Karpathy 提出了一种基于 LLM 的个人知识库构建模式——'LLM Wiki',核心思路是让 LLM 主动维护一个持久化的 Markdown Wiki,而非每次查询时重新从原始文档检索。每当新增信息源时,LLM 负责提取、整合、更新并标注矛盾点,使知识库随时间累积增值。用户负责信息来源与提问方向,LLM 承担所有整理与交叉引用工作,Obsidian 作为可视化 IDE。
AI 搜索
AI 搜索引擎、问答系统、RAG 与知识检索
AI 搜索 · 精选产品
ClawsGO Science
82The AI research agent with its own cloud lab
ClawsGO Science 是一个 AI 科研自动化平台,能够从研究问题出发,自动完成实验、分析数据并生成带引用的学术论文。
Scribble Network
82The product that makes AI recommend your brand
Scribble Network 帮助品牌在 AI 搜索引擎(如 ChatGPT、Perplexity)中提升曝光度,通过审计可见性缺口、生成内容并借助5万名创作者进行放大,最终让 AI 主动推荐该品牌。
Clipto
82Fully local, natural language search over terabytes of media
Clipto 是一款完全本地运行的 AI 媒体搜索工具,让用户无需上传云端即可用自然语言在 TB 级视频、音频和文件中快速检索任意内容。
NOAN
79The fact layer for your AI agents
NOAN 为企业 AI 智能体提供一层「事实层」(fact layer),把公司已审批的口径——定价、定位、政策、产品、客户信息等——转化为经过验证、带版本管理的唯一事实来源,并通过 API 与 MCP 提供给任意模型、智能体或应用调用,解决多个 AI 各自解读数千份文档、输出口径不一致的问题。
Exa 3.0
78Smarter search that gives AI agent richer data at lower cost
Exa 3.0 是面向 AI 智能体的搜索 API,通过更大的嵌入模型、海量新数据(含电商和本地商家)及动态摘要技术,以更低成本为 AI 提供更丰富的搜索数据。
Jockey by TwelveLabs
78Your entire video library: organized, searchable, understood
Jockey 是 TwelveLabs 推出的 AI 视频库管理工具,能够理解并索引海量照片与视频内容,让用户通过自然语言跨视频搜索人物、时刻和上下文信息。
Google EmbeddingGemma 2
78An open, lightweight multimodal embedding model
Google DeepMind 推出的开放权重多模态嵌入模型,把文本、代码、图像、视频和音频映射到同一向量空间,让用户用一次查询即可跨模态检索,并能在手机端离线运行。
Lune
78The search engine built for scientific AI agents
Lune 是为科研场景打造的 AI 搜索与知识检索基础设施,为科研类 AI Agent 提供基于顶会论文的高质量知识 grounding,覆盖文献综述、实验设计、写作与同行评审等科研全流程。
Anthropologic
78The zero distance consumer research platform.
Anthropologic 是一个基于 AI 的消费者洞察研究平台,通过自研的「人类语境协议」扫描全网内容,在数分钟内提供跨239个市场、100+语言的消费者行为、品类趋势和文化洞察,弥补传统调研慢、社交监听浅、LLM 缺乏文化理解的三重缺陷。
Perplexity Hybrid Compute
78Splitting AI tasks: Cloud for research, Mac for privacy
Perplexity 推出混合计算功能,将云端 AI 与本地 Mac 模型结合,实现高性能推理与本地文件隐私保护的兼顾。
Memoria
78Search photos by text, speech, object & faces. 100% offline.
