Andrej Karpathy’s LLM Knowledge Base: Create your own knowledge base
summary
karpathy
llm-knowledge
knowledge-management
AI
obsidian
RAG
2026-05-14
2026-05-14
raw/articles/Andrej Karpathy’s LLM Knowledge Base_ Create your own knowledge base.md
high
Andrej Karpathy’s LLM Knowledge Base: Create your own knowledge base
Artykuł Urvila Joshiego szczegółowo analizuje koncepcję "LLM Knowledge Base" 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 Knowledge Base to "plik binarny" – zoptymalizowany pod kątem szybkości i gęstości informacji.
Trwałość i kumulacja: Knowledge Base to artefakt, który staje się bogatszy z każdym nowym źródłem. LLM aktualizuje istniejące strony, zamiast tworzyć izolowane fragmenty.
Architektura 3-warstwowa: Raw Sources (niezmienne), Knowledge Base (zarządzane przez LLM), Schema (zasady postępowania).
RAG vs Knowledge Base: RAG jest lepszy dla milionów dokumentów i wyszukiwania faktów; Knowledge Base 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.
Paweł Domański