Karpathy 提出 LLM-Wiki：用大模型编译笔记替代 RAG
Karpathy 用“LLM 编译器”替代 RAG，将笔记源码编译为自维护的活 Wiki，实现知识的持续复利。
Karpathy 指出 RAG（检索增强生成，即从笔记中检索片段拼凑答案）只能局部敷衍，难以理解全局。他提出将笔记视为不可变源代码，让大模型做编译器，自动生成并维护结构化的 Wiki，持续更新交叉引用和矛盾检测，让知识像代码一样可维护。
正文摘录
 新智元报道  【新智元导读】 知识第一次，能像代码一样利滚利。前 OpenAI 创始团队成员、特斯拉前 AI 高级总监 Andrej Karpathy，提出一个狠招：别再用 RAG 检索你的知识库，让大模型把它「编译」成一座持续生长的活 Wiki。两个多月，他在 GitHub 屠出 5000+ star。 收藏不等于拥有，高亮不等于理解。 那些凌晨两点让你心潮澎湃的深度好文，那些在 Obsidian 里拉出的密密麻麻的双向链接，那些在 Notion 里精心排版的数据库，都是躺在笔记软件里的「赛博木乃伊」。 图谱看似壮观，实则早已腐朽。 这是整个信息过载时代的系统性失败。 现 Anthropic 工程师、前 OpenAI 联合创始人、Tesla 前 AI 总监 Karpathy，看不下去了，扔下一枚炸弹。  传送门：https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f 他没有宣布新模型，没有发布新框架，他只是说： 把你的笔记当成不可变源代码，让 LLM 做编译器。 两个月过去，这份文档已经在 Obsidian、Claude、Cursor 社区掀起一场静默却剧烈的迁移。 有人已经把自己的 Wiki 扩展到上百页、数十万字。 自动化插件开始出现。