Paweł Domański
155 lines
13 KiB
Markdown
155 lines
13 KiB
Markdown
---
|
|
title: "Karpathy's LLM Wiki v2: What to Keep, What to Skip"
|
|
source: "https://theaioperator.io/p/karpathys-llm-wiki-v2-what-to-keep"
|
|
author:
|
|
- "[[Eugeniu Ghelbur]]"
|
|
published: 2026-06-09
|
|
created: 2026-06-10
|
|
description: "I rebuilt it, ran it daily for months, and most of the v2 hype is overkill."
|
|
tags:
|
|
- "clippings"
|
|
---
|
|
### Odbudowałem ją, uruchamiałem codziennie przez miesiące, a większość hype'u wokół v2 to przesada.
|
|
|
|
|
|
|
|
**Internet spędził dwa miesiące projektując "v2" LLM Wiki Andreja Karpathy'ego: oceny pewności, łańcuchy supersesji, zapominanie krzywych, wyszukiwanie wektorowe, haki cyklu życia.**
|
|
**Odbudowałem oryginał i od miesięcy uruchamiam go codziennie przez [repozytorium, które już 2 317 osób obsadziło.](https://github.com/eugeniughelbur/obsidian-second-brain)**
|
|
**Oto szczery raport o tym, które pomysły v2 zasługują na swoje miejsce, a które są przesadzone i wyrwiecie je w tydzień.**
|
|
|
|
Andrej Karpathy opublikował w zeszłym roku ogólny opis, jak prowadzi wiki utrzymywane przez LLM: surowe źródła pozostają nietknięte, AI posiada folder z notatkami markdown, a plik reguł mówi jej, jak pobierać, aktualizować i zapytywać. Odbudowałem **[ten wzór jako działający system](https://theaioperator.io/p/i-rebuilt-karpathys-llm-wiki-heres)** i napisałem o tym, co oryginał pominął.
|
|
|
|
Od tego czasu pojawił się niewielki gatunek. Ludzie publikują "LLM Wiki v2" gist. Najbardziej współdzielony (przez programistę o pseudonimie rohitg00) dodaje ocenę pewności, łańcuchy supersesji, zapominanie krzywych, hybrydowe wyszukiwanie wektorowe oraz haki zdarzeń. Inne wersje mają ścieżki audytowe, pamięć wielopoziomową i oceny jakości.
|
|
|
|
Wygląda to jak prawdziwa aktualizacja. Większość z nich nie jest.
|
|
|
|
Nie teoretyzuję. Codziennie od miesięcy prowadzę odbudowaną wiki i udostępniłem ją jako **[obsydian-second-brain](https://github.com/eugeniughelbur/obsidian-second-brain)**. Oto różnica między pomysłami v2, które przetrwały codzienne użycie, a tymi, które w ogóle wyglądają na mądre, a w praktyce umierają.
|
|
|
|
## Najpierw to, co wszyscy dobrze rozumieją
|
|
|
|
Jeśli trafiłeś tu na zimno, wzór to trzy warstwy i naprawdę działa.
|
|
|
|
Po pierwsze: surowe źródła, niezmienne. Cokolwiek mu włożysz (artykuł, transkrypcję, spotkanie), trafia do folderu i nigdy nie jest edytowane. To jest twoja prawda.
|
|
|
|
Po drugie: wiki. Folder z notatkami markdown, które AI posiada i przepisuje. Nowe informacje nie są dodawane na dole. Jest on wklejany do istniejącej nuty, a sprzeczności są godzone.
|
|
|
|
Po trzecie: plik zasad. Jeden plik Markdown, który informuje AI, jak pobrać źródło, jak zaktualizować stronę, jak zapisać to, co zrobiła. An do nawigacji i tylko do dołączania do historii.`index.md` `log.md`
|
|
|
|
Powód, dla którego to lepsze niż wrzucenie wszystkiego do ogromnego okna kontekstu: wyselekcjonowana wiki z 50 000 do 100 000 tokenów odpowiada na większość pytań bez ładowania całego korpusu. Wydajesz żetony na odpowiedź, nie na stóg siana. Ta część jest prawdziwa i v2 tego nie zmienia.
