Astro-Han/karpathy-llm-wiki

何を解決するか

従来の RAG（Retrieval-Augmented Generation）の限界に対処します。RAGでは、質問が毎回投げられるたびに、LLM が再びドキュメントの断片を検索し、再合成する必要があります。このプロジェクトは、一時的な検索に頼るのではなく、LLM が時間とともに蓄積・改善される耐久性のある構造化されたウィキを維持するシステムを実装しています。

動作方法

このプロジェクトは「エージェントスキル」として実装されており、コードエージェント（Claude Code や Cursor など）が以下の3つの主要操作を使って知識ベースを管理できるようにします。

• インジェスト: ソース（URL、ファイル、またはテキスト）を受け取り、raw/ ディレクトリに保存し、wiki/ ディレクトリに合成された Markdown ページを作成または更新します。
• クエリ: 既存のウィキページを検索して、Markdown ファイルへの直接引用付きで根拠のある回答を提供します。
• Lint: ウィキ内の破損リンク、欠落したインデックスエントリ、古くなった相互参照をスキャンして、健全性と一貫性を確保します。

対象ユーザー

AI コードエージェントや LLM ツールのユーザーで、AI が情報のキュレーション、要約、相互リンクを処理する複利型の知識ベースを構築したい方を対象としています。

特徴

• 耐久性のある知識: 合成をクエリ時（RAG）からインジェスト時（ウィキ）に移行します。
• エージェントが維持: 新しい資料が届くたびに、LLM が要約や相互参照の更新を自動で行います。
• ツール非依存: Agent Skills 標準に対応しており、Claude Code、Cursor、Codex CLI などさまざまなツールで動作します。
• シンプルなアーキテクチャ: 小規模から中規模の知識ベースには、複雑なベクトルデータベースではなく、基本的なファイルシステム構造（raw/ は不変のソース、wiki/ はキュレートされたページ）を使用します。