoda Davida Allena) sprowadza się do: uchwycenia wszystkiego, wyjaśnienia, czym jest każda rzecz, uporządkowania według projektu, przeglądu co tydzień i działania. Metoda ta ma już czterdzieści lat. Narzędzia, których ludzie używają do prowadzenia, zmieniają się co trzy lata. Nie prototyp. To nie weekendowy hack. System, którego faktycznie używałem codziennie do prowadzenia praktyki konsultingowej, koordynowania kursów w kilku szkołach biznesu, zarządzania mentoringiem startupów oraz śledzenia faktur. Ograniczenie było proste: każdy element musi być wymienny, nic nie wymaga subskrypcji, a całość musi działać bez połączenia z internetem, poza synchronizacją. Rdzeń działał w tydzień. Dashboard i automatyzacje wymagały jeszcze kilku sesji. Oto jak to działa.
|
||||
|
||||
@@ -101,4 +101,4 @@ Plan awaryjny to cron-kronik GitHub Actions. W każdy piątek o 9 rano workflow
|
||||
|
||||
Może tak właśnie wyglądają osobisti asystenci w pracy: nie kolejny SaaS z listą oczekujących, ale lokalna baza danych, agent, który ją czyta, i rozmowa zastępująca interfejs. Nie generowanie aplikacji demonstracyjnych, nie rozwiązywanie zagadek Advent of Code, ale wykonywanie żmudnej, nieefektownej pracy zarządzania zadaniami, śledzenia faktur i przypominania konsultantowi, że nie przeglądał swojej listy "someday" od pięciu tygodni. MarcOS się narodził. Czy stanie się lepszym klonem, czas pokaże. Będę aktualizować ten artykuł, gdy tylko pojawią się dane.
|
||||
|
||||
*Marc Bara jest konsultantem ds. zarządzania projektami i edukatorem z doktoratem z inżynierii elektrycznej. Pisze o AI, pracy i zarządzaniu projektami. Znajdź go na* [*LinkedIn*](https://www.linkedin.com/in/marcbara/)*.*
|
||||
*Marc Bara jest konsultantem ds. zarządzania projektami i edukatorem z doktoratem z inżynierii elektrycznej. Pisze o AI, pracy i zarządzaniu projektami. Znajdź go na* [*LinkedIn*](https://www.linkedin.com/in/marcbara/)*.*
|
||||
|
||||
+10
-10
@@ -15,7 +15,7 @@ tags:
|
||||
|
||||
Te piękne wykresy to prawdziwy powód, dla którego tak bardzo kocham Obsidian. Ale jest też lokalny, bezpieczny i od teraz łatwy w użyciu z LLM.
|
||||
|
||||
2 kwietnia 2026 roku Andrej Karpathy opublikował krótki opis czegoś, co nazwał "LLM Wiki". Osiągnął 325 000 wyświetleń w 48 godzin. W ciągu dwóch tygodni pół tuzina wtyczek open-source ponownie go wdrożyło. Obszar zarządzania wiedzą osobistą na Twitterze kompletnie stracił rozum. Prawie żadne mainstreamowe media technologiczne o tym nie pisały.
|
||||
2 kwietnia 2026 roku Andrej Karpathy opublikował krótki opis czegoś, co nazwał "LLM Knowledge Base". Osiągnął 325 000 wyświetleń w 48 godzin. W ciągu dwóch tygodni pół tuzina wtyczek open-source ponownie go wdrożyło. Obszar zarządzania wiedzą osobistą na Twitterze kompletnie stracił rozum. Prawie żadne mainstreamowe media technologiczne o tym nie pisały.
|
||||
|
||||
*Nie jesteś członkiem Medium? Czytaj za darmo* [*tutaj.*](https://medium.com/dare-to-be-better/what-happens-when-you-give-an-llm-the-keys-to-your-obsidian-vault-370562d821e0?sk=61c02e7f99abf7f07fc0952fa475bc89)
|
||||
|
||||
@@ -35,7 +35,7 @@ medium.com
|
||||
|
||||
Jeśli używałeś którejkolwiek wtyczki "Chat with your vault" do Obsidian, znasz już standardowy schemat: wrzuć markdown do wektorowej bazy danych, zadaj pytanie, model pobiera kilka fragmentów i odpowiada. W porządku. To także transakcja jednorazowa — w momencie zamknięcia czatu nic się nie kumuluje. Twój skarbiec jest nadal tak zabałaganiony, jak go zostawiłeś. Model nie staje się mądrzejszy w twoim przypadku. Nie stajesz się mądrzejszy w swoim podejściu.
|
||||
|
||||
Wzór LLM Wiki odwraca workflow. Czat to efekt uboczny. Artefakt to uporządkowany, hiperlinkowany skarbiec, który model utrzymuje dla ciebie w tle — dodając strony z entykatami, poprawiając streszczenia tematów, sygnalizując sprzeczności między wczorajszą notatką a dzisiejszą, odsłaniając powiązania, których nigdy nie zrobiłeś świadomie.
|
||||
Wzór LLM Knowledge Base odwraca workflow. Czat to efekt uboczny. Artefakt to uporządkowany, hiperlinkowany skarbiec, który model utrzymuje dla ciebie w tle — dodając strony z entykatami, poprawiając streszczenia tematów, sygnalizując sprzeczności między wczorajszą notatką a dzisiejszą, odsłaniając powiązania, których nigdy nie zrobiłeś świadomie.
|
||||
|
||||
Brzmi to podejrzanie jak każda obietnica "drugiego mózgu" z ostatnich pięciu lat. Większość tych obietnic to były wibracje. Ten jest wyjątkowo konkretny, a narzędzia doganiały szybciej niż dyskusja. Oto jak to właściwie skonfigurować — i gdzie się psuje.
|
||||
|
||||
@@ -43,19 +43,19 @@ Brzmi to podejrzanie jak każda obietnica "drugiego mózgu" z ostatnich pięciu
|
||||
|
||||
Stary schemat: **czat z dodatkiem wyszukiwania.** Twoje notatki to biblioteka tylko do czytania; LLM to bibliotekarz.
