Karpathy分享LLM构建知识库工作流：从写代码转向操作知识

OpenAI联合创始人Andrej Karpathy分享其利用大语言模型构建个人知识库的核心工作流，其token消耗重点已从编写代码转向管理和操作知识。

完整五步工作流如下：

1. 数据摄入
   将文章、论文、代码等源文档索引，由LLM增量“编译”成Markdown维基，包含摘要、反向链接和概念分类。

2. 浏览界面
   使用Obsidian作为前端，查看原始数据和LLM维护的维基内容，用户几乎无需直接编辑。

3. 问答查询
   当维基积累到一定规模（例如一个方向达40万字），可直接向LLM提出复杂问题，LLM能自行检索维基内容作答。在此规模下，LLM自动维护的索引已能满足需求。

4. 输出回流
   查询结果可生成Markdown、幻灯片或图表，在Obsidian中查看后归档回维基，实现知识沉淀。

5. 质量巡检
   由LLM定期对维基进行“健康检查”，发现不一致、补全信息并挖掘概念关联，持续提升数据完整性。

Karpathy还开发了配套的简易维基搜索引擎。他认为此工作流虽由脚本拼凑而成，但背后蕴藏着巨大的产品潜力。未来的设想是，针对复杂问题，可派出一组LLM自动构建临时维基、进行质量巡检并迭代，最终生成远超单次回答的完整报告。