新智元報(bào)道

【新智元導(dǎo)讀】知識(shí)第一次，能像代碼一樣利滾利。前OpenA 創(chuàng)始團(tuán)隊(duì)成員、特斯拉前 AI 高級(jí)總監(jiān) Andrej Karpathy，提出一個(gè)狠招：別再用 RAG 檢索你的知識(shí)庫(kù)，讓大模型把它「編譯」成一座持續(xù)生長(zhǎng)的活 Wiki。兩個(gè)多月，他在GitHub屠出 5000+ star。

收藏不等于擁有，高亮不等于理解。

那些凌晨?jī)牲c(diǎn)讓你心潮澎湃的深度好文，那些在Obsidian里拉出的密密麻麻的雙向鏈接，那些在Notion里精心排版的數(shù)據(jù)庫(kù)，都是躺在筆記軟件里的「賽博木乃伊」。

圖譜看似壯觀，實(shí)則早已腐朽。

這是整個(gè)信息過(guò)載時(shí)代的系統(tǒng)性失敗。

現(xiàn)Anthropic工程師、前OpenAI聯(lián)合創(chuàng)始人、Tesla前AI總監(jiān)Karpathy，看不下去了，扔下一枚炸彈。

傳送門：https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

他沒(méi)有宣布新模型，沒(méi)有發(fā)布新框架，他只是說(shuō)：把你的筆記當(dāng)成不可變?cè)创a，讓LLM做編譯器。

兩個(gè)月過(guò)去，這份文檔已經(jīng)在Obsidian、Claude、Cursor社區(qū)掀起一場(chǎng)靜默卻劇烈的遷移。

有人已經(jīng)把自己的Wiki擴(kuò)展到上百頁(yè)、數(shù)十萬(wàn)字。

自動(dòng)化插件開(kāi)始出現(xiàn)。學(xué)術(shù)研究者、獨(dú)立創(chuàng)業(yè)者、終身學(xué)習(xí)者正在集體轉(zhuǎn)向一種全新的知識(shí)生產(chǎn)關(guān)系。

RAG的黃昏

信息搬運(yùn)救不了你的思想

在LLM-WIKI出現(xiàn)之前，主流的解決方案是RAG（檢索增強(qiáng)生成）。

簡(jiǎn)單說(shuō)，就是給大模型配一個(gè)「翻找員」：當(dāng)你提問(wèn)時(shí)，它去你的筆記里搜幾個(gè)片段，然后拼湊出一個(gè)答案。

聽(tīng)起來(lái)很美，但用過(guò)的人都知道那種「賣家秀」與「買家秀」的落差。

它只是搬運(yùn)工：RAG只能處理局部，無(wú)法理解全局。

它能告訴你第5篇筆記提到了A，但它無(wú)法告訴你這500篇筆記共同指向的底層邏輯。

它會(huì)「人格分裂」：如果你半年前認(rèn)為A是對(duì)的，昨天卻寫(xiě)筆記反駁了A，RAG往往會(huì)陷入自我矛盾，吐出一堆邏輯混亂的廢話。

圖譜腐爛：手動(dòng)維護(hù)的知識(shí)鏈接，就像沒(méi)有自動(dòng)清理功能的代碼。日子久了，斷頭鏈接隨處可見(jiàn)，檢索效率呈指數(shù)級(jí)下降。

Karpathy的直覺(jué)非常犀利：搜索和檢索是人類無(wú)能的表現(xiàn)。我們需要的是「共識(shí)」，是「結(jié)構(gòu)」，是「真相」。