|
|
|
|
|
|
|
|
## Co "v2" właściwie oznacza teraz
|
|
|
|
Nie ma oficjalnej wersji 2. Smysł Karpathy'ego pozostaje jedyną kanoniczną specyfikacją. "v2" to wspólnotowa etykieta dla stosu proponowanych dodatków, które skupiają się w dwóch kategoriach.
|
|
|
|
Cechy ładu: wskaźniki zaufania do roszczeń, łańcuchy supersesji, więc stary fakt wskazuje na nowy, który go zastąpił, oraz "zapominanie krzywych", więc starze notatki się rozpadają zamiast gnić na miejscu.
|
|
|
|
Wyszukiwanie i infrastruktura: wyszukiwanie hybrydowe (słowa kluczowe plus osadzenia wektorowe), haki cyklu życia i zdarzeń, ocena jakości, pamięć wielopoziomowa.
|
|
|
|
Pierwszy kubeł dotyczy tego, czy wiki mówi prawdę. Druga dotyczy maszyn. Po miesiącach prowadzenia tego projektu, podział między nimi to dokładnie ten podział między tym, co działa, a tym, co jest przesadą.
|
|
|
|
|
|
|
|
## Pomysły na v2 wysłałem i zachowałem
|
|
|
|
Kubełek zarządzania zasługuje na swoje miejsce. Każdy z tych elementów jest w systemie, który prowadzę.
|
|
|
|
**Wskaźniki pewności.** Każde twierdzenie, które pisze moja wiki, nosi tag:,, lub. Kosztuje prawie nic (jedno słowo na fakt) i zmienia sposób czytania. Gdy AI syntetyzuje między notatkami, twierdzenie traktowane jest jako cytat, a nie prawda. To jest najdroższy pomysł v2 o najwyższej wartości i nie wymaga żadnej infrastruktury.`stated` `high` `low` `stated`
|
|
|
|
**Supersession, zrobione jako pojednanie.** Gdy nowe źródło przeczy istniejącej notatce, wiki nie zachowuje obu i wzrusza ramionami. Polecenie je uzgadnia: notatka jest przepisywana na aktualną prawdę, a zmiana jest rejestrowana. Nie potrzebujesz formalnej struktury danych "łańcucha supersesji". Potrzebujesz, żeby AI faktycznie rozwiązało konflikt, zamiast go gromadzić.
|
|
|
|
**Zapominająca krzywa, ale nudna.** Wersja wymyślna obejmuje ścieżki spadku i znaczniki czasu. Moja jest prostsza: lekcje są powtarzane, a te, które przestały być prawdziwe, są przycinane. **[Notatki, które się gromadzą, stają się cmentarzem](https://theaioperator.io/p/your-notes-are-a-graveyard)**. Celem krzywej zapominania nie jest matematyka. Chodzi o to, że coś się usuwa.
|
|
|
|
**Haczyki cyklu życia, jako agenci zaplanowani.** Ten jest prawdziwy i prowadzę go. Agenci tła budzą się według harmonogramu i utrzymują wiki, gdy ja nie patrzę: pojednają sprzeczności, syntetyzują wzorce, oznaczają przestarzałe twierdzenia. Nie potrzebujesz abstrakcji z magistrali zdarzeń. Potrzebujesz crona i pliku reguł.
|
|
|
|
|
|
|
|
## Pomysł z v2 pominąłem i dlaczego
|
|
|
|
Hybrydowe wyszukiwanie wektorowe to główna cecha niemal każdego gist-a v2. Próbowałem. Wyjąłem ją.
|
|
|
|
Oto coś, czego nikt piszący te analizy nie zmierzył: na poziomie wiki nie ma problemu z odzyskiwaniem informacji. Selekcjonowana wiki to od 50 000 do 100 000 tokenów. To mała sprawa. Grep plus read znajduje właściwą notatkę szybciej i bardziej przewidywalnie niż wyszukiwanie embedding, bez bazy wektorowej do hostowania, bez indeksu do utrzymania świeżości i bez debugowania "dlaczego zwrócił ten fragment".
