LLM上下文窗口与个人知识库构建：Karpathy方案

摘要

Andrej Karpathy提出的基于LLM上下文窗口的个人知识库构建方案，通过将原始资料编译成结构化维基条目，结合反向链接和自动维护机制，实现知识的持久化存储与检索。方案核心思想是「我们不检索，我们编译」，利用LLM作为编译器将非结构化信息转化为可生长的知识网络。区别于传统RAG系统，该方案强调知识库的自我成长和类脑记忆整理过程。

核心要点

• LLM上下文窗口有限，将知识库作为长期记忆的外部存储
• 原始资料通过LLM编译成包含摘要、反向链接、概念分类的结构化维基条目
• 用户查询时检索相关条目，LLM基于检索结果回答，而非实时检索
• 有价值的查询结果归档回维基，实现知识库的持续扩充
• 自动维护包括Lint（扫描问题）、Heal（修复问题）、Dream模式（记忆整理）
• 方案核心金句：「我们不检索，我们编译」「让AI做梦来整理记忆」
• 区别于传统RAG系统：知识库规模有限可全部加载，AI主动编译整理而非被动检索

关键实体

- Andrej Karpathy (person) ⚠️建议建页

• LLM上下文窗口 (concept)
• 个人知识库 (concept)
• 维基编译 (concept)

- LLM编译 (concept) ⚠️建议建页

• 自动维护 (concept)
• 反向链接 (concept)

相关内容

• [[个人知识库]]
• [[LLM上下文窗口]]
• [[维基编译]]
• [[自动维护]]
• [[反向链接]]
• [[LLM编译]]
• [[CLI工具]]
• [[知识持久化]]
• [[增量编译]]
• [[Wiki-v3与Karpathy方案对比分析]]

建议新建页面

• [[Karpathy方案自动维护机制详解]] — Lint/Heal/Dream模式是方案核心功能，值得独立详细阐述
• [[知识库编译与传统RAG系统对比]] — 方案明确批判RAG，可作为独立的技术对比页面

---

> 编译时间: 2026-04-30 04:36 | 来源: `notes/karpathy_llm_context_window.md`