把知識(shí)當(dāng)源代碼

讓LLM當(dāng)編譯器

Karpathy的答案，來(lái)自一個(gè)程序員每天都在做、卻從沒(méi)往知識(shí)上想過(guò)的動(dòng)作：編譯。

你寫(xiě)好一段源代碼，不會(huì)每次運(yùn)行程序都重新讀一遍代碼。

你把它編譯成一個(gè)二進(jìn)制文件，編譯這一次很費(fèi)勁，但之后每次運(yùn)行都飛快。編譯的成本，被之后成千上萬(wàn)次使用攤平了。

知識(shí)為什么不能這么干？

Karpathy說(shuō)，把你的原始筆記當(dāng)成不可修改的源代碼，把LLM當(dāng)成編譯器，讓它一次性把這堆亂七八糟的材料「編譯」成一個(gè)結(jié)構(gòu)化、互相鏈接的Wiki。

每加一篇新材料，AI就做一次融合：更新相關(guān)的條目頁(yè)、修訂綜述、把新數(shù)據(jù)和舊結(jié)論打架的地方標(biāo)出來(lái)、順手加固或挑戰(zhàn)已有的判斷。

關(guān)鍵的差別在這里：知識(shí)被編譯一次，然后持續(xù)保鮮，而不是每次查詢臨時(shí)重建。

等你來(lái)提問(wèn)的時(shí)候，交叉引用早就在那了，矛盾早就被標(biāo)過(guò)了，綜述早就反映了你讀過(guò)的一切。

你不會(huì)每次跑程序都重編譯一遍源代碼。那為什么每次提問(wèn)，都要讓AI重讀一遍你的筆記？

認(rèn)知生產(chǎn)關(guān)系的根本轉(zhuǎn)移

在他的LLM-WIKI框架里，筆記不再是死文字，而是「源代碼」。

大模型不再是查字典的翻譯官，而是「編譯器」。

這套架構(gòu)極其精妙地實(shí)現(xiàn)了三層解耦：

1、Raw層（原始素材）：這是你的靈感原礦。你隨手記下的感悟、剪輯的文章、會(huì)議紀(jì)要。它是「不可變」的，保持了人類輸入的原始性和不潔感。

2、Schema層（知識(shí)憲法）：這是你寫(xiě)給AI的「軍規(guī)」。比如你規(guī)定：每一個(gè)人物詞條必須包含「動(dòng)機(jī)、局限性、關(guān)鍵成就」；每一個(gè)技術(shù)棧必須說(shuō)明「優(yōu)缺點(diǎn)」。

3、Wiki層（編譯成品）：這是AI全權(quán)維護(hù)的區(qū)域。它根據(jù)你的Schema，把那堆亂七八糟的Raw編譯成結(jié)構(gòu)化、交叉鏈接、邏輯自洽的百科頁(yè)面。

日常就三個(gè)動(dòng)作：

1、Ingest（攝入）：丟一篇新料進(jìn)去，AI 讀完、跟你過(guò)一遍要點(diǎn)、寫(xiě)摘要、橫掃整個(gè)庫(kù)更新相關(guān)頁(yè)——一篇來(lái)源，可能牽動(dòng)十幾個(gè)頁(yè)面。

2、Query（查詢）：直接問(wèn)編譯好的 Wiki，帶引用作答。最妙的是：好答案能直接回檔成新頁(yè)，你的每一次探索也在復(fù)利。

3、Lint（體檢）：定期讓 AI 像做代碼審查一樣自查——找矛盾、找過(guò)時(shí)論斷、找沒(méi)人鏈接的孤立頁(yè)、找該補(bǔ)的缺口。早期就清，不讓庫(kù)越長(zhǎng)越腐。

你不再是知識(shí)的搬運(yùn)工，而是這個(gè)智慧帝國(guó)的架構(gòu)師。

你只負(fù)責(zé)輸入和最后的審閱，AI負(fù)責(zé)所有的「雜活」：整理、對(duì)齊、交叉鏈接、矛盾檢測(cè)。

這是認(rèn)知生產(chǎn)關(guān)系的根本轉(zhuǎn)移。

這不是另一個(gè)聊天機(jī)器人。ChatGPT了解互聯(lián)網(wǎng)，LLM-Wiki了解你——準(zhǔn)確說(shuō)，是你教給它的東西。

