Karpathy LLM Wiki — 社区实现调研

Codex 核验(2026-10-10):当前官方仓库为 Graphify-Labs/graphify,默认分支 v8;10 月 9 日 API 快照为 124,844 stars、Apache-2.0,本文 83K 等数字保留为历史快照。当前代码 AST 建图可本地、确定性且不调用 LLM;文档、PDF、图片等语义处理使用宿主模型或配置后端,不能把整个流程概括为零模型费用、完全不外发。README 明确提供可选 graphifyy[mcp] stdio 服务,skill 和 MCP 是不同接入方式;小样本 context reduction 不等于整项任务账单下降。

来源:小红书 VibeCoder 对比笔记 | Karpathy Gist 170万+浏览 核心理念:让 LLM 把原始资料「编译」成结构化 Markdown Wiki,知识越用越多


一、LLM Wiki 三层架构

raw/     → 原始资料(不可变,LLM 只读)
wiki/    → LLM 编译出的结构化文章
schema   → 自然语言配置文件

飞轮效应: Agent 构建知识库 → 知识库提升 Agent 能力 → 能力更强编译更好 → 知识库更丰富


二、三种开源实现对比

维度sage-wiki (Go)llm-wiki (Python)Thinking-Space (TS+Electron)
定位Karpathy 构想最忠实实现CLI+LLM 分离,最灵活全功能知识工作站
编译管道5-Pass 编译SKILL.md 委托 Agent55+ 能力操作
存储SQLite 本体图谱文件系统SQLite/文件
搜索四维混合搜索委托 Agent内建搜索
MCP 工具14 个工具通过 SKILL.md 暴露内建 MCP
格式Markdown20+ 格式,jieba 中文Markdown + Excalidraw
部署单一二进制零依赖pip installElectron/Web/iOS
适合研究者/学者多格式知识工作者GUI 用户

sage-wiki(最契合 Karpathy 原意)

  • 5-Pass 编译管道:raw → extract → structure → link → wiki
  • SQLite 本体图谱:自动构建实体关系图
  • 四维混合搜索:全文 + 向量 + 图 + 时间线
  • 14 个 MCP 工具 — 可被任何 MCP 客户端调用
  • 设计哲学:放文件进去,自动编译出 Wiki

llm-wiki(最灵活)

  • CLI 和 LLM 完全分离:确定性操作零 LLM 依赖
  • 智能操作通过 SKILL.md 委托给任意 Agent
  • 支持 20+ 文件格式(PDF/DOCX/HTML/MD 等)
  • jieba 中文分词原生支持
  • 适合接入 Hermes Agent 作为知识处理管道

Thinking-Space(最全功能)

  • 55+ 能力操作
  • 跨平台:Electron / Web / iOS
  • 内嵌终端 + Excalidraw 白板
  • 完整 GUI 知识工作站

三、与 gbrain 的对比与互补

维度gbrainLLM Wiki
知识来源用户写的 pages + 自动采集原始资料文件 → 编译
结构标签+类型+图关系raw/wiki/schema 三层
编译无(存储即检索)5-Pass 编译管道
检索向量 + 全文 + 图全文 + 向量 + 图 + 时间线
文件输入手动 put_page自动扫描 raw/ 目录
中文支持sage-wiki 需确认,llm-wiki 原生

互补点:

  • sage-wiki 的 5-Pass 编译管道 → 可以前置到 gbrain 作为知识注入管道
  • llm-wiki 的中文 + 多格式支持 → gbrain 缺少的文件到知识转换层
  • gbrain 的图遍历 + 事实层 → LLM Wiki 缺少的结构化推理
  • 最佳组合:llm-wiki 做文件摄入 → gbrain 做知识检索与推理

四、“Idea File” 范式

Karpathy 提出的核心理念转变:

以后开源的不是代码,而是理念。你的 Agent 读了理念自动帮你构建。

从 vibe coding 到 vibe researching——Agent 读一个 .idea 文件,理解概念,自己实现。

这与 Hermes 的 Skill 系统本质相通:SKILL.md 是编程化的 Idea File。

关联