|
||||
|
||||
Nowy schemat: **pisanie z pomocą wyszukiwania.** Twoje notatki to edytowalna wiki; LLM to redaktor naczelny, który nigdy nie śpi.
|
||||
Nowy schemat: **pisanie z pomocą wyszukiwania.** Twoje notatki to edytowalna knowledge; LLM to redaktor naczelny, który nigdy nie śpi.
|
||||
|
||||
Wszystko inne — wybór modelu, wtyczki, sprzęt — to szczegóły implementacji.
|
||||
|
||||
## Brakujący element: CEO Obsidian właśnie nauczył agentów, jak się zachowywać
|
||||
|
||||
Przez około rok oczywistym wąskim gardłem w tym całym wzorcu było to, że LLM technicznie mówią markdown, ale nie wiedzą, że Obsidian markdown to osobny dialekt. Agenci pisali notatki, które wyglądały poprawnie w czystym tekście i cicho się psuły w momencie otwarcia — wikilinki będące tylko nawiasami wokół łańcucha rzeczy, przednią część przekształconą w tekst główny, opisy w cudzysłowie, pliki Bases uszkodzone do zupy JSON. Każdy workflow "AI w moim skarbcu" kończył się przepustką sprzątającą.
|
||||
Przez około rok oczywistym wąskim gardłem w tym całym wzorcu było to, że LLM technicznie mówią markdown, ale nie wiedzą, że Obsidian markdown to osobny dialekt. Agenci pisali notatki, które wyglądały poprawnie w czystym tekście i cicho się psuły w momencie otwarcia — knowledgelinki będące tylko nawiasami wokół łańcucha rzeczy, przednią część przekształconą w tekst główny, opisy w cudzysłowie, pliki Bases uszkodzone do zupy JSON. Każdy workflow "AI w moim skarbcu" kończył się przepustką sprzątającą.
|
||||
|
||||
Na początku 2026 roku Steph Ango — CEO Obsidian — sam to naprawił. Opublikował na GitHub: zestaw umiejętności agentów licencjonowany przez MIT, które uczą Claude Code, Codex CLI, OpenCode i wszelkich innych narzędzi kompatybilnych z Agent Skills, jak faktycznie korzystać z aplikacji. Repozytorium usunęło dziesiątki tysięcy gwiazd w ciągu kilku tygodni i nadal rośnie.`kepano/obsidian-skills`
|
||||
|
||||
To, co jest w środku, to dokładnie te nudne, ważne rzeczy:
|
||||
|
||||
- `**obsidian-markdown**` — wikilinki, callouty, materiały wstępne, osadzenia, linki dwukierunkowe wykonane poprawnie.
|
||||
- `**obsidian-markdown**` — knowledgelinki, callouty, materiały wstępne, osadzenia, linki dwukierunkowe wykonane poprawnie.
|
||||
- `**obsidian-bases**` — dane strukturalne z filtrami, widokami i typowymi właściwościami.
|
||||
- `**json-canvas**` — generowanie i edytowanie wizualnych płócien w twoich notatkach.
|
||||
- `**obsidian-cli**` — pełne zarządzanie sejfem z linii poleceń.
|
||||
@@ -91,19 +91,19 @@ To właśnie ten ostatni krok większość ludzi rezygnuje i nie są w błędzie
|
||||
|
||||
**To nie czyni cię mądrym.** To sprawia, że *twój skarbiec* jest inteligentny. Jest różnica, a ta różnica staje się bolesna około drugiego tygodnia, gdy model pojawia się czysta synteza trzech rzeczy, które napisałeś, i zdajesz sobie sprawę, że przez sześć miesięcy miałeś tę samą półmyśl.
|
||||
|
||||
**To halucynacje między nimi.** Zwłaszcza w przypadku mniejszych lokalnych modeli. Wiki pewnie połączy dwie istoty, które nie mają ze sobą nic wspólnego, i napisze akapit wyjaśniający relację, której Twoje notatki nie wspierają. Można to zauważyć, czytając ponownie. Przestajesz to łapać, gdy przestaniesz czytać ponownie. Planuj odpowiednio.
|
||||
**To halucynacje między nimi.** Zwłaszcza w przypadku mniejszych lokalnych modeli. Knowledge Base pewnie połączy dwie istoty, które nie mają ze sobą nic wspólnego, i napisze akapit wyjaśniający relację, której Twoje notatki nie wspierają. Można to zauważyć, czytając ponownie. Przestajesz to łapać, gdy przestaniesz czytać ponownie. Planuj odpowiednio.
|
||||
|
||||
**To pokazuje, jak bardzo jesteś nieuporządkowany.** Pierwszy miesiąc to problem zimnego startu ubrany w cechę: LLM świetnie radzi sobie z organizowaniem uporządkowanych informacji i radzi sobie tylko w niedokończonych bazgrołach, z których składa się większość osobistych skarbców. Jeśli twoje notatki to głównie sieroty myśli i zakładki, przez pierwsze dwa tygodnie będziesz wykonywać prace sprzątające, której model nie może za ciebie wykonać.
|
||||
|
||||
**Historia prywatności jest prawdziwa, ale tylko jeśli się na nią zdecydujesz.** Lokalna zasada jest naprawdę prywatna. W momencie, gdy pozwolisz agentowi chmurowemu zaindeksować swój sejf dla "wygody", przekazujesz swoją listę lektur, notatki terapeutyczne, niedokończony list rezygnacyjny i listę zakupów osobie trzeciej z polityką prywatności, której nie przeczytałeś.
|
||||
|
||||
**Sprzęt nie jest darmowy.** Dobre lokalne rozwiązanie działa na laptopie za 2500 dolarów, ale model na starym komputerze za 400 dolarów da wpisy w wiki, które są zauważalnie gorsze niż subskrypcja chmurowa za 20 dolarów miesięcznie. Udawanie inaczej to kolejny cmentarz "drugiego mózgu".