Memoria 是一款完全离线的本地相册智能搜索引擎,利用设备端 AI 实现通过文字、语音、物体和人脸搜索照片和视频,无需云端或订阅。
AI Search Console
78Prompt analytics and citation mapping for AI search
AI Search Console 是一款面向 SEO/GEO 团队的 AI 搜索可见性分析工具,帮助用户追踪品牌在 ChatGPT、Claude、Gemini、Perplexity 等 AI 搜索引擎中的提及、排名和引用情况,替代手动截图和电子表格。
Webhound
78A research engine for your agent
Webhound 是一个面向 AI 智能体的研究引擎,允许用户通过设定美元预算来控制信息检索的深度,最终返回带有引用来源的报告或数据集。
Jockey by TwelveLabs
78The video AI agent that understands your whole library
Jockey 是一个由 TwelveLabs 推出的视频 AI 智能体,能够理解用户整个媒体库,支持按人物、时刻或上下文语义搜索照片和视频,解决大规模媒体库难以检索的问题。
Lev8
78Find, research, and reach the right people
Lev8 是一款由并行 AI 智能体驱动的销售智能平台,帮助用户快速找到目标客户、挖掘意图信号并自动发送个性化多渠道触达消息。
AnySearch
78Real-time structured search trusted by agents and developers
AnySearch 是一个专为 AI Agent 设计的实时结构化搜索工具,解决 Agent 获取信息质量低、来源杂乱的问题,提供经过过滤、去重和结构化的可信数据。
Proofsource
76AI search visibility, with agents that fix the gaps
Proofsource 是一款 AI 搜索可见性(GEO)监测与优化工具,每天用买家的真实提问去问 ChatGPT、Claude、Perplexity 和 Google AI Overviews,看品牌是否被 AI 点名、被谁取代,并给出页面级修复方案,由 agent 发布内容并验证答案是否真的变了。
Earlyn
76Searchable memory of your screen and meetings, on your Mac
Earlyn 是一款 Mac 端本地优先的「屏幕与会议记忆」工具,加密记录屏幕上看到的一切和会议内容,让用户用自然语言回溯时间线、检索任意出现过的文字,并通过 MCP 把这些上下文喂给 Claude Code、Codex、Cursor 等编码助手。
Howseen AI
76Track how AI recommends your brand, and get cited
Howseen AI 是一款面向品牌的 AI 可见度监测与优化工具:它追踪 ChatGPT、Gemini、Perplexity 和 Google AI Overviews 在回答购买类问题时是否推荐你的品牌,定位你“缺席”的具体问题,并自动生成 SEO/GEO 优化内容发布到品牌博客,把“发现问题”接到“解决问题”上。
Lleverage
74The autonomous back office for the physical economy
Lleverage 是一个面向制造商、批发商和经销商的 AI 自动化后台系统,通过 AI 代理自动读取邮件和 PDF 中的订单、发票和采购单,与 ERP 系统核对并过账,人工只需处理异常情况。
Sapien
74AI market research with synthetic populations
Sapien 用 AI 生成的「合成人群」替代真实受访者,让企业在几分钟内对产品概念、营销素材、定价和市场策略做对比测试,并支持围绕同一批模拟受众持续追问,从而把传统数周、数万元的市场调研压缩成一次对话式探索。
Hemory
74Keep listening. Searchable memory for your AI agents.
Hemory 是一款面向 AI Agent 的「可搜索个人记忆」产品,通过用户已有的 iPhone 或 Apple Watch 持续监听日常对话,自动切分成带说话人标签的片段并沉淀为私有记忆库,再经由 MCP 接入 Claude、Codex、Cursor 等 Agent,让 AI 拥有可回溯的真实上下文。它解决的是 AI 助手「没有长期记忆、不了解用户真实对话语境」的问题,同时刻意区别于会议转录工具。
IntellAgents.io
74One AI agent for every call, chat, and DM
IntellAgents 用一个 AI 智能体统一接管企业的所有客户沟通渠道——接听与主动外呼电话、处理 WhatsApp、Instagram、Facebook、Telegram 及官网聊天,基于同一套知识库 24/7 运行并支持最多 36 种语言,替代企业为每个渠道单独采购工具的做法。
AINA
74Find your job search blind spots with an AI coach
AINA 是一款 AI 职业教练产品,通过视频虚拟形象对话帮助求职者发现求职盲点、优化个人档案并进行面试模拟练习,最终生成个性化行动计划。
Web Search Agents by Nimble
74Self-learning agents automate web research + retrieval
Nimble 的 Web Search Agents 是面向特定领域的自学习网络爬取与研究代理,能自动化网页研究与数据检索,为 AI 提供更深度、更相关的网络上下文信息。
Visiby
74Track and grow your visibility across AI search
Visiby 帮助品牌追踪和提升在 ChatGPT、Perplexity、Gemini 等 AI 搜索平台上的曝光度与品牌提及率,解决品牌在 AI 时代的搜索可见性问题。
Nina by Antalpha
74Non-custodial AI Agent: research, predict & trade crypto
Nina 是 Antalpha(纳斯达克上市公司)推出的非托管 AI 交易助手,支持用自然语言查询加密货币和美股行情、生成交易建议与预测,用户自主签名钱包完成交易,兼顾机构级数据与个人资产安全。
Radar by Particle
74The Podcast Search Engine
Radar 是一款播客搜索引擎,通过转录 13 万+ 播客内容使其全文可搜索,并提供 API/MCP 接口供 AI Agent 调用。
Superagent
74Claude Code for the rest of us
Superagent 是一款 macOS 本地客户端,为 AI 编程 Agent 提供图形化操作环境,替代命令行工具,支持浏览器控制、iOS 模拟器、文件访问和 iPhone 联动,无需账号和服务器。
Firecrawl Developer Index
74A curated index of 70M+ artifacts for coding agents.