|
|
|
|
Wyszukiwanie wektorowe zarabia na setkach tysięcy dokumentów. Osobista czy zespołowa wiki to nie jest to. Przykręcanie osadzeń na sejf o 200 banknotach to rozwiązanie problemu, którego nie masz, i płacenie za bazę danych, żeby to zrobić.
|
|
|
|
To samo dotyczy wielopoziomowej pamięci i rozbudowanych silników punktacji jakości. Są odpowiedziami na problemy ze skalą. Na poziomie, w którym wiki LLM jest faktycznie użyteczne, są one ważne.
|
|
|
|
|
|
|
|
## Czego naprawdę wciąż brakuje
|
|
|
|
Szczerość działa w obie strony, więc oto luka, którą w2 gists też pomija.
|
|
|
|
Żaden z nich nie ma prawdziwej ochrony przed tym, by AI kłamało na temat tego, co jest w wiki. Przekonałem się tego na własnej skórze: gdy czytałem widełki mojego repozytorium, obca osoba dodała dokładnie to, czego mi brakowało. Najczęstszą porażką nie jest to, że AI wymyśla fakt. To AI mówi "nie ma notatki o tym", gdy jest, bo odpowiedziała z pamięci, zamiast faktycznie szukać.
|
|
|
|
To jest prawdziwa granica v2. Nie bardziej wyszukane wyszukiwanie. Reguła, która zmusza model do weryfikacji obecności i nieobecności poprzez wymienianie i greppowanie, nigdy z pamięci, zanim powie ci, że coś nie istnieje. Teraz łączę tę opaskę. Żaden wopis v2, który nie widziałem, by to uwzględniał.
|
|
|
|
|
|
|
|
## Właściwa lekcja
|
|
|
|
Dyskurs v2 ma kierunek odwrotny. Traktuje tę aktualizację jak maszynę, którą dodajesz: magazyn wektorowy, silnik punktacji, hierarchię pamięci.
|
|
|
|
Wersja, która działa, jest odwrotna. To najmniejszy zestaw zasad, które sprawiają, że AI zachowuje własną prawdę. Pewność w każdym roszczeniu. Sprzeczności rozwiązane, nie gromadzone. Usunięto starze notatki. Agent, który wykonuje konserwację według harmonogramu. Wszystko to znajduje się w pliku reguł i żadne z tego nie wymaga bazy danych.
|
|
|
|
Pierwotna intuicja Karpathy'ego była taka, że wiki powinno być zwykłym markdownem, który należy do AI. Prawdziwa wersja 2 to szanuje. Nie zalewa go w infrastrukturze.
|
|
|
|
Cały system jest open source w **[obsidian-second-brain](https://github.com/eugeniughelbur/obsidian-second-brain)**. **[Najpierw zbudowałem go dla siebie](https://theaioperator.io/p/i-built-this-for-myself-then-1374)** i warto przeczytać plik zasad. To tam faktycznie mieszka wersja 2.
|
|
|
|
---
|
|
|
|
## Najczęściej zadawane pytania
|
|
|
|
**Czym jest Wiki LLM Karpathy'ego?**
|
|
Wzorzec, który Andrej Karpathy podzielił, pozwalając AI utrzymywać niewielką bazę wiedzy o cenzurach. Trzy warstwy: surowe źródła pozostają niezmienne, wiki z notatkami, które AI posiada i przepisuje, oraz plik reguł, który informuje ją, jak pobierać, aktualizować i zapytywać.
|
|
|
|
**Czym jest "LLM Wiki v2"?**
|
|
Wytwórnia społecznościowa, a nie oficjalne wydanie. Główny wątek Karpathy'ego jest nadal jedyną kanoniczną specyfikacją. "v2" odnosi się do dodawań, które ludzie proponują we własnych gistach: wskaźniki pewności, łańcuchy supersesji, zapominanie krzywych, hybrydowe wyszukiwanie wektorowe oraz haki cyklu życia.
