什么是 LLM Wiki？

LLM Wiki 的出现，主要是因为大家发现传统 RAG 有个问题。

以前我们让 AI 读资料，大多是：

你上传一堆文件；
AI 每次回答问题时，从文件里找相关片段；
然后临时拼出答案。这就是常见的 RAG 模式。

这种方式不会真正把知识沉淀成一个长期结构。尤其是当问题需要综合多篇文章、多个文件、多个时间点时，AI 每次都要重新找、重新拼。

所以 LLM Wiki 的想法就来了：

不要每次都让 AI 临时查资料，而是让 AI 把资料提前整理成一个持续更新的 Wiki。

也就是：

原始资料进去；
AI 阅读、提取重点；
生成 Markdown 页面；
页面之间互相链接；
新资料来了以后，再更新旧页面；
如果新旧资料冲突，也要标记出来。

在2026 年 4 月 4 日 Andrej Karpathy 发布的 GitHub Gist：llm-wiki.md。文档中 ，这个文件开头就把 LLM Wiki 定义为：“一种用 LLM 构建个人知识库的模式。”

它不是一个完整软件，而更像是一份“方法说明书”或者“理念草案”：你可以把这份说明复制给 Codex、Claude Code、OpenCode 等 AI Agent，让 Agent 按这个思路帮你搭建自己的知识库。

所以什么是 LLM Wiki？

你可以把它理解成：一个会自己整理资料、自己更新、自己做目录、自己找关联的 AI 笔记本。

你把文章、PDF、网页、会议记录、项目文档丢进去，AI 不只是“搜索”，而是会帮你整理成一个长期知识库。比如：

这篇资料讲了什么；
里面有哪些人物、公司、产品、概念；
它和之前的资料有什么关系；
有没有和旧资料冲突的地方；
哪些内容需要更新；
最后把它们变成一堆可以互相跳转的 Wiki 页面。

所以它更像是：

RAG 是“临时查资料”，LLM Wiki 是“长期建资料库”。

LLM Wiki 到底怎么工作？

你可以把它想象成三层结构：

第一层，是你的原始资料。

比如 PDF、网页、文章、聊天记录、会议纪要、项目文档。这些资料是“原材料”，一般不直接修改。

第二层，是 AI 生成的 Wiki。

AI 会读取原始资料，然后自动生成一批 Markdown 页面。比如：

产品页、人物页、公司页、概念页、时间线页、对比页、总结页。

这些页面之间还会互相链接。

比如一篇文章里提到“OpenAI”“Codex”“Claude Code”“RAG”，AI 就可能分别建立相关页面，并在页面之间加上引用关系。

第三层，是规则文件。

也就是告诉 AI：你应该怎么整理、怎么命名、怎么引用来源、什么时候更新旧页面、什么时候标记冲突。

这就像给 AI 安排一套工作规范，让它不要乱写，而是按固定方式维护知识库。

它有什么价值？

LLM Wiki 最大的价值，我觉得不是“回答更快”，而是：

知识会复利。

以前你和 AI 聊完，很多有价值的内容就消失在聊天记录里了。

今天问一次，明天又问一次。
今天整理一次，过几天又重新整理。
大量时间都浪费在重复劳动上。

而 LLM Wiki 的思路是：
每次新增资料、每次提问、每次分析，都可以沉淀回知识库。

你的知识库不是静态文件夹，而是一个会不断变厚、变准、变有结构的系统。

越用越好用。
越积累越省时间。
越到后面，价值越明显。

如何搭建你的LLM Wiki

搭建 LLM Wiki 有两种路线：一种是 不用写代码的简单版，适合普通用户、内容创作者；
另一种是 Agent 工程版，适合你用 Claude Code、Codex、Cursor、OpenCode 这类工具来维护一个长期知识库。

最简单搭建方案：Markdown + Obsidian + AI

这个方案最适合个人使用，尤其适合你这种经常写 AI 工具测评、资讯文章、教程内容的人。

第 1 步：建一个文件夹

在电脑上新建一个文件夹，比如：

LLM-Wiki/

里面建几个子文件夹：

LLM-Wiki/
├── sources/        # 原始资料
├── wiki/           # AI 整理后的知识库
├── inbox/          # 临时丢资料的地方
├── assets/         # 图片、截图、附件
├── README.md       # 知识库说明
└── AGENTS.md       # 给 AI Agent 的规则