Firecrawl Developer Index 是一个面向 AI 编程智能体的专属搜索索引,聚合了 7000 万+ 条 GitHub README、Issues、PR 及文档,通过单一端点提供高召回率的代码生态检索能力。
PageIndex
74Accurate, trustworthy answers across professional documents
PageIndex 是一款面向专业文档的 AI 问答工具,支持跨多份长文档精准检索并提供可点击溯源的引用,帮助用户快速验证答案真实性。
Deepmark
74Search your bookmarks by what's inside them, not the title
Deepmark 将浏览器书签、X 收藏、Instagram 保存和 YouTube 稍后观看整合为一个私人库,通过 AI 语义理解(OCR、视频转录、内容嵌入)实现自然语言搜索,让用户用描述性语言找到任何已保存内容。
Reference
74Local semantic search for AI agents
Reference 是一款运行在本地的语义搜索工具,专为 AI 编程助手设计,让 Claude 等 AI Agent 能精准检索本地代码库并返回带引用的真实代码,而非泛泛的建议。
Firecrawl Research Index
74An index for agents pushing the frontier of AI/ML research
Firecrawl Research Index 是一个专为 AI/ML 研究场景构建的专用索引服务,整合了 arXiv 全部 300 万+ 论文与顶级研究仓库的 GitHub 代码,每日刷新,帮助 AI 智能体快速、全面地检索最新研究成果,解决主流搜索引擎对学术内容覆盖不全、排序失准的问题。
Jesse
74Stop building Apollo/Clay lists. Search the live internet.
Jesse 是一款面向销售和营销团队的实时互联网搜索引擎,通过自然语言查询从活跃网络中即时发现潜在客户,彻底替代 Apollo/Clay 等依赖陈旧数据库的传统销售线索工具。
Mirowl
74Search all your screenshots via a local OCR-powered AI
Mirowl 是一款本地优先的 Mac 应用,通过 OCR 技术对截图和图片资产建立索引,让用户可以全文搜索图片中的文字内容,解决截图难以检索的痛点。
Exa Monitors v2
72Web search on a schedule that calls your agent, $2/1k runs
Exa Monitors v2 是一个面向 AI 智能体的定时网络监控服务,当检测到新的相关内容时自动触发 Webhook 推送,价格降至 $2/千次运行。
Vakilat
72AI research for Indian lawyers with "0" hallucinations
Vakilat 是一款面向印度律师的 AI 法律研究工具,通过零幻觉技术和段落级引用,帮助律师上传文件/图片并获得可在法庭上直接引用的可靠研究结果。
Meshia
72Your autonomous research lab
Meshia 是一个自主研究实验室平台,将 AI 智能体、团队知识库与分布式算力整合到统一工作空间,帮助研究团队协作管理实验并持续优化研究目标。
Ugle
72Search across local audio/video archives by meaning, locally
Ugle 是一款本地运行的音视频语义搜索工具,无需上传文件即可通过语义理解在本地音视频档案中精准定位某段对话的时间戳。
Indexly
72AI Search Growth Platfrom
Indexly 是一个 AI 驱动的搜索增长平台,帮助品牌在 AI 搜索引擎中获得推荐曝光,并通过自动化内容分发、社交媒体、Reddit 和广告投放来提升自然流量和获客。
Free AI Visibility Report
72Show clients what ChatGPT says about them
一款面向营销代理商的免费AI可见性报告工具,帮助客户了解其品牌在ChatGPT、Gemini等AI搜索引擎中的表现,并提供可白标的PDF报告。
TOOOLS.design 2.0
72Find the right design tool. Just ask.
