LLM Wiki 是把個人筆記交給大型語言模型讀過、重寫成 wiki 文章的做法,源自 Andrej Karpathy(前 Tesla AI 總監、OpenAI 創始成員)公開的 llm-wiki gist。劉亮據此建立的實例就是這座知識庫本身:0406/ 放原始筆記且只讀,wiki/ 放由模型寫出、可反覆重寫的文章。他在 2026 年 8 月把這套實作整理成講座與工作坊的開課大綱,見 LLM Wiki 開課計劃。

出現之前的筆記狀態

在 LLM Wiki 之前,劉亮的筆記長期停在 Apple 內建備忘錄,他的說法是「找不到真正合適的軟體」。中間經過一段 Obsidian 與相關 AI 工具的摸索期,觸發他接觸 Obsidian 的是幾組筆記與知識管理概念:結構洞(社會網絡理論中人與人之間的連結空缺)、關聯圖(Obsidian 的雙向連結視覺化)、卡片筆記法(Zettelkasten)、第二大腦(Tiago Forte 的個人知識管理方法,見 十億美元創作者)。這段摸索在講座大綱裡是要展示心得感想與實際產出的一節,意即該階段已有可展示的成果,只是尚未收斂成系統。

那段摸索期留下的具體痕跡是 MOC,而且規模不小:0406/ 底下有 127 份筆記的 frontmatter 指向 MOC 頁面,其中 123 份集中在 USEFUL/👀 視覺化溝通/,日期從 2024-12 到 2025-11,全部早於這座 wiki 的建立。當時他用的是 LYT框架那一套按主題地圖組織筆記的做法。

但那些 MOC 頁面本身幾乎都是空的——實際存在的五個檔案裡有四個是 0 bytes,唯一有內容的一個只放了一段 Dataview 查詢。指路的那一半建好了,地圖那一半沒有寫。這比「工具沒選對」更能說明那個階段為什麼沒有收斂:結構的形式在,判斷沒有放進去。

這條前史也解釋了 AI工具長期停留在工具清單的狀態:工具追蹤有了,把工具接進日常產出的那一步要等 LLM Wiki 才發生。

血統與設計哲學

系統由兩份公開文件拼成,分工明確。基底是 llm-wiki gist,它提供主張與架構:知識要編譯成一個持久且會複利的產物,而不是每次查詢重新檢索;三層架構分成不可變的原始來源、模型完全擁有的 wiki、人與模型共同演化的 schema;人類放棄 wiki 是因為維護負擔成長得比價值快,而 LLM 讓維護成本趨近於零。劉亮額外加入的 personal_wiki_skill(farzaa 發布的 Claude Code skill)提供作業規範:作家心態(模型的角色是作家而非歸檔員)、Wikipedia 語氣標準、各類型文章的長度目標與結構規範。這三項是這座 wiki 之所以讀起來是文章而不是筆記堆的原因,也對應到 wiki/references/writing.md 的內容。

上游文件對此是預期的。Karpathy 的 gist 開頭與結尾都聲明自己刻意抽象,只負責傳達模式,目錄結構與慣例應由 agent 與使用者協作長出來;farzaa 的目錄清單同樣寫明類型要從資料裡長出來、不要預先建立。分歧不是偏離。

與上游的七處分歧

項目上游這座 wiki
ingest 指令farzaa 用 Python 腳本把 Day One、Notion、iMessage 等格式轉成 raw entries沒有這個指令。0406/ 本身就是 Obsidian vault 的 .md
lint 指令只有 Karpathy 提到,farzaa 的六個指令裡沒有保留,並加上 callout 掃描與 log.md 格式檢查
查詢結果回存Karpathy 標為關鍵洞見:好答案應回存成新頁面,讓探索也複利query 明確禁止修改任何檔案
目錄分類farzaa 列出約 40 個類型六類。synthesis/ 不在上游清單上,是本地新增
拆分判準行數,超過 120 行臃腫、超過 150 行考慮拆改為結構,需要三層以上章節才組織得起來時才拆,行數降為輔助訊號
Callout兩份文件都沒有新增四種標記(note/warning/question/todo),並讓 lint 掃描它們
多版本farzaa 用 --dir 切換平行宇宙,各版本互不參照兩座各自獨立的 wiki,生活工作版與學術研究版

七項裡最值得記的是查詢結果回存。Karpathy 的理由是探索出來的比較表或分析不該消散在對話紀錄裡,這座 wiki 反其道而行,把 query 鎖成唯讀,改用 absorb 把對話產出當成來源材料吸收,_absorb_log.json 裡有多筆 session 的來源標為「對話記錄,非筆記檔案」。結果一樣是回存,路徑不同:它由人下令,不是查詢的副作用。

