DBAdmin/brain/raw/articles/I rebuilt Karpathy's LLM Wiki. Here's what's missing from the original..md at aebc5b82815ce9fe64aed76624b4f4bb14ed2023

dexter/DBAdmin

Fork 0

Files

T

Paweł Domański aebc5b8281 Jun 11, 2026, 10:46 AM

2026-06-11 08:46:34 +00:00

20 KiB

Raw Blame History

title, source, author, published, created, description, tags

title

source

author

published

created

description

Szukasz oryginalnego gistu LLM na Wiki Karpathy'ego? Jest tutaj. Do tego pięć rzeczy, które robi działający drugi mózg, a oryginał nie, wydane jako 34 otwartoźródłowe komendy ukośnicze (ukoś).

Codziennie korzystasz z Claude'a. Każda sesja zaczyna się od zera. Wyjaśniasz wszystko na nowo, co już wczoraj wyjaśniłeś. Rozmowa się kończy. Wszystko znika.

Szybka orientacja. Jeśli przyszedłeś tutaj szukając oryginalnego gistu LLM Wiki Karpathy'ego, oto on: oryginalny gist LLM Wiki Karpathy'ego. Dodaj to do zakładek, to nadal najczystszy punkt startowy. Poniżej znajduje się wersja, którą na nim zbudowałem – drugi mózg, który sam się przepisuje, otwartoźródłowy, żebyś mógł go sklonować: https://github.com/eugeniughelbur/obsidian-second-brain

TL; DR

Wiki LLM Karpathy'ego opisuje właściwy wzorzec, ale na poziomie intencji: integruj nowe źródła, okresowo usuwaj kłaczki, traktuj wiki jako źródło główne. To jest plan koncepcyjny, a nie konfigurowalny szczegół.
Różnica między treścią a działającym systemem tkwi w mechanice: jak integracja radzi sobie ze sprzecznościami, jak lint działa bez twojego pytania i dla kogo wiki jest faktycznie napisane.
Ta odbudowa uzupełnia specyfikację na pięciu osiach: określone mechaniki integracji, automatyczne uzgadnianie sprzeczności, nieproszona synteza, zaplanowane agenty konserwacyjne oraz notatki napisane z myślą o odzyskiwaniu przez AI, a nie przez człowieka.
Najbardziej sprzeczną z tych pięciu jest zasada AI – najpierw Vault: notatki zaprojektowane tak, by przyszły Claude mógł je przeczytać w 10 sekund, a nie tak w przyszłości – można je przeczytać ponownie w 30 minut. Ogólny tekst Karpathy'ego traktuje wiki jako służącą zarówno ludziom, jak i LLM; Ta przebudowa odwraca to.
Implementacja open-source jest dostępna jako umiejętność Claude Code z 31 komendami ukośnika i 4 zaplanowanymi agentami.

Jaki jest wzór LLM na Wiki Karpathy'ego?

LLM Wiki Karpathy'ego to wzorzec bazy wiedzy opublikowany jako publiczna informacja na początku 2026 roku. Wkładasz źródła do folderu. LLM je czyta, wyodrębnia byty i koncepcje na strony wiki oraz łączy wszystko. Na przyszłe pytania odpowiada się z wiki, a nie z nowego wyszukiwania w internecie.

Pełny schemat tkwi w sercu Karpathy'ego. Główna intuicja jest trafna i ważna: wiki to produkt, czat to tylko interfejs. Istnieją już odwołania krzyżowe. Synteza już odzwierciedla wszystko, co zostało przeczytane. Wiedza narasta jak zainteresowanie, zamiast być regenerowana od zera za każdym razem, gdy otwierasz czat.

To był właściwy punkt wyjścia. To także miejsce, gdzie większość implementacji się kończy. Na rok 2026-04 każda publiczna implementacja Karpathy-Wiki, którą przeglądałem (sześć na GitHubie, dwie na Substacku, jedna na dev.to), traktuje oryginalną koncepcję jako kompletną specyfikację. Żadne z nich nie rozwiązuje problemów, które pojawiają się, gdy twoja wiki przechodzi przez kilkaset źródeł.

Dlaczego konceptualny plan nie jest działającym drugim mózgiem

Wzór Karpathy'ego jest z założenia wyłącznie do dołączenia. Każde wejście tworzy nowe strony i dodaje odwołania; istniejące strony pozostają zamrożone. To działa dla pierwszych 50 do 100 źródeł. Poza tym trzy tryby awarii się kumulują: roszczenia stają się przestarzałe, sprzeczności narastają szybciej, niż je rozwiązujesz, a wykres krzyżowy staje się zbyt gęsty, by można było go ręcznie poruszać.

