Karpathy LLM-Wiki Skill 现已开源公开

将学习材料转化为可维护的LLM知识库，这套开源工具让持续学习和知识管理自动化。
核心内容：
1. 开源Skill与真实示例Wiki的配套设计
2. 从原始材料到结构化知识工件的完整流程
3. 通过ingest、query、lint实现知识的持续维护与校正

一个可安装的 Skill，加上一个真实运行中的参考实现，用来构建由 LLM 持续维护的 Markdown Wiki。

这个仓库最值得看的，不只是一个可以初始化 Wiki 的 Skill，而是一个已经跑起来的样本。从karpathy-llm-wiki-original.md出发，LLM 把原始材料逐步编译进llm-wiki/，长出index、log、概念页、对比页和综合页。它展示的不是“如何做一次总结”，而是“如何把一篇材料变成一个可维护的知识工件”。

如果你在学习一篇文章、论文、调研报告或一本书，这套模式的关键是把维护劳动交给 LLM：

• • 原始资料保留在raw/
• • 结构化理解沉淀在wiki/
• • 后续通过ingest、query、lint持续扩展和校正

仓库包含什么

这个仓库由两部分组成，而且两者是配套设计的：

• •skill/是可安装、可分发的 Skill 包，用来初始化你自己的 Wiki。
• •llm-wiki/是基于该 Skill 创建出来，并持续经过 ingest、query、lint 维护的真实示例 Wiki。

这样的拆分是有意为之的：skill/是可复用的产品本体，llm-wiki/则负责展示这套模式真正跑起来之后是什么样子。

Quick Install

推荐安装方式：

npx skills add nanzhipro/Karpathy-llm-wiki-bootstrap-skill@llm-wiki-bootstrap

如果你希望用非交互方式做用户级安装：

npx skills add nanzhipro/Karpathy-llm-wiki-bootstrap-skill@llm-wiki-bootstrap -g -y

第一次运行示例

下面是一条最小可跑通的首次使用路径，起点就是karpathy-llm-wiki-original.md。

这个示例默认你使用的是 OpenAI Codex，所以生成的 schema 文件会是AGENTS.md。如果你选择的是 Claude Code，把同一步里的AGENTS.md换成CLAUDE.md即可。

1. 1. 在你的 agent 里触发这个 Skill：

   bootstrap a wiki

2. 2. 当 Skill 询问初始化问题时，可以这样选择：

• • Domain：Research topic
• • Wiki name：llm-wiki-demo
• • Agent：OpenAI Codex
• • Editor：Obsidian
• • Source types：Web articles
• • Output location：Current directory

• 3. 等 Wiki 脚手架生成后，把这份原始理念文档复制到新 Wiki 的raw/目录：

  cp karpathy-llm-wiki-original.md llm-wiki-demo/raw/

• 4. 然后对 agent 说：

  Read llm-wiki-demo/AGENTS.md, then ingest llm-wiki-demo/raw/karpathy-llm-wiki-original.md

• 5. 第一次 ingest 完成后，重点查看这几个文件：
• •llm-wiki-demo/wiki/index.md
• •llm-wiki-demo/wiki/log.md
• •llm-wiki-demo/wiki/overview.md

跑完第一轮之后，你通常会看到：

• •wiki/sources/下生成了一页 source summary
• • 如果 agent 识别出了关键概念或实体，还会创建新的概念页或实体页
• •index、log和overview都会被同步更新

如果你想先看一份已经跑完的结果，再决定自己动手，可以直接打开llm-wiki/。

一个很实用的小 tips：

如果你想从一开始就构建中文 Wiki，在调用时直接对 agent 说：

使用中文编译 karpathy-llm-wiki-original.md

为什么要用这种模式

现在大多数 LLM 文档工作流，本质上还是 RAG：上传文件、提问时临时检索若干片段、再从头拼出答案。它能解决问题，但不会沉淀结构。

这个项目封装的是另一种做法：

• • 原始资料始终保持不可变
• • Agent 持续把知识“编译”进 Wiki
• • Wiki 会成为一个不断增长的长期知识制品
• • 有价值的回答可以继续归档回 Wiki，而不是消失在聊天记录里

结果就是：知识会持续累积，而不是每次提问都从零开始。

系统模型

完整来看，这个系统有四层：

层级	位置	角色
Skill 包	skill/	bootstrap 逻辑、模板和工作流规则
原始资料层	raw/	不可变的证据层
Schema 层	AGENTS.md/CLAUDE.md/SCHEMA.md	Agent 的操作契约
Wiki 页面层	wiki/	持续维护的知识层