|
||||
**Sprzęt nie jest darmowy.** Dobre lokalne rozwiązanie działa na laptopie za 2500 dolarów, ale model na starym komputerze za 400 dolarów da wpisy w knowledge, które są zauważalnie gorsze niż subskrypcja chmurowa za 20 dolarów miesięcznie. Udawanie inaczej to kolejny cmentarz "drugiego mózgu".
|
||||
|
||||
## Kto właściwie powinien to robić
|
||||
|
||||
- **Tak:** badaczy, pisarze, inżynierowie, założyciele, terapeuci w trakcie szkolenia, każdy, kto w większości opiera się na syntezie długich form, które chcieliby zachować na własnej maszynie.
|
||||
- **Może:** osoby z zdyscyplinowanymi nawykami robienia notatek, które ciągle napotykają ścianę "Wiem, że gdzieś to napisałem."
|
||||
- **Nie: osoby,** których notatki to głównie listy zadań i przypomnienia. Użyj aplikacji do zadań. Schemat wiki jest przesadzony — odpowiednik instalowania Kubernetesa na osobistego bloga.
|
||||
- **Nie: osoby,** których notatki to głównie listy zadań i przypomnienia. Użyj aplikacji do zadań. Schemat knowledge jest przesadzony — odpowiednik instalowania Kubernetesa na osobistego bloga.
|
||||
|
||||
## Rzeczywista nagroda
|
||||
|
||||
@@ -111,6 +111,6 @@ Szczere wyjaśnienie, dlaczego to się opłaca, nie brzmi: "AI wykonuje pracę."
|
||||
|
||||
Ta ostatnia własność jest rzadka i cenna, nie wymaga magii modelu frontier. Wymaga modelu na tyle dobrego, by nie było żenujące, agenta, który potrafi zapisywać na dysk, oraz gotowości do czytania tego, co powstaje, z takim samym krytycznym okiem, jak pierwszy szkic młodszego pisarza.
|
||||
|
||||
Wzór wiki to pierwszy raz w tym cyklu AI, kiedy narzędzie naprawdę działa *dla ciebie* między sesjami, zamiast czekać na kolejne pytanie. To właśnie część Karpathy'ego dobrze oddał, a większość relacji pominęła.
|
||||
Wzór knowledge to pierwszy raz w tym cyklu AI, kiedy narzędzie naprawdę działa *dla ciebie* między sesjami, zamiast czekać na kolejne pytanie. To właśnie część Karpathy'ego dobrze oddał, a większość relacji pominęła.
|
||||
|
||||
To też ta część, którą trzeba poczuć przez miesiąc — dlatego prawie nikt, kto spróbuje tego przez weekend, nie powie ci, że działa.
|
||||
To też ta część, którą trzeba poczuć przez miesiąc — dlatego prawie nikt, kto spróbuje tego przez weekend, nie powie ci, że działa.
|
||||
|
||||
+20
-20
@@ -1,6 +1,6 @@
|
||||
---
|
||||
title: "Karpathy LLM Wiki to supermoc dla badaczy. Oto jak go używam."
|
||||
source: "https://medium.com/below-the-abstract/karpathy-llm-wiki-is-a-superpower-for-researchers-heres-how-i-use-it-cf3db8d24ce1"
|
||||
title: "Karpathy LLM Knowledge Base to supermoc dla badaczy. Oto jak go używam."
|
||||
source: "https://medium.com/below-the-abstract/karpathy-llm-knowledge-is-a-superpower-for-researchers-heres-how-i-use-it-cf3db8d24ce1"
|
||||
author:
|
||||
- "[[R.F. Bryan]]"
|
||||
published: 2026-05-11
|
||||
@@ -19,7 +19,7 @@ Ponieważ naukowcy od dziesięcioleci szukają idealnego systemu wiedzy. Zettelk
|
||||
|
||||
Ale to, co opisał Karpathy, jest inne. To, co buduje, to nie tylko system notatek, ale kompilator.
|
||||
|
||||
## Różnica między notatką a wiki, którą utrzymuje twój LLM
|
||||
## Różnica między notatką a knowledge, którą utrzymuje twój LLM
|
||||
|
||||
Większość badaczy współpracuje ze AI w ten sam sposób: wrzucają pracę do okna czatu, zadają pytania, uzyskują odpowiedzi, zamykają zakładkę.
|
||||
|
||||
@@ -27,9 +27,9 @@ To podejście ma swój sufit. Nie pamięta jutrzejszego artykułu ani tego, jak
|
||||
|
||||
Podejście Karpathy'ego jest strukturalnie inne. Zamiast rozmawiać z dokumentami, buduje rosnącą bazę wiedzy, którą LLM utrzymuje z czasem.
|
||||
|
||||
Oto podstawowa pętla: surowe materiały źródłowe trafiają do katalogu. Artykuły, artykuły, repozytoria, zbiory danych, obrazy. Następnie LLM stopniowo kompiluje te źródła do wiki — zbioru plików markdown zorganizowanych według koncepcji, z podsumowaniami, linkami zwrotnymi i odniesieniami. Obsidian to frontend, gdzie czytasz wszystko. Rzadko sięgasz bezpośrednio do wiki. LLM zapisuje go i utrzymuje.`raw/`
|
||||
Oto podstawowa pętla: surowe materiały źródłowe trafiają do katalogu. Artykuły, artykuły, repozytoria, zbiory danych, obrazy. Następnie LLM stopniowo kompiluje te źródła do knowledge — zbioru plików markdown zorganizowanych według koncepcji, z podsumowaniami, linkami zwrotnymi i odniesieniami. Obsidian to frontend, gdzie czytasz wszystko. Rzadko sięgasz bezpośrednio do knowledge. LLM zapisuje go i utrzymuje.`raw/`
|
||||
|
||||
Gdy wiki będzie wystarczająco duża — jego przykład to około 100 artykułów i 400 000 słów — możesz zadawać złożone pytania i uzyskać odpowiedzi, które faktycznie łączą się z całym twoim korpusem.
|
||||
Gdy knowledge będzie wystarczająco duża — jego przykład to około 100 artykułów i 400 000 słów — możesz zadawać złożone pytania i uzyskać odpowiedzi, które faktycznie łączą się z całym twoim korpusem.
