Ein LLM-Wiki ist ein Muster von Andrej Karpathy: eine persönliche Wissensdatenbank, die ein Sprachmodell-Agent gemeinsam mit der Person pflegt, der sie gehört. Statt für jede Frage die Rohdokumente neu zu durchsuchen, liest der Agent jede Quelle einmal und arbeitet sie in eine wachsende Sammlung verlinkter Notizen ein. Die Person wählt die Quellen aus und stellt die Fragen. Der Agent fasst zusammen, verknüpft und führt ein Logbuch. Die üblichen Abläufe sind Einlesen, Abfragen und Prüfen.
Mehr dazu
- Behandelt in
-
- Die Suche meiner Wissensdatenbank vermessen Fünf lokale Embedding-Modelle gegen 26 Testfragen: warum die Suche jetzt mit BGE-M3 statt multilingual-e5-small läuft, mit einem neuen Mindestwert.
- Wie ein LLM-Wiki funktioniert Wie ein LLM-Wiki funktioniert, am Beispiel dieser Wissensdatenbank: Markdown in einem eigenen Git-Repository, ein Python-Tool mit MCP für Agenten und eine Website, die nur anzeigt.
- Siehe auch
-
- KI / Sprachmodelle Modelle, die mit viel Text trainiert sind und Sprache verstehen und erzeugen: LLMs, Embeddings, RAG und lokale Modelle im Einsatz.
- KI-Agenten KI-Apps, deren Sprachmodell Werkzeuge aufruft, um Arbeit zu erledigen, etwa Claude Code und Claude Desktop, und wie du sie sicher betreibst.
- Wissensgraph Wissen als Netz aus Knoten und benannten Beziehungen statt als Liste nach Datum. Die Struktur zeigt, was womit zusammenhängt.
- Schlagwörter