Skill 负责在一个新 Wiki 里生成后三层。

llm-wiki/则展示了这套机制已经实际运行过之后的结果。

参考 Wiki

llm-wiki/不是占位内容，而是一个真实的参考实现。它确实是从这个 Skill 生成出来的，而且已经作为一个活的 Wiki 被维护过。

当前结构如下：

llm-wiki/
├── AGENTS.md
├── raw/
│   ├── Karpathy x.md
│   └── llm-wiki-pattern.md
└── wiki/
    ├── index.md
    ├── log.md
    ├── overview.md
    ├── concepts/
    ├── entities/
    ├── comparisons/
    ├── sources/
    └── synthesis/

建议先看这几个入口：

• •llm-wiki/AGENTS.md，看生成后的 Agent 指令
• •llm-wiki/wiki/index.md，看 Agent 如何导航整个知识库
• •llm-wiki/wiki/log.md，看按时间顺序记录的操作历史
• •llm-wiki/wiki/overview.md，看当前阶段的顶层综合判断

如果你想最快理解这套模式，直接看llm-wiki/是最直观的方式。

来源与语料脉络

这套思路来自 Karpathy 最初提出的 LLM Wiki 原始笔记：

• • 原始 gist：https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
• • 仓库内副本：karpathy-llm-wiki-original.md

当前示例 Wiki 就是建立在这份原始想法之上的。语料脉络如下：

语料	角色
karpathy-llm-wiki-original.md	原始理念的仓库内参考副本
llm-wiki/raw/llm-wiki-pattern.md	基于理念整理的示例原始语料
llm-wiki/raw/Karpathy x.md	展示新资料如何被吸收进演化中的 Wiki

对外介绍时，最清晰的说法是：

1. 1.Skill负责把方法封装成可安装的能力
2. 2.示例 Wiki负责展示这套方法已经真实跑起来的效果
3. 3.语料以 Karpathy 的原始想法为起点，再继续向外扩展

推荐安装布局

建议把.agent/skills/作为统一安装位置。

对于 Claude、Codex 或其他需要单独发现目录的运行时，不要复制多份内容，而是把它们链接回同一份已安装 Skill。

.agent/
└── skills/
    └── llm-wiki-bootstrap/
        ├── SKILL.md
        └── references/

符号链接示例：

ln -s /absolute/path/to/.agent/skills/llm-wiki-bootstrap ~/.claude/skills/llm-wiki-bootstrap
ln -s /absolute/path/to/.agent/skills/llm-wiki-bootstrap ~/.codex/skills/llm-wiki-bootstrap

原则很简单：只保留一份真实安装副本，其余运行时都回链到它。

Skill 会生成什么

当你用这个 Skill 初始化一个新 Wiki 时，生成结构如下：

{wiki-name}/
├── raw/
├── wiki/
│   ├── index.md
│   ├── log.md
│   └── overview.md
├── {schema-file}
└── .gitignore

不同运行时对应的 schema 文件名如下：

Agent	Schema 文件名
Claude Code	CLAUDE.md
OpenAI Codex	AGENTS.md
Copilot (VS Code)	.github/copilot-instructions.md
其他 / 通用	SCHEMA.md

只有文件名会变，运行模型本身是一致的。

三类核心操作

操作	触发方式	结果
Ingest	"ingest raw/{file}"	把资料转成摘要、实体、概念、链接、索引更新和日志记录
Query	直接提领域问题	先读索引，再读相关页面，最后输出带引用的综合回答
Lint	"lint"或"health check"	检查矛盾、过期结论、孤儿页和缺失链接

仓库结构

路径	用途
skill/SKILL.md	可安装的 Skill 定义
skill/references/templates	bootstrap 过程中使用的模板
skill/references/workflows	ingest、query、lint 的详细工作流参考
karpathy-llm-wiki-original.md	原始理念笔记的仓库内副本
llm-wiki/AGENTS.md	示例 Wiki 的 Agent 指令文件
llm-wiki/raw	示例原始资料层
llm-wiki/wiki	示例编译后的 Wiki 输出层

一句话定位

Karpathy LLM Wiki Bootstrap是一个可安装的 Skill，用来创建由 LLM 持续维护的 Markdown Wiki，同时附带一个真实的llm-wiki/参考实现，展示这套模式如何以 Karpathy 的原始 LLM Wiki 思路为起点真正运行起来。