|
||||
|
||||
To nie jest chatbot. To asystent badawczy, który przeczytał wszystko, co ty przeczytałeś, pamięta wszystko i potrafi połączyć rzeczy, które pominąłeś.
|
||||
|
||||
@@ -39,7 +39,7 @@ Problemem większości badaczy jest nieznajdowanie informacji. To łączy.
|
||||
|
||||
Przeczytałeś 200 artykułów z danej dziedziny. Znasz główne wątki. Ale gdy siadasz do przeglądu literatury lub wskazujesz lukę badawczą, praca jest brutalna. Mentalnie triangulujesz dziesiątki źródeł, próbując jednocześnie utrzymać w głowie konkurencyjne ramy, mając nadzieję, że nie przeoczysz kluczowej sprzeczności ukrytej w sekcji metod, którą przejrzałeś sześć miesięcy temu.
|
||||
|
||||
Wiki Karpathy nie tylko przechowuje twoje źródła. Łączy ich. LLM pisze artykuły o koncepcjach, a nie tylko streszczenia poszczególnych artykułów. Buduje powiązania między powiązanymi ideami. Sprawdza, gdzie badania są spójne, a gdzie się rozbiegają.
|
||||
Knowledge Base Karpathy nie tylko przechowuje twoje źródła. Łączy ich. LLM pisze artykuły o koncepcjach, a nie tylko streszczenia poszczególnych artykułów. Buduje powiązania między powiązanymi ideami. Sprawdza, gdzie badania są spójne, a gdzie się rozbiegają.
|
||||
|
||||
W przypadku syntezy literatury jest to jakościowo inny rodzaj pomocy niż cokolwiek, co oferuje standardowy pipeline RAG czy interfejs czatu.
|
||||
|
||||
@@ -53,7 +53,7 @@ Wszystko, z czym pracuję, wrzucam do surowego katalogu. W przypadku trwającego
|
||||
|
||||
Kluczowe jest nie być zbyt cennym w kwestii tego, co jest włożone. Pierwsze szkice własnych notatek analiz też tam pasują. LLM będzie działał ze wszystkim.
|
||||
|
||||
**Krok 2: Pozwól LLM skompilować wiki**
|
||||
**Krok 2: Pozwól LLM skompilować knowledge**
|
||||
|
||||
Używam Claude'a ze strukturalnym promptem do przejścia kompilacji. Prompt nakazuje mu:
|
||||
|
||||
@@ -63,29 +63,29 @@ Używam Claude'a ze strukturalnym promptem do przejścia kompilacji. Prompt naka
|
||||
- Dołącz cytowania do dokumentów źródłowych
|
||||
- Oznacz tam, gdzie źródła się zgadzają, gdzie się spierają i jakie pytania pozostają otwarte
|
||||
|
||||
To nie jest jednorazowa sprawa. Uruchamiasz ją ponownie, gdy dodajesz znaczący nowy materiał. Wiki rozwija się stopniowo.
|
||||
To nie jest jednorazowa sprawa. Uruchamiasz ją ponownie, gdy dodajesz znaczący nowy materiał. Knowledge Base rozwija się stopniowo.
|
||||
|
||||
**Krok 3: Użyj Obsidian jako interfejsu do czytania**
|
||||
|
||||
Karpathy nazywa Obsidian "frontendem IDE" i to ramowanie jest trafne. Widok wykresu pokazuje, jak pojęcia się ze sobą łączą. Panel linków zwrotnych w każdym artykule koncepcyjnym pokazuje wszystkie źródła, które poruszały ten pomysł. Możesz nawigować po wiki tak, jak radzisz sobie z dobrze zorganizowaną monografią badawczą, a nie stertą PDF-ów.
|
||||
Karpathy nazywa Obsidian "frontendem IDE" i to ramowanie jest trafne. Widok wykresu pokazuje, jak pojęcia się ze sobą łączą. Panel linków zwrotnych w każdym artykule koncepcyjnym pokazuje wszystkie źródła, które poruszały ten pomysł. Możesz nawigować po knowledge tak, jak radzisz sobie z dobrze zorganizowaną monografią badawczą, a nie stertą PDF-ów.
|
||||
|
||||
**Krok 4: Zadawaj pytania na wiki**
|
||||
**Krok 4: Zadawaj pytania na knowledge**
|
||||
|
||||
Właśnie tutaj zaczyna się efekt. Gdy wiki będzie miała wystarczająco dużo materiału, możesz zadawać pytania wymagające syntezy w wielu źródłach. "Jakie są główne metodologiczne różnice w badaniach mierzących X?" "Które gazety analizowały Y w kontekście Z i co odkryły?" "Gdzie są luki, które nie zostały rozwiązane?"
|
||||
Właśnie tutaj zaczyna się efekt. Gdy knowledge będzie miała wystarczająco dużo materiału, możesz zadawać pytania wymagające syntezy w wielu źródłach. "Jakie są główne metodologiczne różnice w badaniach mierzących X?" "Które gazety analizowały Y w kontekście Z i co odkryły?" "Gdzie są luki, które nie zostały rozwiązane?"
|
||||
|
||||
Odpowiedzi są lepsze niż te, które uzyskujesz na rozmowach z pojedynczymi artykułami, ponieważ LLM działa przeciwko uporządkowanym, kuratorowanym, powiązanym korpusom — a nie surowemu zrzutowi dokumentów. Omówiłem, jak używać tego konkretnie do znajdowania luk naukowych [tutaj](https://medium.com/below-the-abstract/how-to-use-karpathys-llm-wiki-to-find-research-gaps-0d5b67b0c07d).
|
||||
Odpowiedzi są lepsze niż te, które uzyskujesz na rozmowach z pojedynczymi artykułami, ponieważ LLM działa przeciwko uporządkowanym, kuratorowanym, powiązanym korpusom — a nie surowemu zrzutowi dokumentów. Omówiłem, jak używać tego konkretnie do znajdowania luk naukowych [tutaj](https://medium.com/below-the-abstract/how-to-use-karpathys-llm-knowledge-to-find-research-gaps-0d5b67b0c07d).
