Andrej Karpathy 分享了一个用法：不用 LLM 搜索，而是用它来维护一个个人知识库——一个会自己写、自己更新的 wiki。Carlos Azaustre 把这个思路在 OpenClaw 上完整实现了。

三个数据源自动流入

X 书签（每 6 小时）：Python 脚本下载新书签，LLM 按主题分类追加到对应 wiki 文章。1055 条书签处理完毕，12 篇 wiki 持续更新。

LinkedIn 帖子（每周日）：用 Docker + Chromium + Playwright 通过 Chrome DevTools Protocol 抓取已登录状态的 Saved Posts。技术细节折腾，但跑通了。

Telegram 语音笔记（随时）：走路时录一条语音，OpenClaw 接收后用 faster-whisper 本地 CPU 转录，LLM 分类后存入 raw/voice-notes/，再更新对应 wiki 文章。知识摄入零摩擦。

12 篇 wiki 的现状

AI & LLMs | 297 sources AI Agents & Coding Tools | 141 sources JavaScript & TypeScript | 147 sources React & Next.js | 110 sources Backend & Databases | 148 sources Dev Tools & Productivity | 103 sources Software Architecture | 31 sources Content Creation | 41 sources Career & Developer Life | 87 sources CSS & Design | 45 sources Linux, DevOps & Infra | 34 sources Business & Indie Hacking | 17 sources

闭环：output 必须反馈回 wiki

每次 output 都要列出"本次更新了哪些 wiki 文章"，如果列为空要解释原因。这样 feedback loop 才真正闭合，否则系统只是在积累文字，不会变聪明。

每月健康检查扫描整个 wiki，找出矛盾、找不到来源的断言、被提及但从未有专属文章的主题。每周 linting 检查重复文件。