今天看到朋友发 Karpathy 的 LLM Wiki，心痒难耐，结合他的推特，最后用Claude code 折腾一通，把我们业务相关的政策折腾一通，非常舒适。
我其实之前就想弄这个，但我思路还比较简单，就是把政策资料喂给 AI，让它按照 What-Why-How 格式来写文档，后面如果我需要调取哪个文档，就手动查找，让AI来处理，查资料，写文章，等等。缺点是依赖人力，我每次都要亲自操作，然后如果项目有改动，我又不知道要如何处理。
而Karpathy的厉害之处在于，他让 AI 维护好三个文档就够了：
schema.md：概要，解释这个文档是干什么用的，AI一读，就知道如何操作，如文档目录、笔记结构、属性规范、工作流程，极为明确（这个文件也可能叫CLAUDE.md）。index.md：索引，我刚才说之前有过要按照项目分门别类梳理文档的意识，可没有用一根绳子串联起来，而index起的就是这个作用，就像维基百科那样，它会将wiki文件夹里的文档逐个梳理好，一行内容有可以点击的双向链接，后面是简要解释。由于它会把所有页面列入其中，还会贴心地做分类，这等于你只需要查看这一页，就知道有哪些概念log.md：日志，用来记录操作日志，方便回溯。我的理解是，它就像一个每天凌晨就会重置记忆的人写下来的笔记本，害怕自己第二天忘记之前做了什么，就拼命写下，等到次日再从头到尾看日志，就知道过去做了什么，对于 AI 来说，你切换对话，或者换成其他大模型，也能继续工作。
三份文档是底层原理，结合之下，解决过去我们和大模型聊天时，换了一个对话，就要反复发资料，抑或得到资料后，用完即走，等到下次需要，又要翻找对话。如今有了 wiki，一切均已打通，资料只要沉淀下来，就能作为养料，将来待查找时，也不搜索，而是直接询问 AI，钩沉索隐变得如此轻易。
下面可以聊聊我是怎么用的。诚然，在推特和公众号上，已有无数人分享实操方法，笔者不在此赘述。简要来说，即把文章开头的两个链接内容，喂给你的 Claude Code（国产大模型亦可），让其根据你的文件库来给思路。
它通常会建两个文件夹：wiki/ 和 raw/。
先说 raw/，就是把你的资料都放在这下面，比如剪藏的网页文章，又或者行业政策、新闻，反正是你所关心的、所需要的，都能存进去，最好是 md 文件。你可以用 Chrome 插件 Obsidian Web Clipper 剪藏网页——在过去，它能让你结合笔记库查资料，现在则是作为 AI 的素材。
今天恰好跟朋友聊到写作，我找来几篇文章，做个 wiki 来举例。
有了素材后，你就能让 Claude Code 针对它 ingest（摄入）。AI 先梳理目录，读取文件，然后自动整理成词条，你什么都不用做，没一会儿就看到词条突突往外冒。index.md 有了词条索引，就像维基百科那样，点击就能查看。
当 wiki/ 库略微充实后，就到下一步。
你可以直接问问题，测试效果如何，或者写稿时查找资料，因为它只会根据已有的词条来回答，也就避免胡编乱造（即 AI 的幻觉）。后面如果有新的资料要纳入，那只需要让 Claude Code 继续 ingest，wiki/ 便会自动更新，一切过往都能从 log.md 查看。
这一天折腾下来，乐趣无穷。惜乎额度有限，一天耗完后只能等下次重置时间，而如果一周消耗完，那就只能干看着发愣。我用 kimi 2.5 作为辅助，如果文件一看有好几万字，就让它来代劳，可谓便宜好使。
今天所写，还比较粗浅，也只是一下午的折腾心得，后面如果雪球越滚越大，效果还未可知。但已有朋友准备把日记、文章、知识库等东西让 Claude 跑一通，我算了算，直言「不敢想、不敢跑」。
庄子曾言：「吾生有涯，而知无涯」，如今在 AI 井喷时代，折腾 AI 也无止境矣。