|
||||
|
||||
**Krok 5: Złóż wyjścia z powrotem**
|
||||
|
||||
Argument Karpathy'ego o tym, że wyniki "sumują się" w bazie wiedzy, okazał się naprawdę prawdziwy. Gdy uruchamiam zapytanie syntezy i dostaję użyteczną odpowiedź, zapisuję ten wynik jako plik markdown z powrotem do wiki. Moja własna analiza staje się częścią korpusu. Przyszłe zapytania mogą na tym budować.
|
||||
Argument Karpathy'ego o tym, że wyniki "sumują się" w bazie wiedzy, okazał się naprawdę prawdziwy. Gdy uruchamiam zapytanie syntezy i dostaję użyteczną odpowiedź, zapisuję ten wynik jako plik markdown z powrotem do knowledge. Moja własna analiza staje się częścią korpusu. Przyszłe zapytania mogą na tym budować.
|
||||
|
||||
Z czasem wiki zaczyna przypominać żywy dokument twojego własnego myślenia, a nie tylko bibliotekę cudzych prac.
|
||||
Z czasem knowledge zaczyna przypominać żywy dokument twojego własnego myślenia, a nie tylko bibliotekę cudzych prac.
|
||||
|
||||
## Krok z lintingiem jest niedoceniany
|
||||
|
||||
Karpathy wspomina o przeprowadzaniu "kontroli zdrowia" wiki — prosząc LLM o znalezienie niespójnych danych, identyfikację powiązań między artykułami, które jeszcze nie zostały powiązane, oraz oznaczanie pytań wartych dalszego zbadania.
|
||||
Karpathy wspomina o przeprowadzaniu "kontroli zdrowia" knowledge — prosząc LLM o znalezienie niespójnych danych, identyfikację powiązań między artykułami, które jeszcze nie zostały powiązane, oraz oznaczanie pytań wartych dalszego zbadania.
|
||||
|
||||
Robię wersję tego co miesiąc. LLM wyświetla rzeczy, których sam bym nie zauważył. Prace, które oceniłem jako istotne dla różnych podpytań, które faktycznie dzielą podstawowe założenie, którego wcześniej nie wyraziłem. Luki w moim omówieniu konkretnej metodologii. Miejsca, gdzie moja wiki przedstawia twierdzenie niepoparte żadnym źródłem w.`raw/`
|
||||
Robię wersję tego co miesiąc. LLM wyświetla rzeczy, których sam bym nie zauważył. Prace, które oceniłem jako istotne dla różnych podpytań, które faktycznie dzielą podstawowe założenie, którego wcześniej nie wyraziłem. Luki w moim omówieniu konkretnej metodologii. Miejsca, gdzie moja knowledge przedstawia twierdzenie niepoparte żadnym źródłem w.`raw/`
|
||||
|
||||
Dla badań jest to nieocenione. To nie tylko sprawdzanie błędów. To funkcja wymuszająca, by struktura wiedzy była na tyle jawna, by LLM mógł ją przeanalizować.
|
||||
|
||||
@@ -95,11 +95,11 @@ Chcę być szczery w kwestii ograniczeń, bo większość tekstów na ten temat
|
||||
|
||||
Tarcie w konfiguracji jest realne. Jeśli nie czujesz się komfortowo w pracy w markdown, uruchamianiu LLM przez API lub wiersz poleceń oraz utrzymaniu struktury katalogów, ten workflow nie jest plug-and-play. To bliższe budowaniu własnej infrastruktury badawczej niż korzystaniu z produktu.
|
||||
|
||||
Jakość wiki w dużej mierze zależy od jakości surowca. Jeśli twój katalog to mieszanka niedoczytanych artykułów i zakładek w przeglądarce, które zapisałeś z niejasnymi zamiarami, skompilowana wiki to odzwierciedla. Śmieci wchodzą, zorganizowane śmieci na zewnątrz.`raw/`
|
||||
Jakość knowledge w dużej mierze zależy od jakości surowca. Jeśli twój katalog to mieszanka niedoczytanych artykułów i zakładek w przeglądarce, które zapisałeś z niejasnymi zamiarami, skompilowana knowledge to odzwierciedla. Śmieci wchodzą, zorganizowane śmieci na zewnątrz.`raw/`
|
||||
|
||||
Etap kompilacji staje się kosztowny na dużą skalę. Przeprowadzenie dokładnego przejścia kompilacyjnego przez duży korpus nie jest tanie w tokenach. Nauczyłem się robić ukierunkowane aktualizacje zamiast pełnych rekompilacji, gdy dodaję nowy materiał.
|
||||
|
||||
A wiki jest przydatna tylko tak dobrze, jak twoja chęć utrzymania workflow. Badacze, z którymi rozmawiałem, którzy próbowali tego i zrezygnowali, w większości porzucili to po kilku tygodniach, bo nie wypracowali nawyku regularnego podawania nowego materiału. Pisałem o [tym, co najczęściej się myli w tym systemie](https://medium.com/ai-ai-oh/karpathys-system-is-brilliant-but-here-s-what-people-get-wrong-about-it-d2000b4d8202) oraz o [sześciu błędach, które badacze popełniają, korzystając z AI do badań](https://medium.com/below-the-abstract/6-mistakes-people-make-when-researching-with-ai-d41583fc23c6), jeśli chcesz uniknąć najczęstszych trybów awarii przed rozpoczęciem.`raw/`
|
||||
A knowledge jest przydatna tylko tak dobrze, jak twoja chęć utrzymania workflow. Badacze, z którymi rozmawiałem, którzy próbowali tego i zrezygnowali, w większości porzucili to po kilku tygodniach, bo nie wypracowali nawyku regularnego podawania nowego materiału. Pisałem o [tym, co najczęściej się myli w tym systemie](https://medium.com/ai-ai-oh/karpathys-system-is-brilliant-but-here-s-what-people-get-wrong-about-it-d2000b4d8202) oraz o [sześciu błędach, które badacze popełniają, korzystając z AI do badań](https://medium.com/below-the-abstract/6-mistakes-people-make-when-researching-with-ai-d41583fc23c6), jeśli chcesz uniknąć najczęstszych trybów awarii przed rozpoczęciem.`raw/`
|
||||
|
||||
## Dokąd to zmierza
|
||||
|
||||
@@ -111,8 +111,8 @@ Podstawowa idea jest większa niż jakakolwiek konkretna implementacja. Chodzi o
|
||||
|
||||
Większość badaczy wciąż traktuje LLM jak szybsze wyszukiwarki. Ci, którzy omyślą się, jak uruchomić je jako kompilatory wiedzy, będą mieli poważną przewagę strukturalną w tym, jak szybko mogą zbudować prawdziwe zrozumienie danej dziedziny.
