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
- 不明
- 最終更新
- 2026/5/10
Source: https://github.com/Serg28/demosite / ライセンス: 未指定