5分钟快速上手：用karpathy-llm-wiki一条命令搭建个人LLM Wiki知识库（完整教程）

5分钟快速上手用karpathy-llm-wiki一条命令搭建个人LLM Wiki知识库完整教程【免费下载链接】karpathy-llm-wikiAgent Skills-compatible LLM wiki for Claude Code, Cursor, and Codex. Build a Karpathy-style knowledge base from raw sources, citations, and linting.项目地址: https://gitcode.com/gh_mirrors/ka/karpathy-llm-wikikarpathy-llm-wiki是一个兼容 Agent Skills 标准的开源技能包把 Karpathy 提出的 LLM Wiki 思路打包成可直接安装的技能在 Claude Code、Cursor、Codex 等 AI 编程助手中一条命令装好就能自动搭建并维护个人 LLM Wiki 知识库——喂入资料、带引用地回答问题、还能给知识库做体检。为什么需要 LLM Wiki传统 RAG 每次提问都要重新检索原始文档而LLM Wiki的思路是让大模型把新资料编译成结构化的 Markdown 知识页知识随时间持续积累、交叉引用不断完善。核心理念来自 KarpathyLLM 负责写 Wiki 和维护 Wiki人类只负责挑选资料和提出好问题。图Karpathy 分享 LLM Wiki 想法的原始推文——正是 karpathy-llm-wiki 项目的灵感来源LLM Wiki vs RAG一张表看懂区别对比维度RAGLLM Wiki知识存放位置原始文本块 向量精心编译的 Markdown 页面综合时机每次查询时摄入和维护时适合场景大规模语料检索知识复利、摘要、持久交叉引用一条命令安装5 分钟搭好 第一步克隆仓库git clone https://gitcode.com/gh_mirrors/ka/karpathy-llm-wiki第二步安装到你的 AI 工具npx add-skill Astro-Han/karpathy-llm-wiki支持的工具一览详见 README.md工具安装方式Claude Code / Cursor / OpenCodenpx add-skill Astro-Han/karpathy-llm-wikiCodex CLI复制整个目录到.agents/skills/karpathy-llm-wiki/其他工具把SKILL.md、references/ 和 scripts/ 复制到工具的技能目录第三步喂入第一篇资料自动初始化在对话框里直接说Ingest this article: https://example.com/attention-is-all-you-need首次 Ingest 时工具会自动创建缺失的目录骨架已有文件绝不覆盖raw/、wiki/、wiki/index.md全局索引和wiki/log.md操作日志。你什么都不用手动建。三大核心操作Ingest、Query、Lint ✨完整规范见 SKILL.md三个操作各一句话讲清Ingest摄入把资料存入raw/自动分类为新增 / 更新 / 冲突 / 无新信息再编译进wiki/——没有新信息时只记录日志不硬造文章Query查询问一句 What do I know about attention mechanisms?答案优先来自你的 Wiki并附上指向具体 Markdown 页面的引用链接Lint体检说一句 Lint my wiki自动修复索引缺失、断链等问题并报告矛盾、过时声明等需要人工判断的问题 小知识每次 Ingest 都可以在 wiki/log.md 中查到完整记录Disposition、Raw 文件路径、级联更新的文章知识库全程可追溯。项目目录结构知识如何分层 your-project/ ├── raw/ ← 不可变的原始资料只读不改 │ └── topic/ │ └── 2026-04-03-source-article.md ├── wiki/ ← LLM 编译维护的知识页 │ ├── topic/ │ │ └── concept-name.md │ ├── index.md ← 全局目录 │ └── log.md ← 只增不改的操作日志三层架构的分工raw/存放原始资料永不修改保证事实可回溯、wiki/存放 LLM 全权维护的知识页、SKILL.md 作为模式层定义全部结构与规则。防幻觉机制Wiki 中每个关键数字、日期、引语都必须先在raw/原文中定位到才能写入scripts/check_evidence.py 会对全库自动复查几秒扫完整个 Wiki——这就是为什么它的知识越用越可靠。效果如何看真实样例 该工作流已在真实知识库中每日维护94 篇 Wiki 文章、13 个主题目录、99 份源材料。打开 examples/ 目录就能看到真实文件对比examples/2026-03-19-claude-code-statusline-landscape.md编译前的原始资料examples/claude-code-statusline-landscape.md编译后的知识页表格、引用、交叉引用一应俱全examples/ai-coding-tools-index.md全局索引的主题分区examples/log-sample.md操作日志样本ingest / query / lint 全部条目类型想自定义页面格式模板都在 references/ 里raw-template.md、article-template.md、index-template.md、archive-template.md。新手常见问题 FAQ Q能喂什么类型的资料A网页、论文、博客、PDF、Markdown 文件、纯文本甚至直接粘贴的文字。所有资料都会统一转成 Markdown 存入raw/再编译。Q和普通个人 Wiki 有什么区别A普通 Wiki 靠人手动更新LLM Wiki 由模型自动更新摘要、交叉链接、索引条目甚至标注新资料与旧结论的矛盾Status: Disputed 块从不悄悄篡改历史。Q查询会改动我的文件吗A不会。普通 Query 只在对话中回答只有当你明确说归档时才会把答案存成新的 Wiki 页面。Q免费吗ALICENSE 采用 MIT 协议开源免费。总结三步让知识库持续复利 Ingest喂入新资料Query向 Wiki 提问Lint定期体检修复5 分钟装好之后剩下的工作就是你负责选资料和提问LLM 负责让知识库越长越聪明。这就是 karpathy-llm-wiki 的完整用法——现在就去搭一个吧【免费下载链接】karpathy-llm-wikiAgent Skills-compatible LLM wiki for Claude Code, Cursor, and Codex. Build a Karpathy-style knowledge base from raw sources, citations, and linting.项目地址: https://gitcode.com/gh_mirrors/ka/karpathy-llm-wiki创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考