|
||||
|
||||
Streszczenie mówi, co ktoś wyciągnął. Wiki pokazuje, jak wiedza jest faktycznie zorganizowana, gdzie jest solidna i gdzie są luki.
|
||||
Streszczenie mówi, co ktoś wyciągnął. Knowledge Base pokazuje, jak wiedza jest faktycznie zorganizowana, gdzie jest solidna i gdzie są luki.
|
||||
|
||||
To jest praca, którą warto wykonać.
|
||||
|
||||
A jeśli chcesz tego bez budowania od podstaw, to właśnie nad tym pracujemy w [Constella](https://www.constella.app/?utm_source=medium&utm_medium=referral&utm_campaign=rangga&utm_content=karpathy-llm-wiki-is-a-superpower).
|
||||
A jeśli chcesz tego bez budowania od podstaw, to właśnie nad tym pracujemy w [Constella](https://www.constella.app/?utm_source=medium&utm_medium=referral&utm_campaign=rangga&utm_content=karpathy-llm-knowledge-is-a-superpower).
|
||||
+2
-2
@@ -1,6 +1,6 @@
|
||||
---
|
||||
title: "The 5 Core Mental Models for AI Agents: Harness & Memory (Deep Dive + Action Plan) - BPMS Team"
|
||||
source: "https://dnbenterprise.atlassian.net/wiki/spaces/BT/pages/2685927542/The+5+Core+Mental+Models+for+AI+Agents+Harness+Memory+Deep+Dive+Action+Plan"
|
||||
source: "https://dnbenterprise.atlassian.net/knowledge/spaces/BT/pages/2685927542/The+5+Core+Mental+Models+for+AI+Agents+Harness+Memory+Deep+Dive+Action+Plan"
|
||||
author:
|
||||
published:
|
||||
created: 2026-05-14
|
||||
@@ -75,4 +75,4 @@ LLMs are powerful but general-purpose reasoning engines. Quality emerges from th
|
||||
- Bias for simple, tight tool catalogs with strong schemas and pre/post-conditions.
|
||||
- Invest early in observability of agent steps, not just final replies (see Observability references below).
|
||||
|
||||
Your Gemini CLI fraud agent already has a proto-harness (MCP tools, GEMINI.md, SQL generation). The missing “OS” capabilities are: state persistence, checkpoint/resume, and run-level tracing.
|
||||
Your Gemini CLI fraud agent already has a proto-harness (MCP tools, GEMINI.md, SQL generation). The missing “OS” capabilities are: state persistence, checkpoint/resume, and run-level tracing.
|
||||
|
||||
+11
-11
@@ -11,7 +11,7 @@ tags:
|
||||
---
|
||||
|
||||
|
||||
*Po debacie na Wiki / nie LLM Wiki na LLM, chcę podzielić się moim doświadczeniem z ostatnich pięciu lat budowania drugiego mózgu w Obsidian. Podłączenie go do kodu Claude'a pokazało mi, co zostawiałem na stole.*
|
||||
*Po debacie na Knowledge Base / nie LLM Knowledge Base na LLM, chcę podzielić się moim doświadczeniem z ostatnich pięciu lat budowania drugiego mózgu w Obsidian. Podłączenie go do kodu Claude'a pokazało mi, co zostawiałem na stole.*
|
||||
|
||||
Otworzyłem swój pierwszy skarbiec Obsidian w 2021 roku. To był bałagan — zrzut migracji z Evernote, Notion i dekady plików tekstowych rozrzuconych na trzech komputerach. Pięć lat później ten skarbiec zawiera ponad 5 000 notatek obejmujących moją pracę konsultingową, badania osobiste, prace inwestycyjne oraz codzienną fakturę życia — notatki ze spotkań, najważniejsze momenty książek, niedokończone pomysły i rodzaj myślenia, które robisz tylko wtedy, gdy wiesz, że nikt cię nie ogląda.
|
||||
|
||||
@@ -27,7 +27,7 @@ To się zmieniło, gdy podłączyłem kod Claude'a do mojego sejfu. I zmieniło
|
||||
|
||||
Większość poradników integracyjnych zaczyna się od tego narzędzia. Zainstaluj tę wtyczkę. Skonfiguruj ten serwer. Oto blob JSON. Brakuje im fundamentalnego wglądu, który sprawia, że wszystko działa.
|
||||
|
||||
Kod Claude'a nie został stworzony do robienia notatek. Został stworzony, aby poruszać się po bazach kodu — czytać pliki, rozumieć strukturę, podążać za odniesieniami, dokonywać ukierunkowanych edycji i realizować wieloetapowe plany. Obsydianowy skarbiec niemal idealnie się na to odwzorowuje. Kod zawiera pliki źródłowe, instrukcje importu, strukturę katalogów i konfigurację. Twój skarbiec zawiera notatki Markdown, wikilinki, hierarchie folderów i materiały YAML. Claude Code porusza się po nich z podobną bieglością.
|
||||
Kod Claude'a nie został stworzony do robienia notatek. Został stworzony, aby poruszać się po bazach kodu — czytać pliki, rozumieć strukturę, podążać za odniesieniami, dokonywać ukierunkowanych edycji i realizować wieloetapowe plany. Obsydianowy skarbiec niemal idealnie się na to odwzorowuje. Kod zawiera pliki źródłowe, instrukcje importu, strukturę katalogów i konfigurację. Twój skarbiec zawiera notatki Markdown, knowledgelinki, hierarchie folderów i materiały YAML. Claude Code porusza się po nich z podobną bieglością.