TOOOLS.design 2.0 是一个收录 2400+ 设计工具的精选目录,通过 AI 搜索帮助设计师快速找到合适的工具,并支持通过 MCP 协议接入 Claude、Cursor 等 AI 助手。
The Brains
72Founders and investors as MCP servers, every answer cited
The Brains 把创始人、CEO 和投资人的公开演讲、文章、访谈和推文打包成可被 AI 直接调用的 MCP 服务器,让用户在 Claude、Cursor、ChatGPT 等工具里就定价、融资、冷启动等问题直接「问本人」,且每条回答都附带原文引用和链接。
yggy
72The AI knowledge graph that builds itself
yggy 是一款自动构建知识图谱的 AI 工具,将杂乱文档和连接系统转化为结构化知识图谱,无需设计 Schema,支持团队协作、API 调用和 AI Agent 接入。
Ask Germany
72German bureaucracy, answered from official sources only
Ask Germany 是一个基于官方政府来源的德国行政事务问答工具,帮助用户用母语快速获取签证、税务、居住登记等德国政务信息,并附带原文出处和负责机构。
CX Agent
72One AI agent for every model — on Android and the web
CX Agent 是一款面向 Android 与网页端的通用 AI 智能体,通过联网搜索、商品卡片对比、来源标注、一键摘要表格与地点地图等功能,帮用户完成研究、比价和信息整理,并支持自带 OpenAI/Claude/Gemini 等模型密钥。
HireKey
72Your recruiter-informed AI copilot for tech job search
HireKey 是一款面向科技求职者的 AI 求职副驾,结合招聘官经验帮助用户评估岗位匹配度、定制简历、表达经历并跟踪申请进度,还提供可对话的 AI 语音面试教练进行实时反馈。
AI Cite Who
72Understand why AI recommends competitors and what to improve
AI Cite Who 是一款面向品牌方的「AI 搜索可见性审计」工具:抓取 ChatGPT、Gemini、Perplexity 等 AI 对真实买家问题的回答,给出竞品被推荐的证据、被引用的信源,并输出一份按优先级排序的网站与第三方渠道优化清单,帮助品牌弄清「为什么 AI 推荐对手而不是我」。
HiringNow
72AI job search agent that applies early, with your approval
HiringNow 是一款 AI 求职代理,直接抓取 24.7 万家企业招聘页并每 5 分钟刷新,为求职者匹配岗位、定制简历与求职信,在经用户确认后尽早投递,并在求职看板中为每次投递留存回执,解决「发现晚、投得慢、投递不透明」的问题。
AlfaFinances
72Your portfolio, research and market news in one place
AlfaFinances 是一个面向个人投资者的投资工作台,把持仓与自选股实时追踪、SEC Form 4 内部人交易检索、研究评分、每日市场简报和 AI 助手 Alfa 整合到一个界面,并通过邮件/Telegram 推送价格提醒,让用户在一个地方完成晨间投资例行流程。
Squint
72Drag a box on your screen and ask AI about it
Squint 是一款屏幕框选即时问答工具:按下热键在屏幕任意位置拖出选框,AI 直接在选框旁给出答案并支持追问,把传统「截图→切标签页→上传→再切回来」的四步流程压缩成一步,解决屏幕内容提问时上下文切换过重的问题。
seo-console-mcp
72One MCP server for Search Console, the App Store and Play
一个覆盖多平台的 SEO 数据 MCP 服务器,把 Google Search Console、App Store、Google Play 和 WordPress.org 四个『产品被发现』渠道统一到 43 个工具里,让 AI 代理(或命令行)能直接查询搜索分析、索引覆盖、IndexNow 提交、页面审计、应用商店列表合规检查、Core Web Vitals 等数据,解决 SEO 工具只覆盖 Google 网页搜索、渠道割裂的问题。
OpenScience
72The open-source AI workbench for scientific research
