llm-knowledge-base
Andrej Karpathyのパターンに従って、個人用LLMナレッジベースをデプロイします。任意のディレクトリに3層のウィキシステム（生データソース、LLM管理ウィキ、出力）を構築できます。以下の場合に活用してください：ナレッジベースの作成、ウィキのセットアップ、LLMを使った情報整理、セカンドブレイン（AI脳）の構築、Karpathyのナレッジベースパターンの導入、個人ウィキの立ち上げ、Claude連携のObsidianナレッジベース構築。また、「ナレッジベース」「LLMウィキ」「個人ウィキ」「AI搭載セカンドブレイン」といった表現が出た場合や、ドキュメントをLLMに管理させるための整理方法についての質問にも活用します。
description の原文を見る
Deploy a personal LLM Knowledge Base following Andrej Karpathy's pattern. Creates a 3-layer wiki system (raw sources, LLM-maintained wiki, outputs) in any directory. Use this skill whenever the user wants to: create a knowledge base, set up a wiki, organize their notes with LLM, build a second brain, deploy Karpathy's KB pattern, start a personal wiki, or set up an Obsidian knowledge base with Claude. Also use when someone says "knowledge base", "LLM wiki", "personal wiki", "second brain with AI", or asks how to organize documents so an LLM can maintain them.
SKILL.md 本文
LLM ナレッジベース
任意のディレクトリに個人用 LLM ナレッジベースをデプロイします。Andrej Karpathy のパターンに基づいています: RAG (クエリのたびに再導出) の代わりに、LLM は生のソースから永続的なウィキを段階的に構築・保守します。ウィキは時間とともに複合化します — 追加されたすべてのソースと質問されたすべての質問がそれをより豊かにします。
ソース: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
この方法が存在する理由
ほとんどの人は RAG を通じてドキュメントで LLM を使用します: ファイルをアップロードし、モデルがクエリごとに関連チャンクを検索し、回答を生成します。問題: 知識は決して蓄積しません。各質問はゼロから始まります。
ナレッジベースの保守の退屈な部分は読むことや考えることではなく、簿記です。人間がウィキを放棄するのは、保守コストが価値よりも速く増えるからです。LLM は疲れず、1 回のパスで 15 個のファイルを更新できます。このパターンはそれを利用します。
作成されるもの
your-directory/
├── raw/ # 不変のソースドキュメント(ユーザーが書き、L
...
詳細情報
- 作者
- Serg28
- リポジトリ
- Serg28/demosite
- ライセンス
- unknown
- 最終更新
- 2026/5/10
Source: https://github.com/Serg28/demosite / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。