如果你用 Claude Code，可以把规则文件叫：

CLAUDE.md

如果你用 Codex / OpenAI Codex CLI，可以叫：

AGENTS.md

这类规则文件的作用，就是告诉 AI：这个知识库怎么维护、页面怎么命名、引用怎么写、遇到冲突怎么处理。

---

第 2 步：准备原始资料

把你平时收集的资料放进 sources/ 或 inbox/。

比如：

sources/
├── OpenAI-GPT-5.6-release.md
├── Claude-Code-tutorial.md
├── Tavily-pricing.md
├── Seedance-2.5-news.md
├── Kimi-Work-review.md
└── meeting-notes.md

资料可以是：

网页复制内容；
公众号文章草稿；
GitHub 项目说明；
产品价格页摘要；
PDF 内容；
你自己的写作笔记；
AI 工具测评记录。

建议一开始不要丢太多。先用 5 到 10 篇资料测试，效果更容易控制。

---

第 3 步：设计 Wiki 页面结构

可以先用这套结构：

wiki/
├── index.md
├── concepts/
│   ├── RAG.md
│   ├── LLM-Wiki.md
│   └── AI-Agent.md
├── tools/
│   ├── Codex.md
│   ├── Claude-Code.md
│   ├── Tavily.md
│   └── Kimi-Work.md
├── companies/
│   ├── OpenAI.md
│   ├── Anthropic.md
│   └── ByteDance.md
├── comparisons/
│   ├── RAG-vs-LLM-Wiki.md
│   └── Codex-vs-Claude-Code.md
├── timelines/
│   └── AI-News-2026.md
└── drafts/
    └── article-ideas.md

这个结构对内容创作者很好用。

你以后写文章时，可以直接问 AI：

“帮我基于 wiki/tools/Codex.md 和 wiki/comparisons/Codex-vs-Claude-Code.md 写一篇 Codex 使用教程。”

这就比每次重新搜资料高效很多。

---

三、核心：写好 AGENTS.md / CLAUDE.md

这是 LLM Wiki 最关键的一步。

你可以把下面这段直接复制到 AGENTS.md 或 CLAUDE.md。

# LLM Wiki 维护规则

你是这个知识库的 AI 知识管理员。

## 目标

把 sources/ 和 inbox/ 中的原始资料，整理成 wiki/ 里的长期知识库页面。

这个知识库不是临时摘要，而是长期维护、可更新、可交叉引用的 Wiki。

## 目录说明

- sources/：原始资料，不要随意修改
- inbox/：新加入、还没整理的资料
- wiki/：正式知识库页面
- assets/：图片、截图、附件
- drafts/：文章草稿和选题

## 你需要做的事

当我让你“整理资料”时，请：

1. 阅读 inbox/ 或 sources/ 中的新资料
2. 提取核心概念、人物、公司、产品、时间线、价格、功能、争议点
3. 判断应该新建页面还是更新已有页面
4. 把内容写入 wiki/ 对应目录
5. 在页面之间增加双向链接
6. 如果新资料和旧资料冲突，请标记“待核实”
7. 保留来源信息，尽量注明资料来自哪里
8. 不要编造没有来源的事实

## 页面格式

每个 Wiki 页面尽量包含：

# 标题

## 一句话解释

用普通人能听懂的话解释这个概念/产品/事件。

## 核心信息

- 重点 1
- 重点 2
- 重点 3

## 适合谁

说明这个内容适合哪些用户、场景或行业。

## 相关页面

- [[相关页面1]]
- [[相关页面2]]

## 来源

- 来源名称 / 链接 / 日期

## 待核实

记录不确定、冲突、过期的信息。

## 更新记录

- YYYY-MM-DD：新增/更新了什么

这一段就是你的“AI 知识管理员说明书”。

以后你只要在 Codex、Claude Code、Cursor 里打开这个文件夹，就可以让 AI 按这套规则干活。

---

四、实际使用时怎么操作？

你可以这样跟 AI 说：

请阅读 inbox/ 里的新资料，按照 AGENTS.md 的规则，把它整理进 wiki/。
如果已有相关页面，请更新旧页面；如果没有，请新建页面。
请保留来源，并在相关页面之间加上双向链接。

如果你想整理一个工具，比如 Tavily，可以说：

请基于 sources/Tavily.md，帮我创建一个 Tavily 的 Wiki 页面。
页面放到 wiki/tools/Tavily.md。
要求包含：简介、功能、价格、使用场景、优缺点、适合人群、相关工具。

如果你想写文章，可以说：

请基于 wiki/concepts/LLM-Wiki.md 和 wiki/comparisons/RAG-vs-LLM-Wiki.md，
帮我写一篇面向普通用户的公众号文章。
要求通俗、轻松、不要太技术化。