OpenScience 是一个开源 AI 科研工作台,能自动阅读论文、编写并运行代码、管理实验任务,帮助研究人员实现自动化科学实验循环。
Hakken
72A course built for you, not the average of everyone
Hakken 是一款 AI 个性化课程生成工具,通过面试用户的已有知识和时间情况,为其量身定制学习课程,并支持将课程转为播客形式收听,同时配备 AI 导师实时答疑和动态调整课程内容。
GeoVisible
72Track and improve your brand visibility in AI search
GeoVisible 帮助品牌追踪并提升其在 ChatGPT、Perplexity、Claude 等 AI 搜索引擎中的曝光度与推荐频率,解决品牌在 AI 时代的搜索可见性问题。
Video Atlas
72Browse and search videos across all your external drives
Video Atlas 是一款 Mac 本地视频管理工具,可将多个外置硬盘和文件夹中的视频统一索引为一个库,支持离线预览、AI 场景/人物搜索及重复视频检测,所有 AI 处理均在本地运行。
Sim Search
72Turn your data into a knowledge graph
Sim Search 是一个开源 AI 工作空间,帮助企业将个人和公司数据转化为知识图谱,并在此基础上构建、部署、监控和治理 AI 智能体与工作流。
OzBrain
72Your knowledge shared with every AI agent & any teammate
OzBrain 是一个为 AI 智能体和团队成员共享的知识库平台,让所有 AI 工具和协作者能自动读写同一个加密知识库,无需手动维护。
AI Toolbox 3.0
72Search, organize and export every AI chat in one place
AI Toolbox 是一款浏览器扩展,为 ChatGPT、Claude、Gemini 和 Grok 提供统一的对话管理层,支持跨平台全文搜索、文件夹整理、提示词库和批量导出功能。
AI 搜索 · KOL 观点
Karpathy于2026年4月提出'LLM Wiki'概念:由语言模型自动维护的Markdown知识库,将文档摘要、实体页和概念页持续积累更新,而非每次查询时重新检索原始文档。该模式解决了传统Wiki因维护成本高而被废弃的问题,模型承担全部维护工作。Sentra将此概念扩展至企业级,接入Slack、邮件、会议等多源数据,实现团队级组织记忆。
Claude Code 创作者 Boris Cherny 分享了一套渐进式 AI 编程工作流:从代码库问答入手,逐步扩大 Agent 授权范围,通过可观察的反馈回路(测试、截图)让模型自主迭代验证。核心理念是将'是否信任 AI'拆解为逐步增加授权与反馈的工程过程,而非一次性交付大任务。配合 CLAUDE.md 管理项目上下文,最终实现 SDK 自动化与多工作区并行。
Andrej Karpathy警告称,AI能力认知鸿沟正在急剧扩大:约60亿人几乎未接触过LLM,10-20亿人仅将AI用作'更好的谷歌搜索',而约5000人已在使用能协调数千个AI智能体的前沿系统执行超大规模任务。他指出人类审阅与理解能力正开始落后于AI的产出速度,这一差距在编程和数学等可验证数字领域尤为突出。
Karpathy 用一个“漏斗模型”刻画了不同人群对 LLM 能力的认知鸿沟:约 60 亿人几乎没接触过 LLM,10-20 亿人只把免费版聊天机器人当成更好的搜索和写作工具,约 2000 万数学/编程从业者已亲眼见证 agent 在数周内完成过去数月的工作,而真正接触前沿内部系统的可能只有约 5000 人,看到的已是数千 agent 协作数周完成软件巨型项目、挖掘零日漏洞、推进数学前沿。他强调这个鸿沟正在扩大而非缩小,成因在于 LLM 的收益随问题的规模与时间跨度放大,同时能力分布高度“锯齿化”——峰值出现在数字化、可验证、有经济价值的领域,因为能力来自可验证奖励的强化学习。
Andrej Karpathy 与 Sarah Guo 深度对话,探讨 AI 代理(Code Agents)的现状与未来,重点介绍其 AutoResearch 项目——让 AI 代理自主完成实验设计、数据收集和模型优化的闭环研究流程。同时讨论了自然语言编程的二阶效应、AI 时代的相关技能、模型分化(Model Speciation)以及 AI 对就业市场的影响。
Andrej Karpathy 分享了一套以 LLM 为核心的个人知识库构建方法:将原始资料(PDF、文章、图片等)存入 raw/ 文件夹,由 LLM 自动编译成可互查的 Markdown Wiki,人类角色从「写笔记」转变为「监督 LLM 写笔记」。该系统已在其个人项目中积累约 100 篇文章、40 万词,全部由 LLM 端到端生成与维护。这一「LLM 驱动内容,人类监控」的范式与传统 Obsidian/Notion 手动维护方式有本质区别。
Andrej Karpathy 探讨了 AI 代码智能体的现状与未来,重点介绍了其 AutoResearch 项目——一个能够自主完成 AI 研究闭环(实验设计、数据收集、训练优化)的智能体系统。他还深入分析了自然语言编程的二阶效应、AI 时代的相关技能演变、模型物种化趋势以及对就业市场的影响。
Anthropic工程师Boris Cherny在YC演讲中分享了Claude Code的构建经验:随着模型能力提升(如Opus 5在ARC-AGI-3达到30%),超过80%的系统提示词被删除,因为新模型不再需要这些补偿性提示。他提出'产品悬挂'概念,指出现有工具往往限制了模型真实能力的发挥,建议创业者定期清空提示词工程积累,让模型能力自然表达。
Andrej Karpathy 发布了开源项目 autoresearch,一个仅 630 行 Python 代码的自主 AI 研究框架,能在无人干预的情况下一夜完成上百次实验迭代。其核心创新在于让 AI agent 直接修改训练代码而非调参,实现了开放式架构探索。实测结果显示,该系统在 Karpathy 已优化的代码基础上再提速 11%,并发现了人类研究者遗漏的 bug。
Andrej Karpathy 展示了 AI 自主科研的早期实践:他用约30行代码构建了一个自动化研究智能体 AutoResearch,能够在无人干预的情况下循环执行假设-实验-验证流程,两天内发现约20项互补优化,将训练速度提升11%。这标志着 AI 从执行指令向复现科学方法的跨越,Karpathy 本人也于2026年5月加入 Anthropic 将此方法规模化应用于 Claude 的研究。
Andrej Karpathy 分享了他将 LLM 用于构建个人知识库的完整工作流:通过自动摘要、结构化 wiki 生成、自我修正循环,将碎片化信息转化为可持续增长的知识操作系统。该系统无需 RAG 或向量数据库,最终目标是将知识微调进模型权重。这代表了从「使用 AI 回答问题」到「用 AI 构建知识基础设施」的范式转变。
Karpathy 提出的「循环工程」范式用持续自动化循环替代单次提示,核心是验证器+状态文件+停止条件三件套。其 AutoResearch 项目在2天内运行约700次实验,发现了人工遗漏的改进;Bilevel Autoresearch 在此基础上叠加元循环,同等基准上报告了5倍的收益。
Karpathy提出将笔记视为不可变'源代码'、以LLM为'编译器'构建结构化个人知识库的新范式,用三层架构(原始层/模式层/Wiki层)取代传统RAG的碎片化检索。该框架通过Ingest、Query、Lint三类操作自动维护知识一致性,解决了个人知识管理长期存在的维护成本过高问题,被视为继Vibe Coding和Agentic Engineering之后人机协作的第三个重要范式。
本文系统介绍了 Andrej Karpathy 提出的 LLM Agent 记忆四分类框架:权重内记忆、上下文记忆、外部检索记忆和 KV 缓存记忆,并结合 Python 代码讲解每种记忆的实现方式。文章兼具理论深度与工程实用性,是构建 AI Agent 记忆系统的高质量参考指南。
Andrej Karpathy 在 AI 创业学校的主题演讲中提出「Software 3.0」概念,认为自然语言正成为新的编程接口,LLM 是一种新型计算机。这一范式转变不仅改变了开发者的工具链,更重新定义了软件本身的构建方式。对开发者、用户和产品设计均有深远影响。
Karpathy 用漏斗模型刻画 LLM 能力认知的严重分层:约 60 亿人几乎未接触 LLM,10-20 亿人只把免费版当聊天玩具或更强的搜索,约 2000 万数学与编程专业用户已用 frontier 模型把原本数周数月的项目压缩成一次提示,而仅约 5000 人能在内部看到数千 agent 协作数周完成软件巨项目、加速数学与科学前沿。他指出这一认知鸿沟正在从「两组人各说各话」变成结构化的漏斗,由「影响力随野心、问题规模与时间跨度放大」和「能力分布高度锯齿化(数字、可验证、经济价值高的领域峰值最高)」两股力量驱动,并警告人类的审查与理解能力已经开始落后于系统产出。
Karpathy 在 2026 年 4 月提出的「LLM wiki」模式:用不可变的原始素材、由 LLM 撰写维护的 markdown 知识库、以及约束结构的 schema 文件构成三层,配合 ingest / query / lint 三种操作,通过一份 idea file 让 agent 与用户共同搭建。该模式在约 100 个来源、数百页的规模内不依赖向量检索,仅靠 index.md 与 log.md 导航与留痕;相比 RAG 每次按问题临时取块,它把好的问答结果回写沉淀,使知识随使用不断复合增长。
Andrej Karpathy 系统讲解了大语言模型的正确使用方式,核心是将上下文窗口理解为工作记忆,区分预训练知识与后训练助手能力。他强调应根据任务类型选择合适的模型层级和工具(如搜索、代码解释器),而非一刀切地依赖模型的下一词预测能力。
GPT's Learning Principles and Applications | Andrej Karpathy — Andrej Karpathy | CEOInterviews.AI
82Andrej Karpathy在Microsoft Build 2023的演讲中系统讲解了GPT的四阶段训练流程:预训练、SFT、奖励建模和RLHF,并深入分析了LLM与人类认知的本质差异。他强调LLM是token模拟器而非真正的推理者,建议开发者优先使用GPT-4、采用思维链提示等技术,并在低风险场景中配合人工监督使用。演讲还涵盖了RAG、工具使用、幻觉局限等实用应用指导。
Anthropic内部人员Boris Cherny宣布Claude Chat与Cowork功能正式合并为统一的Claude体验,用户可以像交付任务给开发者一样将工作交给Claude异步完成。这标志着AI从问答工具向真正的异步工作代理演进,覆盖开发者和知识工作者两类群体。该功能将逐步向Pro和Max用户推出。
Andrej Karpathy 分享了一种三步 LLM 辅助阅读法(手动初读 → 解释摘要 → Q&A 问答),认为这是 LLM 最有价值的使用场景之一。他同时预判写作范式将发生转变:内容创作者未来可能从「为人类写作」转向「为 LLM 写作」,由 LLM 再做个性化分发。他还发布了一个名为 reader3 的开源工具用于 EPUB 的 LLM 辅助阅读。
Andrej Karpathy(OpenAI联合创始人、特斯拉AI总监)分享了7个提升AI使用效率的非常规技巧,核心理念是将AI视为协作伙伴而非搜索引擎。关键方法包括:用语音转文字替代打字、为AI构建个人知识Wiki、以及用大任务驱动AI而非小查询。这些方法使其工作效率提升约10倍。
Boris Cherny(Claude Code核心开发者)分享了Claude Code背后的工程决策:团队放弃了RAG方案,转而使用原生grep/glob工具;将代码审查转化为lint规则自动化;并通过大量原型迭代(单个功能15-20次)驱动开发。Boris本人已卸载IDE,每天合并10-20个PR且不手写任何代码。
Karpathy预测AI领域将出现'认知核心'模型——数十亿参数规模的小型模型,以最大化牺牲百科全书式知识为代价,专注于推理能力的提升。这类模型将'思考'得非常好且可靠,但本身存储的知识极少,依赖外部工具或检索系统获取信息。这一预测暗示未来AI架构将走向推理与记忆分离的模块化路线。
Andrej Karpathy提出用LLM维护的Markdown知识库替代传统RAG检索管道,让模型持续编译和更新知识而非每次重新推导。文章进一步探讨如何在受监管的银行环境中部署这一架构,核心论点是这种'编译而非检索'的范式已成为行业均衡点,而非短暂趋势。
Karpathy在2025年指出当前大模型缺乏持续学习能力,修复这一缺陷可能需要十年。文章梳理了解决'灾难性遗忘'问题的五条技术路径:外部记忆系统、上下文工程、持续后训练、持续预训练及新型范式。持续学习已成为AI领域最热门的研究方向之一,大量初创公司和学术机构正在密集布局。
文章描述了AI工程的三阶段演进:从提示词工程(2024)到循环工程(2025-2026初),再到图工程(2026中)。以Karpathy的autoresearch项目为切入点,阐述了从线性循环架构转向有向图工作流架构的必要性,核心洞察是'循环容错,图迫使你承认工作流中尚未建模的部分'。
Claude Code的记忆系统完全基于纯文本Markdown文件,不含任何向量/嵌入机制,这是经过实验后主动移除RAG的结果。作者认为在构建Agent记忆系统时,应优先尝试ADR(架构决策记录)和结构化文本,而非默认选择Memory RAG。核心论点是RAG的本质是'由谁、在何时做相关性判断',在上下文感知需求强的场景下,让模型直接阅读比向量检索更优。
Andrej Karpathy 分享了他日常使用 LLM 的核心方式:不是辅助写代码,而是构建个人知识库。他将原始资料(论文、网页、代码库)输入后,由 LLM 自动生成结构化 Markdown wiki,存储在 Obsidian 中,规模达 40 万词后无需 RAG 即可直接查询。这套系统还能自动运行健康检查,填补知识缺口,输出幻灯片和图表。