|
||||
|
||||
Najprostsza integracja jest najbardziej niedoceniana:
|
||||
|
||||
@@ -53,7 +53,7 @@ Oto, czego nauczyło mnie pięć lat dyscypliny na skoku, jak włożyć CLAUDE.m
|
||||
This is my personal + professional knowledge vault. Five years
|
||||
of notes across consulting, investing, and distributed systems
|
||||
research, and personal development. Notes use Obsidian-flavored
|
||||
Markdown with [[wikilinks]], callouts, and YAML frontmatter.
|
||||
Markdown with [[knowledgelinks]], callouts, and YAML frontmatter.
|
||||
## Structure
|
||||
- Projects/ - active client and personal work
|
||||
- Areas/ - ongoing domains (health, finance, ML research)
|
||||
@@ -63,7 +63,7 @@ Markdown with [[wikilinks]], callouts, and YAML frontmatter.
|
||||
- _templates/ - Obsidian templates (NEVER modify)
|
||||
- _ai-drafts/ - staging area for AI-generated content
|
||||
## Conventions
|
||||
- Internal links: always [[wikilinks]], never bare URLs
|
||||
- Internal links: always [[knowledgelinks]], never bare URLs
|
||||
- Tags: hierarchical #domain/topic format
|
||||
- MOCs: prefixed "MOC - " (Maps of Content)
|
||||
- Daily notes: Journal/YYYY/YYYY-MM/YYYY-MM-DD.md
|
||||
@@ -94,7 +94,7 @@ Trzy nieoczywiste praktyki, których się nauczyłem, są ważniejsze niż sam s
|
||||
|
||||
Oto, co zaskoczyło mnie po latach łączenia notatek: mój skarbiec to nie tylko folder plików Markdown. To baza danych grafów.
|
||||
|
||||
Każdy skarbiec Obsydian zawiera graf niejawny. Notatki to węzły. Wikilinki tworzą krawędzie — gdy piszesz w notatkach Raft, tworzysz przejście między pojęciami i pojęciami. Poszczególne wikilinki są kierowane (uwaga A linkuje do notatki B), ale funkcja backlinków Obsidian tworzy dwukierunkową warstwę nawigacyjną, dzięki czemu można przechodzić przez połączenia w dowolnym kierunku. Tagi działają jak etykiety, grupując węzły w podgrafy. Właściwości frontmatter stają się atrybutami węzłów, które narzędzia śledzące grafy mogą zapytywać i filtrować.`[[Distributed Consensus]]`
|
||||
Każdy skarbiec Obsydian zawiera graf niejawny. Notatki to węzły. Knowledge Baselinki tworzą krawędzie — gdy piszesz w notatkach Raft, tworzysz przejście między pojęciami i pojęciami. Poszczególne knowledgelinki są kierowane (uwaga A linkuje do notatki B), ale funkcja backlinków Obsidian tworzy dwukierunkową warstwę nawigacyjną, dzięki czemu można przechodzić przez połączenia w dowolnym kierunku. Tagi działają jak etykiety, grupując węzły w podgrafy. Właściwości frontmatter stają się atrybutami węzłów, które narzędzia śledzące grafy mogą zapytywać i filtrować.`[[Distributed Consensus]]`
|
||||
|
||||
Widok grafu Obsidian pokazuje tę strukturę. Jest piękny. Ale jest bierny — nie potrafi rozumować nad wykresem, nie potrafi powiedzieć, które notatki są hubami, nie potrafi zidentyfikować klastrów, które powinny być połączone, a nie są.
|
||||
|
||||
@@ -132,7 +132,7 @@ Przetestowałem każdą główną ścieżkę integracji. Oto co bym polecił, up
|
||||
|
||||
## Poziom 1: Bezpośredni system plików (Zacznij tutaj)
|
||||
|
||||
Po prostu uciekaj z rootu vaultu. Dodaj CLAUDE.md. Zainstaluj oficjalne [kepano/obsidian-skills](https://github.com/kepano/obsidian-skills) — pięć plików umiejętności od CEO Obsidian, Steph Ango, które uczą Claude Code pełnego formatu Obsidian: wikilinki, callouty, Bases, Canvas i CLI. Bez nich Claude traktuje go jak zepsuty Markdown i jak cytat.`claude` `[[wikilinks]]` `> [!warning]`
|
||||
Po prostu uciekaj z rootu vaultu. Dodaj CLAUDE.md. Zainstaluj oficjalne [kepano/obsidian-skills](https://github.com/kepano/obsidian-skills) — pięć plików umiejętności od CEO Obsidian, Steph Ango, które uczą Claude Code pełnego formatu Obsidian: knowledgelinki, callouty, Bases, Canvas i CLI. Bez nich Claude traktuje go jak zepsuty Markdown i jak cytat.`claude` `[[knowledgelinks]]` `> [!warning]`
|
||||
|
||||
```hs
|
||||
npx skills add git@github.com:kepano/obsidian-skills.git
|
||||
@@ -178,7 +178,7 @@ Nie każdy workflow AI się utrzymuje. To właśnie te używam nadal co tydzień
|
||||
## Automatyczne backlinkowanie (Lek Gateway)
|
||||
|
||||
```hs
|
||||
Read my journal entry for today and add [[wikilinks]] to all
|
||||
Read my journal entry for today and add [[knowledgelinks]] to all
|
||||
people, places, and books mentioned. Search the vault for
|
||||
existing notes on each entity. If no note exists, create a
|
||||
stub in Resources/People/ or Resources/Places/ with basic
|
||||
@@ -197,7 +197,7 @@ Areas/organizational-design/. Identify concepts that appear
|
||||
in both domains or that share structural similarities.
