---
title: "Andrej Karpathy’s LLM Wiki: Create your own knowledge base"
type: "summary"
tags: [karpathy, llm-wiki, knowledge-management, AI, obsidian, RAG]
created: 2026-05-14
updated: 2026-05-14
sources: ["raw/articles/Andrej Karpathy’s LLM Wiki_ Create your own knowledge base.md"]
confidence: high
---

# Andrej Karpathy’s LLM Wiki: Create your own knowledge base

Artykuł Urvila Joshiego szczegółowo analizuje koncepcję "LLM Wiki" zaproponowaną przez Andreja Karpathy'ego. Tekst wyjaśnia, dlaczego tradycyjne podejście RAG (Retrieval-Augmented Generation) jest niewystarczające do głębokiej syntezy wiedzy i jak budowa trwałej, "skompilowanej" bazy wiedzy rozwiązuje ten problem.

## Key Points
- **Kompilacja wiedzy**: Surowe źródła to "kod źródłowy", a Wiki to "plik binarny" – zoptymalizowany pod kątem szybkości i gęstości informacji.
- **Trwałość i kumulacja**: Wiki to artefakt, który staje się bogatszy z każdym nowym źródłem. LLM aktualizuje istniejące strony, zamiast tworzyć izolowane fragmenty.
- **Architektura 3-warstwowa**: Raw Sources (niezmienne), Wiki (zarządzane przez LLM), Schema (zasady postępowania).
- **RAG vs Wiki**: RAG jest lepszy dla milionów dokumentów i wyszukiwania faktów; Wiki jest lepsza dla mniejszych, wyselekcjonowanych zbiorów (~100-500 źródeł), gdzie kluczowa jest synteza i powiązania.
- **Księgowość wiedzy**: LLM przejmuje nudne zadania (linkowanie, aktualizacja indeksów, sprawdzanie spójności), co zapobiega porzucaniu bazy przez ludzi.

## Relevant Concepts
- [[concepts/knowledge-compilation]] - Koncepcja "kompilowania" źródeł do formy syntetycznej.
- [[concepts/compounding-knowledge]] - Budowanie wiedzy, która staje się gęstsza z czasem.
- [[concepts/rag-vs-wiki]] - Porównanie metodologii zarządzania wiedzą z AI.

## Source Metadata
- **Type**: Artykuł / Analiza
- **Author**: Urvil Joshi (na podstawie wpisów Andreja Karpathy'ego)
- **Date**: 2026-04-20
- **URL**: https://medium.com/@urvvil08/andrej-karpathys-llm-wiki-create-your-own-knowledge-base-8779014accd5