Astro-Han/karpathy-llm-wiki

解決的問題

解決傳統 RAG（檢索增強生成）的限制，即每次提問時，LLM 都必須重新搜尋並重新整合原始文件片段。本專案不依賴暫時的檢索，而是實作一種系統，讓 LLM 維護一個可累積並持續改善的持久、結構化 Wiki。

如何運作

此專案以「Agent Skill」形式實作，允許程式碼代理（如 Claude Code 或 Cursor）透過三種主要操作來管理知識庫：

• 攝入：接收來源（URL、檔案或文字），儲存至 raw/ 目錄，並在 wiki/ 目錄中建立或更新合成的 Markdown 頁面。
• 查詢：搜尋現有的 Wiki 頁面，提供有根據的答案，並直接引用 Markdown 檔案。
• Lint：掃描 Wiki 中的損壞連結、遺漏的索引項目與過時的交叉參考，以確保其健全性與一致性。

適用對象

專為 AI 程式碼代理與 LLM 工具使用者設計，希望建立一個由 AI 自動處理資訊編目、摘要與交叉連結的複利型知識庫。

亮點

• 持久知識：將合成從查詢時（RAG）轉移到攝入時（Wiki）。
• 代理維護：當新內容到達時，LLM 自動更新摘要與交叉參考。
• 工具無關：相容 Agent Skills 標準，可在 Claude Code、Cursor 和 Codex CLI 等工具中使用。
• 簡單架構：針對中小型知識庫，使用基礎檔案系統結構（raw/ 用於不可變來源，wiki/ 用於精選頁面），而非複雜的向量資料庫。