Karpathy 大模子新玩法热乎出炉！
此次是新瓶装老酒——用 AI 搭建个东说念主学问库。
怎样说呢？能让卡神亲身动手，就注定这个学问库还真和咱思象的不相似。
比如畴昔最烦的少许——一朝你懒得更新，学问库就废了，在卡神这里却变成了一个"懂得我方更新、还能越用越灵敏"的小可人。
何况还不啻于此。
连卡神我方都绷不住，直言咫尺大部分 Token 都不是用来写代码，而是拿来跑学问库了。
是以问题来了，卡神的学问库到底有啥不相似？
别急，看完他顺手附赠的搭建教程你就显着了。
卡帕西教你这么搭个东说念主学问库
运行之前不得不感叹一句——卡帕西的《个东说念主学问库搭建教程》来得刚刚好。
这两天正愁怎样把四解决散且越积越多的贵寓，信得过千里淀下来。
好多时间都是看完就忘、一找就废——保藏的著作躺在文献夹里吃灰，读过的论文回头就思不起论断，前次踩过的坑下次照样再踩一遍。信息越多，脑子越乱，信得过要用的时间，反而什么都翻不到。
说白了，我需要的即是一个能替我记着、替我整理、还能随叫随到的东西。
而卡帕西此次给的，恰恰即是这个。
第一步：导入数据。
诚然用上 AI 了，但学问库最最基础的准备责任如故免不了——仍需要手动导入原始贵寓。
不外卡帕西也说了，这项责任仅仅早期有点累，等后头 AI 老练你的责任作风了，导入的神气也会更浅近。
比如你俩熟了后，只需说一句"把这个新文档存到咱们的维基里"，以至径直给个旅途，AI 就能自动归类、自动打标签、自动关联到关系内容。
具体来说，这一步需要你把总计贵寓打包进一个文献夹（raw/）——进程中无需东说念主工致理。
然后让大模子襄助干一件事：
把 raw/ 里前仰后合的贵寓，编译成一个井井有条的维基百科。
这个维基百科现实上即是一堆 Markdown 文献，但内容依然实足不相似了，内部包含：
摘记：每篇著作 / 论文 / 代码，模子先读一遍，然后写个简短的摘记；
反向蚁合：不同内容之间会自动开发反向蚁合；
办法分类：模子会判断"这篇著作讲的是 Transformer "，然后把它归到"深度学习 / 提防力机制"这个分类下；
新著作：模子以至会字据已有贵寓撰写出新的内容。
最终，总计贵寓采集在一王人，会酿成一个彼此援用的学问蚁集（即是你印象当中的阿谁维基）。
对了，为了将网页和图片也转成 Markdown，卡帕西还分享了我方的器用—— Obsidian Web Clipper 插件。
正常看到好著作的时间，星空app官网版径直点一下插件就能将网页转成 .md 文献，趁机再把图片一键下载到腹地（os：不下载的话，要是哪天网站崩了图也就没了 ~）。
第二步：前端搜检数据。
等 AI 整理完数据后，咱们不错在前端搜检原始数据（raw/）、编译好的维基，以及生成的可视化图表。
卡帕西这里用的是 Obsidian ——它不啻不错当浏览面板，还自带一些插件（比如用 Marp 生成幻灯片）。
何况他还专诚提到，维基里的所少见据，基本都是由大模子来编写和选藏的，我方险些从不径直动手修改。
第三步：用起来、跑起来。
一朝数据累积的敷裕多，且被 AI 整理得井井有条后，接下来天然是用起来了。
卡帕西分享说念，我方最近有项接头的维基攒了 100 篇著作（约 40 万字），本以为这个限制得搞一套复杂的 RAG（检索增强生成）技巧才行。
效劳发现：根底不需要。
独一大模子正常把索引文献和摘记选藏好了，哪怕 40 万字的限制，它也能相对轻便地读取总计迫切关总计据，然后给出高质地的请教。
何况卡帕西忠诚夸赞，大模子在自动选藏索引和摘记方面"进展特出好"。
以及最迫切的一步来了——总计输出效劳不是给了就收场，UEDBETapp下载而是被存档到维基中，酿成轮回。卡帕西暗意：