Wiki zbudowane w ten sposób to w zasadzie dziennik z linkami wewnętrznymi. Rejestruje to, co czytasz, ale nie aktualizuje tego, co wcześniej wierzyłeś. Jeśli wejdziesz film na YouTube o osobie, która zmieniła pracę, otrzymujesz nową stronę źródłową z nowym faktem oraz link zwrotny na jej istniejącej stronie. Strona tej osoby nadal opisuje ją w poprzedniej pracy. Przyszły Claude czytający stronę widzi oba, nie ma sposobu, by wiedzieć, który jest aktualny, i daje ci zawieszoną odpowiedź.

Naprawa jest konstrukcyjna. Prawdziwy drugi mózg musi przepisywać, godzić, syntetyzować, planować i przepisywać dla AI. Pięć przedłużeń. Poniżej.

Pięć rzeczy, które musi robić działający drugi mózg, a oryginał nie

1. Ingest musi przepisywać, a nie tylko dodawać

Prawdziwe przepisania wywiadu. Kiedy wgrywam film na YouTube o kimś, kto już jest w moim skarbcu, strona tej osoby jest aktualizowana. Status startupu zmienia się z "rozważam dołączenie" na "dołączył w marcu 2026". Teza, która była "spekulacją", staje się "potwierdzona". Stara wersja jest zachowana jako datowany wpis poniżej, nie usunięta, ale aktualny stan strony odzwierciedla najnowsze dowody.

To jest różnica między rozwijającą się wiki a wiki, która się uczy. Bazy wiedzy tylko do dołączania stają się niewidoczne i niewidoczne, bo nic w ich czytaniu nie mówi, że fakt pochodzi z 2024 roku. Przepisywanie zmusza każdą stronę, by na górze była najlepsza odpowiedź.

2. Sprzeczności muszą być rozwiązywane, a nie tylko oznaczane

Wzorzec Karpathy'ego wytyka sprzeczności podczas spożycia. Rozwiązujesz je ręcznie. W małej wiki to działa. W skarbcu dłuższym niż kilkaset stron sprzeczności gromadzą się szybciej, niż zdążysz je rozwiązać. Wiki staje się wewnętrznie niespójna, a przyszły Claude czerpiący z niej otrzymuje sprzeczne dane wejściowe i generuje zabezpieczone wyniki.

Rozwiązaniem jest automatyczne uzgadnianie. Dedykowany proces skanuje skarbiec, znajduje twierdzenia sprzeczne ze sobą na stronach i rozstrzyga je według aktualności źródła, autorytetu źródła oraz wyraźnych poziomów zaufania. Najbardziej aktualne, najlepiej zweryfikowane i najwyższe zaufanie wygrywa twierdzenie. Przegrany roszczenie jest archiwizowane wraz z wyjaśnieniem, dlaczego zostało zastąpione. Skarbiec pozostaje wewnętrznie spójny bez twojej pilnowania.

3. Wzory muszą być ujawnione bez pytania

Wiki Karpathy'ego odpowiada na pytania, które mu zadasz. Nie może powiedzieć ci o wzorcach, które zauważył, a ty tego nie zrobiłeś. To ogromna zmarnowana szansa. Połowa wartości bazy wiedzy to to, że LLM mówi ci: "wspomniałeś o tym pomyśle siedem razy w pięciu różnych notatkach i nigdy go nie nazwałeś. Oto o co chodzi."

Działający drugi mózg samodzielnie wykonuje syntezę. Przeszukuje skarbiec w poszukiwaniu nienazwanych, powtarzających się motywów, ukrytych sprzeczności między deklarowanymi wartościami ludzi a ich rzeczywistymi decyzjami oraz powiązań między projektami, które wydają się niepowiązane. Pisze strony syntezy bez wywołania wywołania. Skarbiec mówi ci, co zauważył w tobie.

4. Konserwacja musi być planowana, a nie na żądanie

Wzór Karpathy'ego działa tylko wtedy, gdy go zaproponujesz. Każda operacja odbywa się na żądanie. To oznacza, że konserwacja odbywa się tylko wtedy, gdy o niej pamiętasz, a więc nigdy się nie zdarza. Skarbce gniją w ciszy.

Rozwiązaniem są agenci na zaplanowanym poziomie. Nocny proces zamyka dzień, porządkuje luźne pomysły, aktualizuje dzienną notatkę. Cotygodniowy proces wykonuje pełne przejście uzgadniające i przejście syntezy. Kontrola stanu zdrowia znajduje osierocone notatki, martwe linki i strony, które stały się nieaktualne. Budzisz się w skarbcu, który już odrobił pracę domową, i nigdy sam nie uruchamiasz komendy konserwacyjnej.

5. Notatki muszą być pisane dla AI, a nie dla ludzi

To najbardziej kontrariański punkt i główny punkt tego artykułu. Każda tradycja zarządzania wiedzą osobistą (Zettelkasten, Budowanie drugiego mózgu, wieczne notatki) optymalizuje notatki do czytania przez człowieka. Wzorzec Karpathy'ego podąża za tą konwencją. Strony wiki wyglądają jak artykuły z Wikipedii, napisane płynną prozą, zaprojektowane tak, by człowiek mógł je pobieżnie czytać.

Założenie jest błędne. Nie czytasz własnych notatek. LLM tak. Powinny być więc zoptymalizowane do wyszukiwania LLM, a nie do czytania przez człowieka. To jest zasada AI z Vault First i jest to największe odblokowanie w tej odbudowie.

Zasada AI – Pierwsza Skarbca

Notatki zaprojektowane do wyszukiwania AI pokonują notatki przeznaczone do czytania przez człowieka, w każdym sejfie, gdzie LLM wykonuje większość czytania. Każda notatka spełnia siedem zasad: preambuła, maszynowo czytelna część okładkowa, obowiązkowe wikilinki, markery aktualności dla zewnętrznych twierdzeń, zachowane adresy URL dosłownie, poziomy zaufania tam, gdzie to możliwe, oraz samodzielny kontekst, dzięki któremu notatka może być dostępna samodzielnie.## For future Claude

---
type: person
name: "Andrej Karpathy"
date: 2026-04-29
tags: [ai-researcher, llm-wiki-pattern]
ai-first: true
confidence: high
---

## For future Claude
Andrej Karpathy is the originator of the LLM Wiki pattern, published as a public
gist in early 2026. He proposes that LLMs should maintain a living markdown wiki
as the primary knowledge artifact, not a vector store. Use this page as the
canonical reference when reasoning about the LLM Wiki pattern.

## Key claims
- The wiki is the product. Chat is the interface (as of 2026-02, karpathy gist).
- Knowledge should compound across sessions. Source: same.
- Cross-references should already exist when a question is asked. Source: same.

## Related
[[LLM Wiki Pattern]] · [[Obsidian Second Brain]] · [[Append vs Rewrite]]

Ta strona jest trudniejsza do przejrzenia dla człowieka niż zwykła notatka w stylu Wikipedii. LLM jest znacznie szybszy w pobieraniu, analizowaniu i rozumowaniu. Przednia część informuje LLM, jaki to rodzaj notatki w trzech linijkach. Preambuła "Na przyszłość Claude" mówi mu, czy warto czytać resztę, w kolejnych trzech zdaniach. Wskaźniki świeżości mówią mu, co ma zweryfikować. Wikilinki mówią, dokąd iść dalej.

Odwrócenie jest niewygodne dla każdego, kto zainwestował w piękny skarbiec z Obsydianu. To także jedyna rzecz, która sprawia, że sejf powyżej kilkuset nut faktycznie się kumuluje w workflow opartym na LLM. Gdy przestaniesz udawać, że przeczytasz swoje notatki ponownie, możesz je napisać w sposób, który będzie się kumulował dla systemu, który to zrobi.

Jak to się ma do oryginalnej wersji Karpathy'ego i v2 Rohitg00

Ta przebudowa jest trzecią wersją publicznego wzoru LLM Wiki. Sedno Karpathy'ego (2026-02) to v1: pobieranie tylko do dodawania, ręczne kłaczki, notatki czytelne dla człowieka. rohitg00 w LLM Wiki v2 (2026-03) dodała punktowanie pewności siebie, zastąpienie przestarzałych twierdzeń i wykrywanie sprzeczności. Ta przebudowa dodaje trzy rzeczy, których v2 nadal nie posiada: zaplanowanych agentów, automatyczną syntezę oraz strukturę nut opartą na AI.

Żadna z istniejących publicznych implementacji nie oferuje działającej integracji z kodem Claude jako umiejętność poleceń ukośnikowych. Żaden z nich nie dostarcza prawdziwej specyfikacji notatek stawiających na AI w pierwszym miejscu. Nie wysyłają agentów zaplanowanych. Repozytorium stojące za tym artykułem tak ma. Jest open-source, posiada licencję MIT i jest dostępny na GitHub: eugeniughelbur/obsidian-second-brain.

