Astro-Han/karpathy-llm-wiki

解决的问题

解决传统 RAG（检索增强生成）的局限性，即每次提问时 LLM 都必须重新检索并重新合成原始文档片段。本项目不依赖短暂的检索，而是实现一种系统，让 LLM 维护一个随时间积累和改进的持久、结构化的知识库。

如何工作

该项目以「Agent Skill」形式实现，允许代码代理（如 Claude Code 或 Cursor）通过三种主要操作来管理知识库：

• 摄入：接收一个源（URL、文件或文本），将其存储在 raw/ 目录中，然后在 wiki/ 目录中创建或更新合成的 Markdown 页面。
• 查询：搜索现有 Wiki 页面，提供基于事实的答案，并直接引用 Markdown 文件。
• Lint：扫描 Wiki 中的损坏链接、缺失索引条目和过时的交叉引用，以确保其健康和一致性。

适用人群

专为 AI 代码代理和 LLM 工具用户设计，希望构建一个由 AI 自动处理信息的编目、摘要和交叉链接的复利型知识库。

亮点

• 持久知识：将合成从查询时（RAG）转移到摄入时（Wiki）。
• 代理维护：当新内容到达时，LLM 自动更新摘要和交叉引用。
• 工具无关：兼容 Agent Skills 标准，可在 Claude Code、Cursor 和 Codex CLI 等工具中使用。
• 简单架构：针对中小型知识库，使用基础文件系统结构（raw/ 用于不可变源，wiki/ 用于精选页面），而非复杂的向量数据库。