在 2026 年初，AI 界大神 Andrej Karpathy 提出了一種全新的知識管理理念——LLM Wiki（又稱持久 Wiki）。這不僅是一個技術方案，更是一場關於人類如何與 AI 協同思考的底層邏輯變革。
一、 核心痛點：為什麼傳統 AI 記不住你？
目前的 LLM 互動大多基於「對話（Session）」。雖然 RAG（檢索增強生成）能提供外部資料，但它往往是片斷化、被動式的。當你關掉對話框，AI 對你專業領域的深度理解也就隨之消失。Karpathy 認為，我們需要一個「持久化」的第二大腦，它不應該只是一個數據庫，而應該是一個由 AI 自動編譯、人類隨時審查的維基百科。
二、 核心設計：知識即代碼（Knowledge as Code）
Karpathy 將知識管理類比為軟件工程，這套系統的核心組件包括：
- 真理之源（Source of Truth）：所有的知識都以 Markdown 格式存儲在本地文件夾中。這意味著你的數據是私有的、跨平台的，且人類可讀。
- 提取與合併（Extract & Merge）：當你丟入一篇新論文、一個靈感或一段對話記錄（
/raw文件），系統會啟動 LLM 進行「編譯」： - 分析：識別實體（Entity）與核心觀點。
- 對比：檢查該知識是否已存在於現有 Wiki。
- 寫入：將新細節整合進舊頁面，或自動創建新條目。
- 自動導航（Auto-Indexing）：AI 會自動在文件間建立雙向連結（Backlinks），生成索引頁面，構建出一張密集的知識圖譜。
三、 為什麼這套方案「封神」了？
- 消滅重複：它解決了 RAG 系統中常見的「信息冗餘」問題，AI 會主動去重並歸併信息。
- 白盒透明：不同於向量數據庫（Vector DB）的黑盒屬性，Wiki 文件你可以隨時手動修改。
- 長效記憶：這讓 LLM 真正具備了隨時間增長的「專業深度」，它會越用越懂你的學科體系。
四、 如何開始構建？
Karpathy 推薦的實作路徑非常簡約：
- 工具層：使用 Obsidian 或 VS Code進行文件管理。
- 邏輯層：編寫一套核心提示詞（Prompt），告訴 LLM：「你是我的 Wiki 編譯器，請讀取這段文本，並更新我的
/wiki文件夾。」 - 開源衍生：目前社區已有如 Graphify這樣的工具，將這套流程自動化，大幅降低了手動操作的 Token 成本。
結語：
Karpathy 的持久 Wiki 讓我們從「調教 AI」轉向了「建設系統」。這不再只是關於問答，而是關於如何與 AI 共同編織一套屬於你個人的、永不磨滅的數字文明。