## What I got wrong

When I first shipped \`/research-deep\` and ran it against my own vault, the command wrote 
three different kinds of garbage into the synthesis note. I had assigned the wrong 
Perplexity model to the synthesis call, so the API returned a hardcoded 10,000-word 
academic report instead of following the markdown structure I asked for. 
The reasoning model I switched to wrapped its internal deliberation 
in \`<think>...</think>\` blocks, and those tags ended up saved to the vault verbatim. 
And the frontmatter meant to log which queries had run was instead saving stringified 
Python dictionaries.

Three small bugs, but together they meant the command designed to make my vault smarter 
was making it dumber on its first run. I only caught it because I happened to test on a 
real topic in my own vault and actually read the output. If I had trusted the test less 
and the implementation more, the broken version would have shipped, and every other vault 
running the skill would have inherited the same junk.

The fix took an afternoon. The lesson took longer. **The right level of automation 
is not "everything always," it is "everything reversibly."** A second brain that 
rewrites itself is only valuable if you can see exactly what it changed and roll 
back when it gets it wrong. Every scheduled agent in this rebuild now logs its changes 
to a daily diff note and waits 24 hours before any change becomes permanent. 
The first version did not. That is the difference between a tool I trust on my own vault
and one I would never let near it.

The general lesson is that the right level of automation is not “everything always,” it is “everything reversibly.” A second brain that rewrites itself is only valuable if you can see what it changed and roll back when it gets it wrong. Every scheduled agent in this rebuild logs its changes to a daily diff note and waits 24 hours before any change becomes permanent.

Frequently asked questions

What is the LLM Wiki pattern?

The LLM Wiki pattern is a knowledge-base architecture proposed by Andrej Karpathy in early 2026. You drop sources into a folder, an LLM reads them and writes wiki pages, cross-references entities, and answers future questions from the wiki rather than from fresh web searches. The wiki is a persistent artifact that compounds across sessions, instead of being regenerated each chat.

How is this different from RAG?

RAG retrieves chunks of source documents at query time and feeds them to an LLM as context. The LLM Wiki pattern flips this: an LLM reads sources once, distills them into structured wiki pages, and the wiki itself becomes the retrieval target. The result is faster, cheaper queries, plus cross-references that already exist instead of being inferred at query time. This rebuild adds write-back so the wiki stays current with new sources.

Do I need to know how to code to use this?

No. The implementation is a Claude Code skill that ships as 31 slash commands. You install it once with a shell script, then operate it with commands like and from any Claude Code session. The vault is plain markdown, so Obsidian works on top of it natively./obsidian-save /obsidian-ingest

Will this break my existing Obsidian vault?

No. The skill never deletes or modifies notes destructively without explicit confirmation. Existing notes are left untouched. New notes follow the AI-First Vault Principle. A health-check command flags pre-AI-first notes so you can update them on your own schedule. Every scheduled agent writes to a daily diff log so you can see what changed overnight and revert if needed.

Does it work without Claude?

The current implementation is built for Claude Code, but the AI-First Vault Principle and the slash-command interface are portable. The vault format is plain markdown with YAML frontmatter, so the underlying knowledge base is model-agnostic. As of 2026-04 the production-tested integration is Claude Code only.

What does it cost to run?

The 26 vault commands work without any API keys: only your Claude Code subscription is required. The 5 research commands require API keys for xAI Grok and Perplexity. Approximate per-call costs as of 2026-04: around $0.05, around $0.13, around $0.04, around $0.40 to $0.80, around $0.04./x-read /x-pulse /research /research-deep /youtube

Key takeaways

Karpathy’s LLM Wiki pattern is a brilliant foundation. The wiki is the product, chat is the interface, knowledge compounds across sessions.
Append-only ingest fails past a few hundred sources. Stale claims, unresolved contradictions, and missed patterns accumulate invisibly.
The five extensions that turn a Karpathy-style wiki into a working second brain are write-back, reconciliation, unsolicited synthesis, scheduled agents, and AI-first notes.
The AI-First Vault Principle is the most important of the five. Notes designed for AI retrieval beat notes designed for human reading in any vault where the LLM does most of the reading.
Automation has to be reversible. Every scheduled agent in this rebuild writes a diff log and waits 24 hours before any change becomes permanent.
The open-source implementation is live on GitHub and runs as a Claude Code skill with 31 slash commands. Install in two minutes.

If Karpathy’s LLM Wiki is a knowledge base you maintain with an LLM, this rebuild is a knowledge base that maintains itself.

20 KiB Raw Blame History Unescape Escape