eviso's thinking
/ AI / Token / 产业分析

LLM Wiki个性化方案：File over App的新范式

Karpathy 转发了 Farzapedia（一个个人Wikipedia项目），并给予了高度评价。他系统地阐述了一种AI个性化的新哲学——explicit memory artifact vs. implicit learning：

「The knowledge of you is not implicit and unknown, it's explicit and viewable.」

他的四个论点非常有力：

  1. Explicit —— Wiki 是显式可导航的，你可以看到AI知道什么、不知道什么
  2. Yours —— 数据在你本地电脑上，不在AI提供商那里
  3. File over app —— 用通用格式（图片、markdown）的文件存储，可以用Unix工具链处理，任何LLM都可以读取
  4. BYOAI —— 你可以用任意AI（Claude、Codex等）接入这个信息，甚至可以微调一个「认识你」的模型

他还说了一句被广泛认同的话：「Agent proficiency is a CORE SKILL of the 21st century」—— 代理能力是21世纪的核心技能。

【推文2】AI让政府变得更可追责

Karpathy 提出了一个大胆的观点：AI可以帮助普通人理解政府正在做什么，而以往这是只有专业调查记者才能做到的事。

他举的例子很具体：4000页的Omnibus bill在法律上是「透明的」，但实际上普通人根本无法消化。AI可以做到：详细审计政府支出、追踪立法 diff、分析 lobbying 网络（lobbyist → firm → client → legislator → committee → vote → regulation）、检测 regulatory capture、追踪司法模式……

「Government accountability has not been constrained by access... it has been constrained by intelligence — the ability to process a lot of raw data, combine it with domain expertise and derive insights.」

这是 Karpathy 少见的「AI乐观主义」表达——他承认同样的工具可以被用于监控普通人，但他「lean optimistic」。

【推文3】从 viral tweet 到 idea file

Karpathy 那条关于 LLM Wiki 的推文 viral 后，他分享了一个「improved version」——一个 gist 格式的 idea file，可以用 agent 构建你自己的个性化 wiki。

他的核心观点：在LLM agents时代，分享具体的代码/app意义变小了，你分享「想法」，然后别人的 agent 为他们自己的需求定制构建。

要不要看原文： ✅ 值得看。Karpathy 的两条思考都有很高的思维密度。第一条关于「File over App vs 中心化AI记忆」的哲学论述很有原创性；第二条关于政府透明度的观点在技术社区中引起了真实讨论。两篇都是 thread，信息完整。

原始链接：