Andrej Karpathy: LLM上下文窗口与个人知识库构建方案

摘要

本文系统介绍了人工智能专家Andrej Karpathy提出的利用大型语言模型（LLM）上下文窗口构建个人知识库的创新方案。该方案旨在解决LLM对话历史丢失、上下文窗口有限导致的记忆力问题，其核心是将LLM视为“编译器”，将原始资料自动编译成结构化、双向链接的维基式知识库，并通过查询归档、自动维护（Lint、Heal、Dream模式）实现知识的自我增长与优化。该方案区别于传统RAG，强调知识的“编译”而非单纯检索，模拟了人脑记忆的巩固过程，为构建持久化、智能化的个人知识管理系统提供了新思路。

核心要点

• LLM上下文窗口是工作记忆，知识库是长期记忆
• 方案核心是‘编译’而非‘检索’，将原始资料编译为结构化维基
• 知识库支持双向链接和反向链接，模拟人脑关联
• 通过查询结果归档实现知识库的自我增长（知识闭环）
• 引入Lint、Heal、‘Dream’模式进行自动维护，类比记忆整理

关键实体

- Andrej Karpathy (person) ⚠️建议建页

- LLM上下文窗口 (concept) ⚠️建议建页

- 个人知识库 (concept) ⚠️建议建页

- 维基风格知识库 (product) ⚠️建议建页

相关内容

• [[Andrej Karpathy 的个人知识库方案]]
• [[LLM上下文窗口与个人知识库构建：Karpathy方案解析]]
• [[wiki-v3与karpathy方案对比分析]]
• [[个人知识库_v1v2_改造方案]]

---

> 编译时间: 2026-06-09 05:21 | 来源: `notes/karpathy_llm_context_window.md`