每個(gè)回答都帶著[wiki-links]回到你的知識(shí)圖譜。每條回復(fù)都是一條探索路徑的起點(diǎn)，而不是終點(diǎn)。

遲到了80年的發(fā)明

到這兒，你可能覺(jué)得這不就是個(gè)聰明的工作流嗎？

不止。

Karpathy在gist結(jié)尾，輕飄飄地點(diǎn)了一個(gè)名字：Vannevar Bush，和他1945年那篇《As We May Think》。

1945年，二戰(zhàn)剛結(jié)束，這位美國(guó)科學(xué)界的大佬，幻想了一臺(tái)叫「Memex」的機(jī)器：

一張機(jī)械書(shū)桌，能存下你所有的書(shū)、記錄、通信，并在相關(guān)條目之間，建立起「聯(lián)想路徑」——文檔與文檔之間的連接，和文檔本身一樣寶貴。

聽(tīng)著耳熟嗎？這幾乎就是LLM-Wiki的逐字描述。

Bush的愿景，其實(shí)比后來(lái)的萬(wàn)維網(wǎng)更接近這個(gè)東西：私密的、親手策展的、連接即價(jià)值的知識(shí)網(wǎng)絡(luò)。

那為什么Memex八十年沒(méi)造出來(lái)？

因?yàn)锽ush卡在了一個(gè)他解決不了的問(wèn)題上——誰(shuí)來(lái)維護(hù)？

每一條聯(lián)想路徑，都得手工建立。每一個(gè)交叉引用，都得有人去連。

Bush幻想著有專門的「操作員」為你在知識(shí)里鋪設(shè)小徑。

可現(xiàn)實(shí)是，沒(méi)有任何人能在大規(guī)模上堅(jiān)持做這件枯燥的苦役。人類會(huì)放棄維護(hù)，因?yàn)榫S護(hù)的成本，永遠(yuǎn)比它帶來(lái)的價(jià)值漲得更快。

Karpathy這句話，是整個(gè)范式的題眼：維護(hù)一座知識(shí)庫(kù)最累的部分，從來(lái)不是閱讀，是記賬。

更新交叉引用，保持摘要新鮮，標(biāo)注新數(shù)據(jù)和舊結(jié)論的沖突，讓幾十個(gè)頁(yè)面之間始終一致。這種枯燥，足以勸退所有人。

而大模型，不會(huì)忘記更新某一個(gè)交叉引用，可以一口氣改動(dòng)15個(gè)文件。

它不會(huì)累。不會(huì)煩。不會(huì)被深夜拖垮。維護(hù)成本，被壓到了近乎為零。

于是，那臺(tái)卡了人類八十年的機(jī)器，突然就轉(zhuǎn)起來(lái)了。

被解放的，是人類的注意力

回頭看，LLM-Wiki是Karpathy關(guān)于「人機(jī)協(xié)作」的第三塊拼圖，也是最克制的一塊。

第一塊，Vibe Coding（2025年2月）：接受AI寫(xiě)的代碼，不逐行審，信模型，測(cè)結(jié)果。

第二塊，Agentic Engineering（2026年1月）：人類編排AI智能體，而不是自己敲代碼。

第三塊，LLM Knowledge Bases（2026年4月）：AI管理的不再只是代碼，而是知識(shí)本身。

在這套新范式里，人類被剝掉的，是收藏、整理、鏈接、記賬這些誰(shuí)都不愛(ài)干的雜活。

人類被留下的，只剩兩件事：決定讀什么，以及，想清楚這一切到底意味著什么。這恰恰是機(jī)器至今做不了、也最不該替你做的兩件事。

這是一個(gè)工具進(jìn)化到極致，最終繞了一圈，把人類的注意力還給人類自己的故事。

那張樸素到欠揍的markdown文件，沒(méi)發(fā)模型，沒(méi)刷榜單。

它只是安靜地提醒了一句:你的大腦，本就不該用來(lái)記賬。

參考資料：

https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

編輯：大衛(wèi)