通常，我会把这些输出效劳"存档"回维基，为后续查询作念准备。
这么一来，我我方的每一次探索和发问，都会在学问库中不断千里淀、握续累积。
划要点，光我方补还不够。为了让通盘系统保握更新，卡帕西还补了两层要津才智：
一是专门盘算了一层" Lint+Heal "机制，现实上即是让大模子按期扫描通盘学问库，自动发现不一致的数据、补全缺失信息，以至主动建议新增条件，必要时还不错通过外部搜索把空白补王人。
二是在更底层，提供了一套 CLI 器用，用来给学问库提供搜索和探问接口——一方面让大模子不错高效检索和读取内容，另一方面也便捷东说念主通过高歌行或网页径直使用这套学问库。
到这里，通盘学问库才信得过"活起来"。
你会发现，它和传统学问库依然实足不是一趟事了：
畴昔的学问库，现实是一个需要东说念主不断选藏的"存储器用"，而在卡帕西这里，它变成了一个由大模子握续整理、握续更新的"运行系统"——
不是一个单纯的"搜索引擎"，而是不错不断长出新学问的"第二大脑"。
在网友看来，卡帕西正在展示一种信得过灵验的、最浅近的 AI 架构：
将接头贵寓存入文献夹，让模子将其组织成维基，建议问题，然后将谜底存回。
信得过的洞见在于这个轮回……每个查询都让维基变得更好。它不断累积，咫尺这就像一个自我构建的第二大脑。
这下无须卷高下文了？
而一朝有了这么的学问库，东说念主们会俄顷发现：
好像也不需要再一味拚命卷高下文窗口了？
畴昔大众卷高下文，是因为 AI 总是容易"说着说着就忘了以前的内容"，越到后头越答非所问。
中枢要害就一个——记念问题。
然则咫尺，情况变了。
蓝本需要一次性塞进高下文的贵寓，被千里淀进了个东说念主学问库里，模子不再强行记念，而是按需读取、按需使用。
于是通盘逻辑透澈反过来了：
你每次提供的信息不再是"临时的"，而是在学问库里"永久存储"；每一次用也不是纯糟践，而是在给学问库不断补充新学问。
对模子来说，它也不需要时刻记着一切，而是只需要知说念"什么东西在那里"。
现实上，这其实是从"让模子记着"，变成了"让系统可查找"。
而这一瞥变，按网友的话来说，其影响在智能体期间将愈加"豪恣"。
我以为要是正确利用（卡帕西的这种个东说念主学问库），这对智能体来说相配好。
不再是每轮对话都从分享内存中临时索要信息，而是构建一个握续存在的、有人命力的学问库。
你的合作家（Agent）不再仅仅合作任务……它还在选藏机构化的学问，这么每一次践诺都会为学问库增添一些东西。
更大的影响是豪恣的。
领有我方学问层的 Agent，并不需要无穷的高下文窗口——它们只需要简易的文献组织才智，以及读取我方索引的才智。
这比把总计东西都塞进一个遍及的领导词里，更低廉、膨大性更强、也更容易查验和领路。
参考蚁合：
[ 1 ] https://x.com/karpathy/status/2039805659525644595
[ 2 ] https://x.com/jumperz/status/2039826228224430323
一键三连「点赞」「转发」「注意心」
迎接在筹商区留住你的思法！
— 完 —
� � 谁会代表 2026 年的 AI？
龙虾爆火，带动一波 Agent 与繁衍居品海潮。
但真适值得永久可贵的 AI 公司和居品，大约不啻于此。
要是你正在作念，或见证着这些变化，迎接呈报。
让更多东说念主看见你。� � https://wj.qq.com/s2/25829730/09xz/
一键可贵 � � 点亮星标
科技前沿进展逐日见UEDBETapp登录
开云app官方在线入口
备案号: