Karpathy之前提的LLM Wiki，最近被人用Claude Code加Obsidian做成了能跑的版本。核心不复杂：拿本地Markdown文件当模型的长期记忆，原始资料丢raw目录，模型去重压缩后的结构化笔记放Ready目录，推理时只读高密度的那一层，再让模型定期扫一遍知识库挑出过期和矛盾的内容。
我关注的是它把AI从对话工具挪成了能读写文件的执行节点，前期搭框架的成本后面被无数次调用摊薄。
个人知识管理这块，思路比工具本身更值钱。
raw和Ready分层这设计是精髓
试过一版，维护成本还是有点高
1 个赞
mark
定期巡检那步挺关键，不然就是信息坟场
第二大脑最怕变信息坟场，raw那层不定期清就废了，维护成本别低估
这套我搭过，raw层不定期清最后就是个信息坟场，维护成本真别低估