Karpathy 的 LLM Wiki 帖子获得了 99,000+ 收藏。Graphify 在 48 小时内发布，获得了 27,000+ 额外关注。同周有多个实现版本病毒式传播。

需求是显然的。但大多数人会收藏它，觉得「挺酷」，然后永远不设置。

花 20 分钟今天设置，下个月你就会拥有一个任何搜索引擎和通用 AI Prompt 都无法复制的知识积累。它会知道你的声音、你的数据、你的模式和你的品味。

核心架构

给每个员工配备一个 AI Agent，不是孤立的，而是全部连接到共享的「编译后」知识库。

这个模式可以 scales：一个人 → 小团队（5-10人共享一个知识库）→ 组织（50+ 人，Agent 按角色调优从编译情报中读取）。

核心结构：

raw/ → 混乱的收件箱，任何东西都可以丢进来 wiki/ → 编译后的结构化页面，平坦结构 wiki/index.md → 总索引，带 TLDR

Agent 命令：

  • /wiki-ingest → 把 raw/ 处理成 wiki 页面
  • /wiki-query → 提问，获取带引用的答案
  • /wiki-explore → 浏览和验证页面
  • /wiki-lint → 捕捉矛盾、过时内容

完整五步设置

第一步：克隆仓库（2 分钟）

git clone https://github.com/shhk/llm-wikid.git my-wiki
cd my-wiki

用 Obsidian 打开文件夹作为 Vault。

第二步：运行 Agent（3 分钟）

在文件夹里打开 Claude Code（或任何能读取 markdown 并运行 bash 的 Agent），它读取 CLAUDE.md——这是控制一切的结构定义文件。

第三步：填满它（10 分钟）

  • 从设置里请求你的 X 存档
  • 安装 Obsidian Web Clipper 扩展，开始收藏推文、文章、值得保留的 thread
  • 坐下来把脑子里的东西写 10 分钟，把书签倒进去，任何感觉 80% 相关的东西都进 raw/

第四步：运行 ingest（5 分钟）

> /wiki-ingest

Agent 做的事情：分类整理收藏、抓取 URL 完整内容、下载并分析图片、按类型分类每个来源、构建带交叉引用的 wiki 页面、在每个页面上添加反论据和数据空白、更新总索引。

第五步：打开图谱

打开 Obsidian 的图谱视图。你的想法、你关注的人、你用的工具、你关心的概念，现在在一个可视化网络里链接起来了。

查询示例

> /wiki-query 什么内容格式获得了最多收藏？

Reading wiki/index.md... scanning 47 TLDRs
Reading wiki/content-performance.md
Reading wiki/bookmark-analysis-march.md
Reading wiki/thread-vs-single-tweet.md

Answer:
带编号列表的 Thread 获得的收藏是单条推文的 3.2 倍。
视觉分解（终端截图、流程图）平均 847 收藏，纯文字 312 收藏。
收藏最多的前 5 条帖子都是分步骤指南或工具对比。

Sources: [[content-performance]], [[bookmark-analysis-march]], [[thread-vs-single-tweet]]

→ Filed as wiki/bookmark-formats-query.md

每个答案都会归档回去。下次关于内容表现的查询也会拉取这一条。

质量控制比任何地方都重要

因为在这里盲目信任 AI 最危险：

偏见检查：每页强制加入反论据和数据空白。如果丢进去 10 篇都说同样事情的 articles，wiki 会标注，同时标记这个画面缺少什么。

验证门禁：每个 AI 生成的页面以 explored: false 开头。只有人类才能标记某样东西为已审核。你始终知道什么是经过人类验证的，什么还没有。

置信度标签：每页标记高/中/低/不确定。Agent 必须诚实说明其知识的支撑强度。

何时扩展

当页面达到 300+ 时，安装 qmd（Tobi Lutke 开发），获得本地混合搜索（BM25 + 向量检索 + LLM 重排）。qmd 有 MCP 服务器，Agent 可以把 wiki 当作原生工具来搜索。

然后把知识层连接到其他 Agent：一个写作 Agent 从中读取，一个研究员往里输入，一个内容策略 Agent 查询它。知识层是共享大脑，让所有 Agent 都有用。

本质

80/20 规则适用：让 AI 做 80% 的组织、编译和交叉引用，用你的品味来处理最后 20%——策展、验证、只有你能看到的连接。

知识层就是这样把你的品味编码进去，让那 80% 越来越好。

Medvi 是证明：1.8B 美元年收入运行率，2 名员工，零 VC。AI 处理代码、创意、语音、客服。知识层是前提。没有它，Agent 需要持续的人类指导。有了它，它们从编译的组织智能中运作。

现在花 20 分钟设置的人，将在下个月获得一个复合知识库。每等待一周，就是一周的复合增长你拿不回来。