|
|
|
|
**Czy potrzebujesz wyszukiwania wektorowego do wiki LLM?**
|
|
Nie, nie na poziomie wiki. Kuratorowana wiki to 50 000 do 100 000 tokenów, a grep plus read znajduje właściwą notę szybciej i bardziej przewidywalnie niż osadzenia, bez bazy danych do hostowania. Wyszukiwanie wektorowe zdobywa swoje miejsce wśród setek tysięcy dokumentów.
|
|
|
|
**Które pomysły na v2 faktycznie warto dodać?**
|
|
Te dotyczące zarządzania: tagi zaufania przy roszczeniach, uzgadnianie sprzeczności zamiast ich gromadzenia, usuwanie starych notatek oraz zaplanowany agent utrzymujący wiki. Każda z nich to kilka linii w pliku reguł, a nie nowa infrastruktura.
|
|
|
|
**Jak duży może być wiki LLM, zanim się zepsuje?**
|
|
Jest budowany dla małych, starannie wyselekcjonowanych korpusów, około 50 000 do 100 000 tokenów. Poza tym zaczynają mieć znaczenie cechy skale, które proponują gists v2. W rozmiarze, w którym wiki LLM jest najbardziej przydatna, są one ważne.
|
|
|
|
**Gdzie mogę uzyskać działającą implementację?**
|
|
Cały system jest open source jako obsidian-second-brain, umiejętność Claude Code na GitHubie.
|
|
|
|
---
|
|
|
|
## Kluczowe wnioski
|
|
|
|
- Trójwarstwowy wzór Karpathy'ego (niezmienne źródła, wiki należące do AI, plik reguł) jest solidny i v2 go nie zmienia.
|
|
- "LLM Wiki v2" to wytwórnia społecznościowa, a nie oficjalne wydanie. Istota Karpathy'ego to wciąż jedyna kanoniczna specjalizacja.
|
|
- Pomysły v2, które warto zachować, to wszystkie zarządzanie: tagi zaufania, pojednanie, przycinanie i zaplanowani agenti. Każda z nich kosztuje kilka linii w pliku zasad.
|
|
- Hybrydowe wyszukiwanie wektorowe jest przesadą na skalę wiki. Grep plus read wygrywa wśród setek tysięcy dokumentów.
|
|
- Prawdziwą luką, którą nie pokrywa gist v2, jest ochrona przed fałszywą nieobecnością: AI twierdzi, że notatka nie istnieje, gdy jednak istnieje.
|
|
- Ulepszenie to zasady, które AI narzucuje sobie sama, a nie przymontowane maszyny.
|
|
|
|
---
|
|
|
|
## Dalsza lektura
|
|
|
|
- Oryginalny smysł LLM na Wiki Andreja Karpathy'ego (2026-02)
|
|
- Smysł rohitg00 do Wiki v2 (2026-03)
|
|
- [Odbudowałem Wiki LLM Karpathy'ego. Oto, czego brakuje w oryginale.](https://theaioperator.io/p/i-rebuilt-karpathys-llm-wiki-heres)
|
|
- [Twoje notatki to cmentarz. Oto jak je przywrócić do życia.](https://theaioperator.io/p/your-notes-are-a-graveyard)
|
|
- [obsydian-second-brain na GitHub](https://github.com/eugeniughelbur/obsidian-second-brain)
|
|
|
|
---
|
|
|
|
## O autorze
|
|
|
|
Eugeniu Ghelbur jest inżynierem automatyzacji AI w Single Grain, gdzie tworzy systemy AI produkcyjne dla procesów marketingowych i sprzedaży. Dostarcza otwartoźródłowe umiejętności Claude Code i pisze o zarządzaniu wiedzą AI w theaioperator.io. Opisana tutaj umiejętność obsydianowego drugiego mózgu jest dostępna na żywo na GitHubie w [github.com/eugeniughelbur/obsidian-second-brain](https://github.com/eugeniughelbur/obsidian-second-brain), gdzie została wyróżniona przez ponad 2300 deweloperów.
|
|
|
|
---
|
|
|
|
#### Subskrybuj The AI Operator
|
|
|
|
Autor: Eugeniu Ghelbur · Uruchomiony 2 lata temu · Uruchomiony 2 lata temu
|
|
|
|
Systemy agentów AI, napisane przez kogoś, kto wysyła je w produkcji. |