Andrej Karpathy: LLM Context Window 个人知识库构建方案

摘要

本文介绍了Andrej Karpathy提出的基于LLM上下文窗口构建个人知识库的方案。该方案将LLM的上下文窗口视为工作记忆，知识库视为长期记忆。核心流程包括将原始资料导入、由AI编译成结构化维基、查询知识库、查询结果归档以形成知识闭环，并通过自动维护（如lint, heal, 'dream'模式）和CLI工具实现知识库的自我成长与类脑记忆整理。方案强调LLM作为编译器、反向链接和自我成长，与传统纯检索系统有本质区别。

核心要点

• 将LLM的上下文窗口视为工作记忆，知识库视为长期记忆。
• 核心流程：原始资料导入 → AI编译成维基 → 查询 → 结果归档，形成知识增长循环。
• 通过自动维护（lint, heal, 'dream'模式）实现知识库的自我整理和过时信息更新。
• 方案强调LLM作为编译器，将非结构化信息编译成结构化维基，而非传统RAG的简单检索。
• 提供CLI工具（import, compile, query, archive, lint, heal）支持全流程操作。

关键实体

• Andrej Karpathy (person)
• LLM (concept)
• 上下文窗口 (concept)
• 个人知识库 (concept)

相关内容

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

建议新建页面

• [[LLM知识编译器]] — 文中核心概念'LLM作为编译器'是该方案区别于传统RAG的关键，值得独立阐述其原理和应用。
• [[知识库自动维护（Lint/Heal/Dream）]] — 自动维护是该方案实现'自我成长'和'类脑设计'的核心机制，包含具体的工具和模式，具有独立探讨价值。
• [[个人知识库CLI工具集]] — 文中提到的CLI工具（import, compile, query等）是实现整个工作流的关键接口，可以详细说明各命令的功能和使用场景。

---

> 编译时间: 2026-06-19 10:39 | 来源: `notes/karpathy_llm_context_window.md`