LLM Wiki
karpathy 提出的个人知识库模式（gist 原文）：让 LLM 增量构建并持续维护一个持久 wiki，而不是像 RAG 那样每次查询从原始文档重新检索拼凑。知识被”编译”进 wiki 一次，然后保持更新——交叉引用预先建好、矛盾预先标注、综合反映全部已读内容。wiki 是持续复利的资产，而非每次从零推导。
核心设计
- 三层：raw 原始资料（只读事实源）/ wiki 页面（LLM 全权维护）/ schema 文档（约定与流程，如 AGENTS.md）。
- 三操作：ingest（摄入：摘要页 + 更新实体/概念页 + 目录 + 日志）、query（问答，好答案归档回 wiki）、lint（定期体检：矛盾 / 孤儿页 / 断链 / 缺口）。
- 两个导航文件：index.md（内容目录，查询入口）+ log.md（时间线，可 grep 的追加日志）。
- 分工：人负责投喂、提问、把关；LLM 负责全部记账。维护成本趋近于零，这正是人工 wiki 会荒废而 LLM wiki 不会的原因。精神上承袭 Vannevar Bush 的 Memex（1945）。
工程化
两个生产实例：
- Perplexity Brain（详见 Brain - Agentic Memory as a Knowledge Wiki）：Git 版本化 + changelog、上下文边 / 证据边两类链接、Dream 后台代理自动维护、Memory Agent 按需物化检索。评估显示 wiki 增益集中在跨 session / 跨来源的综合问题上。
- OpenWiki（详见 Colin Francis - Memory Has a Forgetting Problem）：面向代码库的自动 wiki。用 claims runtime 把”页面结论与原文冲突时以原文为准”自动化——断言 + 证据版本绑定、确定性 staleness 检测、stale claims 随页面阅读顺手自纠正；并以 OKF v0.2 把信任摘要（证据源 / generated / verified）变成可移植的 front matter。
另一个形状同构的实例是 Warp 的 skill 自改进回路（详见 自改进 Agent 回路）：知识编码进 skill 文件、agent 干活时查阅、人类反馈驱动最小编辑、经 PR review 合并——增量维护 + 改动可审，只是载体从 wiki 页面换成 skill 文件。
本库的对应：这条规则在 AGENTS.md 里靠约定执行，lint 时由 scripts/check.sh 做确定性检查、语义冲突由 agent 判断——与 OpenWiki 的”机器判定 + agent 复核”分层同构，只是尚未做到逐条 claim 的证据版本化。
本库
这个知识库本身即该模式的实例：wiki/ 各子目录对应页面类型，schema 在 AGENTS.md。
来源与相关页面
- Brain - Agentic Memory as a Knowledge Wiki（Perplexity 博客，引用了原 gist）
- Colin Francis - Memory Has a Forgetting Problem（OpenWiki claims runtime）
- Warp - Self-Improving Agents on Claude（skill 自改进回路）
- Agentic Memory · 自改进 Agent 回路 · AI