相关阅读
karpathy知识库革命:LLM知识操纵|Karpathy 200行纯Python实现GPT2直观理解大语言模型核心原理|Karpathy提出多LLM协作委员会项目解析|AI又一突破:karpathy推出C语言版本的LLM|由Karpathy对Transformer架构的讨论引发的思考|Andrej Karpathy:LLM辅助编程的“分层哲学”与后稀缺时代的开发革命
Agentic Software Engineering(致AI开发者)|Anthropic Multi-Agent Research System构建方法与经验|Anthropic 高效的AI agents上下文工程设计理念和实践经验|Anthropic通过MCP实现高效的Agent|Anthropic Agentic coding最佳实践|Anthropic:高效构建Agents设计理念|Claude Agent Skills:从第一性原理深入剖析
AI商业突破:将AI作为操作系统而非工具包使用
Hermes Agent让智能体落地的极简实践
Agent Harness才是真正的产品
-
Meta-Harness:模型Harness的端到端优化 OpenAI's Harness Engineering
介绍一个Agent项目:InMemory
karpathy知识库革命:LLM知识操纵
LlmRuntimeFit:LLM运行时环境检查工具
2026AI开发实战指南:架构师级生产力跃迁
LLM 推理:Prompt Cache|LLM推理:KV Cache|LLM推理过程采样策略(全面分析)|LLM推理过程分析
LLM Wiki:Karpathy 提出的 LLM 原生知识汇编架构解析
项目地址:https://github.com/axjing/knowbAI.git
LLM Wiki是Andrej Karpathy提出的一套面向大语言模型的原生知识汇编与管理框架,通过人机协同的分层架构,构建了可追溯、可演进、高可用的LLM驱动知识库,为解决LLM知识时效性、一致性与可维护性痛点提供了标准化范式。
架构层定义三大核心组件:
-
• 不可变的 Raw Sources作为只读权威知识源头,保障输入可信; -
• The Wiki是由LLM自主维护的Markdown格式知识库,作为结构化知识的核心载体; -
• Schema(CLAUDE.md/AGENTS.md)通过规则定义Wiki的结构规范与LLM行为边界,为自动化操作提供引导。
操作层封装三大核心流程:
-
• Ingest流程从原始源读取内容,生成结构化摘要、建立检索索引并完成跨文档链接,实现外部知识自动化入库; -
• Query流程基于用户问题检索索引、合成精准答案,并可将关键信息回写至Wiki,驱动知识库持续迭代; -
• Lint流程通过一致性检查、问题识别与补丁修复,维护Wiki的内容健康度与可靠性。

