LLM上下文窗口与个人知识库构建：Karpathy方案解析

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，核心思想是将LLM的上下文窗口视为工作记忆，知识库视为长期记忆，通过AI编译将非结构化原始资料转化为结构化维基条目，实现知识的持久化存储与主动整理。该方案包含import、compile、query、archive、lint、heal等CLI工具，强调不需要复杂RAG系统，LLM本身就是编译器，类脑设计模拟记忆巩固过程。

核心要点

• LLM上下文窗口有限，需知识库实现知识持久化
• 核心流程：import原始资料 → compile编译成维基 → query查询 → archive归档结果
• 不需要复杂RAG系统，知识库规模有限可全部加载到上下文
• LLM作为编译器，将非结构化信息编译成结构化维基条目
• 自动维护机制：lint扫描发现问题，heal修复问题，dream模式整理记忆
• 查询结果归档形成知识增长正向循环
• 类脑设计理念：模拟人类记忆的巩固和整理过程

关键实体

- Andrej Karpathy (person) ⚠️建议建页

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

相关内容

• [[LLM上下文窗口]]
• [[个人知识库]]
• [[反向链接]]
• [[维基编译]]
• [[自动维护]]
• [[知识巩固（Dream）]]
• [[增量编译]]
• [[混合检索]]
• [[TF-IDF稀疏向量]]

建议新建页面

• [[Karpathy知识库CLI工具]] — import、compile、query、archive、lint、heal等命令行工具是方案落地的关键技术实现，值得独立页面详细说明
• [[raw/目录结构规范]] — 原始资料导入的目录结构规范可作为实践指南，帮助用户规范化管理知识源

---

> 编译时间: 2026-04-25 04:27 | 来源: `notes/karpathy_llm_context_window.md`