Astro-Han/karpathy-llm-wiki

해결하는 문제

기존 RAG(Retrieval-Augmented Generation)의 한계를 해결합니다. RAG에서는 질문이 제기될 때마다 LLM이 원본 문서 조각을 다시 검색하고 다시 통합해야 합니다. 이 프로젝트는 일시적인 검색에 의존하지 않고, 시간이 지남에 따라 축적되고 개선되는 내구성 있는 구조화된 위키를 유지하는 시스템을 구현합니다.

작동 방식

이 프로젝트는 "에이전트 기술"로 구현되어, 코드 에이전트(Claude Code, Cursor 등)가 다음 세 가지 주요 작업을 통해 지식 기반을 관리할 수 있도록 합니다.

• 인제스트: 소스(URL, 파일, 또는 텍스트)를 받아 raw/ 디렉터리에 저장하고, wiki/ 디렉터리에 합성된 마크다운 페이지를 생성하거나 업데이트합니다.
• 쿼리: 기존 위키 페이지를 검색하여 마크다운 파일에 직접 인용된 근거 있는 답변을 제공합니다.
• 린트: 위키 내에서 손상된 링크, 누락된 인덱스 항목, 오래된 상호 참조를 스캔하여 건강성과 일관성을 보장합니다.

대상 사용자

AI 코드 에이전트 및 LLM 도구 사용자 중, AI가 다양한 소스의 정보를 큐레이션, 요약, 상호 링크하는 복리형 지식 기반을 구축하고자 하는 사용자를 대상으로 합니다.

주요 특징

• 내구성 있는 지식: 합성을 쿼리 시점(RAG)에서 인제스트 시점(위키)으로 전환합니다.
• 에이전트 유지 관리: 새로운 자료가 도착할 때마다 LLM이 요약 및 상호 참조를 자동으로 업데이트합니다.
• 도구 독립성: Agent Skills 표준과 호환되어 Claude Code, Cursor, Codex CLI 등 다양한 도구에서 작동합니다.
• 간단한 아키텍처: 복잡한 벡터 데이터베이스 대신, 소규모에서 중규모 지식 기반에 적합한 기본 파일 시스템 구조(raw/는 불변 소스, wiki/는 큐레이된 페이지)를 사용합니다.