同期的另一種架構

同樣是 Obsidian 加 Claude Code、同樣要讓一座 vault 被模型讀得動,LYT框架 給的是另一個答案。LYT 保留原子筆記不改寫,在上面加一層 MOC(Maps of Content)——一則按人的思路排列連結的主題地圖,讓模型打開一張就掌握整個主題的 context。llm-wiki 的做法是把來源編譯成重寫過的文章,原始筆記維持只讀。兩者的分工因此相反:LYT 的知識庫由人寫、AI 協助歸檔與連結,這座 wiki 的知識庫由 AI 寫,人只提供來源與規範。

這條線索是 2026-08-05 從 Clippings/ 的一篇 LYT 教學文章吸收進來的,不是劉亮自己的實作紀錄。他為什麼收藏、是否打算取用其中的做法,目前沒有任何筆記寫到。

產出紀錄

四條實際用途、產出鏈本身的遞迴形狀、四個月沒有中斷的三項原因,以及一份質疑這類系統有沒有用的反對意見,見 LLM Wiki 產出紀錄。

系統維護

劉亮把 wiki 當成需要定期保養的系統,而不是一次設定就不動的工具,維護動作跟著 AI 動態走。2026 年的一次維護分兩步:先讓 AI 依〈The new rules of context engineering for Claude 5 generation models〉整理出的要點對既有文章做檢核,接著針對 log.md 累積的混亂紀錄做重新整理。他對結果的評價是滿意。

維護的必要性來自一項他原本沒有察覺的性質:系統會在正常使用期間悄悄劣化,而且不會報錯。 劣化不等於停止輸入,而是各部分之間出現不一致。已留下紀錄的三個實例——overview.md 曾在 2026-07-06 至 07-25 停在 43 篇不動,當時新文章仍在增加,索引還在但說的話是錯的;_index.md 與 overview.md 的篇數一度採兩種計法,兩處都把概覽算進六類而多算一篇;log.md 曾有一條把 1,469 字整段塞進標題行。共同點是三者都發生在他正常使用的期間,沒有任何錯誤訊息,而且不會有人每天打開 overview.md 檢查它有沒有說謊。空的索引使用者知道要繞開,錯的索引使用者會相信。

這組紀錄補上了 llm-wiki gist 沒有處理的一半。Karpathy 的論證是 LLM 讓維護成本趨近於零,所以 wiki 維持得住;劉亮這邊的實測顯示成本降到近零不等於維護會自動發生。三個實例都不是模型做不到,是沒有人下令做,而劣化本身不會發出要人下令的訊號。

工具面的補充是 kepano 發布的 Claude Obsidian Skill(obsidian-skills),列為工作坊要教的技巧。圖片如何納入 wiki 也列為工作坊題目,做法已寫進 wiki/wiki-handbook.md。

兩座 wiki 的拆分

學術研究用途另建一座 wiki,與個人生活筆記這座分開。劉亮 2026-08-13 給出兩個理由,一個是刻意設計,一個是風險管控。

實驗組與對照組。 這座生活工作版加了 personal_wiki_skill,學術版則維持純 llm-wiki gist,兩座並行是為了觀察兩者的差異。所謂「學術版不適用 personal_wiki_skill」因此不是相容性問題,是他刻意留白:farzaa 那份補的是寫作規範(作家心態、Wikipedia 語氣、長度與結構),拿掉之後才看得出它到底貢獻了什麼。本頁「與上游的七處分歧」記的是這座 wiki 偏離上游多遠,而學術版是另一端的參照點。

避免材料互相污染。 論文有大量文獻、訪談逐字稿與分析,他擔心在分析與撰寫過程中兩邊內容彼此混淆,造成管理維護上的困難。這個判斷下在建立之初,屬於保險而非事後補救——當時還沒有發生混淆,是預判。論文端的實際使用方式見 學術研究。

實驗目前沒有結論。兩座各自累積,但沒有任何筆記記下比較結果,也沒有訂出何時該回頭比對。

對外發布

計劃中列了三種延伸產出:某個主題的專屬網頁(他舉的例子是演唱會製作)、個人網站、方便更新的文章部落格。共同前提是 wiki 的內容已經是成篇的文章而非筆記,可直接對外發布。到 2026 年 8 月中,個人網站這項成立——滾寒宮建站歷程 用 Quartz 5+GitHub+Cloudflare 把 wiki 文章發布成 Digital Garden,目前 26 篇帶 publish: true。另一件成品 LLM Wiki 入門指南網頁(2026-08-04 上線)不算在內,它是為教學另寫的一頁。專屬主題網頁仍未做。

兩次上線對隱私給了不同答案,而隱私才是這個方向真正的成本。入門指南只用五張截圖,就有四張越過示範邊界,露出人名、文章標題與財務項目名稱,劉亮評估後維持原樣上線;滾寒宮要處理的是整批文章,改用架構解決——預設不公開、frontmatter 白名單擋掉列著私人檔名的 sources: 與 related:、[!todo] 與 [!question] 自動剝除。逐項審查換成了逐篇 opt-in:成本沒有消失,但變成可以一次付一點。