|
||||
Write a synthesis note at _ai-drafts/cross-domain-synthesis.md
|
||||
mapping the parallels. Use ONLY content from my notes —
|
||||
do not add external claims. Include [[wikilinks]] to all
|
||||
do not add external claims. Include [[knowledgelinks]] to all
|
||||
source notes.
|
||||
```
|
||||
|
||||
@@ -207,7 +207,7 @@ Claude dostrzegł powiązania, których wcześniej nie poruszyłem: moje notatki
|
||||
|
||||
```hs
|
||||
Find all orphan notes (no incoming or outgoing links),
|
||||
notes missing YAML frontmatter, and broken wikilinks.
|
||||
notes missing YAML frontmatter, and broken knowledgelinks.
|
||||
Output a report at _ai-drafts/vault-health-report.md.
|
||||
```
|
||||
|
||||
@@ -238,7 +238,7 @@ Próbowałem alternatyw. Oto dlaczego ciągle wracam:
|
||||
|
||||
**Pliki lokalne, nie lock-in w chmurze.** Mój sejf to folder plików Markdown w moim systemie plików. Jestem ich właścicielem. Jutro mogę je zrobić kopię zapasową albo zmienić narzędzie. Notion AI jest potężne, ale Twoje dane znajdują się na serwerach Notion w zastrzeżonym formacie. Kiedy daję Claude Code dostęp do mojego sejfu, odczytuje on te same pliki, które edytuję w Obsidian — bez warstwy synchronizacji, bez tłumaczenia API, bez danych opuszczających mój komputer.`grep` `git`
|
||||
|
||||
**Agentic, nie autocomplete.** Większość integracji AI w narzędziach PKM to automatyczne uzupełnianie na sterydach — sugerują to, że piszesz na klawiaturze. Claude Code jest agentem. Może przeczytać 40 notatek, określić, które są istotne, tworzyć nowe pliki, dodawać wikilinki i raportować o swoich działaniach. Różnica między "pisaniem wspomaganym AI" a "zarządzaniem wiedzą wspomaganym przez AI" jest różnicą między lepszą klawiaturą a asystentem badawczym.
|
||||
**Agentic, nie autocomplete.** Większość integracji AI w narzędziach PKM to automatyczne uzupełnianie na sterydach — sugerują to, że piszesz na klawiaturze. Claude Code jest agentem. Może przeczytać 40 notatek, określić, które są istotne, tworzyć nowe pliki, dodawać knowledgelinki i raportować o swoich działaniach. Różnica między "pisaniem wspomaganym AI" a "zarządzaniem wiedzą wspomaganym przez AI" jest różnicą między lepszą klawiaturą a asystentem badawczym.
|
||||
|
||||
**Kompozycyjne, nie monolityczne.** Mogę zmienić serwery MCP i zmienić CLAUDE.md, dodać umiejętności, przesyłać sygnały przez skrypty shell lub użyć zupełnie innego modelu AI jutro. Architektura składa się z warstw tekstu zwykłego i otwartych protokołów. Nic nie jest zablokowane.
|
||||
|
||||
@@ -291,4 +291,4 @@ Stawiam na to pierwsze. Pięć lat budowania mojego skarbca uczyniło go wartoś
|
||||
|
||||
Wykres zawsze tam był. Teraz coś może ją przemierzyć.
|
||||
|
||||
*Narzędzia open-source z referencją:* [*kepano/obsidian-skills*](https://github.com/kepano/obsidian-skills) *(oficjalne umiejętności agenta),* [*MCPVault*](https://github.com/bitbonsai/mcpvault) *(serwer MCP bez zależności),* [*TurboVault*](https://github.com/Epistates/turbovault) *(analiza grafów Rust*), [*obsidian-claude-code-mcp*](https://github.com/iansinnott/obsidian-claude-code-mcp) *(integracja z WebSocket*), [*obsidian-mcp-tools*](https://github.com/jacksteamdev/obsidian-mcp-tools) *(wyszukiwanie semantyczne),* [*Claudian*](https://github.com/YishenTu/claudian) *(wtyczka boczna). Liczba gwiazd i cechy są aktualne na kwiecień 2026 roku.*
|
||||
*Narzędzia open-source z referencją:* [*kepano/obsidian-skills*](https://github.com/kepano/obsidian-skills) *(oficjalne umiejętności agenta),* [*MCPVault*](https://github.com/bitbonsai/mcpvault) *(serwer MCP bez zależności),* [*TurboVault*](https://github.com/Epistates/turbovault) *(analiza grafów Rust*), [*obsidian-claude-code-mcp*](https://github.com/iansinnott/obsidian-claude-code-mcp) *(integracja z WebSocket*), [*obsidian-mcp-tools*](https://github.com/jacksteamdev/obsidian-mcp-tools) *(wyszukiwanie semantyczne),* [*Claudian*](https://github.com/YishenTu/claudian) *(wtyczka boczna). Liczba gwiazd i cechy są aktualne na kwiecień 2026 roku.*
|
||||
|
||||
@@ -45,7 +45,7 @@ HR może przeczytać setki źródeł na sesję, szukając najlepszych źródeł
|
||||
|
||||
W przeciwieństwie do niektórych innych agentów głębokich badań, HyperResearch potrafi faktycznie tworzyć plany ataku celujące w królicze nory łączące. Może faktycznie odwiedzać strony kolejno, znajdując osadzone linki prowadzące do cenniejszych informacji.
|
||||
|
||||
Przykładem jest wykorzystanie Wikipedii jako narzędzia agregacji źródeł do wyszukiwania wysokiej jakości źródeł pierwotnych.
|
||||
Przykładem jest wykorzystanie Knowledge Basepedii jako narzędzia agregacji źródeł do wyszukiwania wysokiej jakości źródeł pierwotnych.
|
||||
|
||||
### Lepsze dane
|
||||
|
||||
@@ -133,4 +133,4 @@ To podsumowuje cały proces działania. Opracowałem ten HR po wielu tygodniach
|
||||
|
||||
**Dzięki za przeczytanie!**
|
||||
|
||||
\-Jordan
|
||||
\-Jordan
|
||||
|
||||
Reference in New Issue
Block a user