---

五、进阶一点：用现成开源工具

现在也已经有人把 Karpathy 的 LLM Wiki 思路做成工具。

比如 GitHub 上的 nashsu/llm_wiki，它是一个跨平台桌面应用，主打把你的文档自动整理成结构化、相互链接的知识库。

它的思路更接近“开箱即用”：

你导入文档；
它帮你解析；
生成结构化页面；
建立页面关联；
持续维护知识库。

适合不想自己折腾文件夹和 Agent 规则的人。

还有一些面向 Claude Code / Obsidian 的插件，比如 ekadetov/llm-wiki，介绍里写的是基于 Karpathy LLM Wiki pattern，在 Obsidian 里构建持续增长的知识库。

不过我个人建议：先从 Markdown 文件夹方案开始。
因为它最透明、最可控，也最适合内容创作者。

---

六、推荐你的实际搭建方案

结合你经常写 AI 工具测评、科技资讯和教程，我建议你的 LLM Wiki 这样搭：

AI-Content-Wiki/
├── inbox/
│   ├── 待整理资料.md
│   └── 新工具链接.md
├── sources/
│   ├── 官方资料/
│   ├── GitHub项目/
│   ├── 价格信息/
│   ├── 媒体报道/
│   └── 用户评价/
├── wiki/
│   ├── tools/
│   │   ├── Codex.md
│   │   ├── Claude-Code.md
│   │   ├── Tavily.md
│   │   └── Kimi-Work.md
│   ├── models/
│   │   ├── GPT系列.md
│   │   ├── Claude系列.md
│   │   └── Gemini系列.md
│   ├── companies/
│   │   ├── OpenAI.md
│   │   ├── Anthropic.md
│   │   └── Google.md
│   ├── concepts/
│   │   ├── RAG.md
│   │   ├── LLM-Wiki.md
│   │   ├── Vibe-Coding.md
│   │   └── AI-Agent.md
│   ├── comparisons/
│   │   ├── AI编程工具对比.md
│   │   └── AI搜索工具对比.md
│   └── article-templates/
│       ├── 工具测评模板.md
│       ├── AI资讯解读模板.md
│       └── 教程文章模板.md
└── AGENTS.md

这样你以后写任何 AI 工具文章，都可以让 AI 从自己的 Wiki 里调资料。

---

七、内容创作者版工作流

你可以这样用：

收集资料

看到一个新工具，比如 Tavily、Codex++、Kimi Work，就把资料放进 inbox/。

资料可以很粗糙，比如：

工具名：Tavily
官网：https://www.tavily.com/
定位：面向 AI Agent 的搜索 API
我想写：工具测评文章
需要关注：简介、功能、价格、使用教程、适合场景、评价

让 AI 整理成 Wiki

请把 inbox/ 里的 Tavily 资料整理成 wiki/tools/Tavily.md。
要求按照工具测评结构整理：简介、功能、特点、使用教程、价格、适合场景、评价、相关工具。

让 AI 生成文章

请基于 wiki/tools/Tavily.md，帮我写一篇工具测评博文。
写作风格轻松务实，像跟朋友聊天一样。

更新旧内容

当价格变了、功能更新了，你只要补充新资料，然后说：

请根据 inbox/ 里的新资料，更新 wiki/tools/Tavily.md。
特别检查价格、功能、官网描述有没有变化。
如果和旧内容冲突，请在“待核实”里标注。

这就是 LLM Wiki 的核心价值：不是每次重新写，而是持续更新你的知识资产。

---

八、搭建时要注意什么？

最容易踩坑的是这几个：

第一，不要一次性丢太多资料。
先从一个主题开始，比如“AI 工具库”。

第二，必须保留来源。
否则知识库越长越不可信。

第三，不要让 AI 覆盖原始资料。
sources/ 里的资料最好只读，不随便改。

第四，页面不要太长。
一个页面最好围绕一个主题。太长就拆成多个页面。

第五，要定期清理“待核实”。
尤其是价格、发布时间、可用状态，这些很容易过期。

---

九、最小可行版本

你今天就能开始的版本：

LLM-Wiki/
├── inbox/
├── wiki/
└── AGENTS.md

然后做三件事：

1. 把你最近写过的 5 篇 AI 工具文章放进 inbox/
2. 把上面的规则复制进 AGENTS.md
3. 打开 Claude Code / Codex / Cursor，让 AI 整理成 wiki/

这就已经是一个最小版 LLM Wiki 了。

最后

LLM Wiki 不是让 AI 临时帮你找答案，而是让 AI 长期帮你整理知识。

它的核心价值不是“问一次答一次”，而是把你的资料、问题和思考持续沉淀下来，变成一个越用越聪明的个人知识库。

如果你平时资料很多、写作很多、研究很多，或者经常觉得“东西看了很多，但用的时候找不到”，那 LLM Wiki 这个方向，确实值得你关注一下。