Karpathy LLM Memory Wiki

🧠 知识自动结构化,复利不流失

实现Karpathy「编译优于检索」模式,将零散知识自动转化为结构化Wiki页面,实现知识复利积累而非对话即焚

收藏
3.7k
安装
1k
版本
1.0.6
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心用法

本技能为OpenClaw代理构建三层知识管理系统:原始来源(不可变PDF/文章/论文)、LLM维护的结构化Wiki页面(带YAML前置元数据与双向链接)、以及共同演化的模式定义文件。用户只需将来源放入指定目录,代理自动完成提取主张→创建/更新页面→添加交叉引用的完整流程。

三种核心操作:

  • Ingest(摄入):处理来源队列,单来源可触发多页面更新
  • Query(查询):优先检索Wiki而非原始来源,答案带引用且可标记知识缺口
  • Lint(清理):每周健康检查(陈旧页面、断链、孤儿页、矛盾陈述)

关键设计:Wiki页面与OpenClaw内置记忆后端深度集成,memory_search 无需额外配置即可检索;与Dreaming系统文件隔离+90分钟调度缓冲,零冲突共存;可选QMD增强本地语义搜索、SuperMemory跨设备同步、Honcho用户建模。

显著优点

1. 知识复利:一次摄入,永久结构化存储,避免「每次提问重新合成」的重复劳动
2. 人类友好:Obsidian兼容的 [[wikilink]] 语法,可可视化知识图谱

3. 自动化治理:Cron定时摄入与清理,代理承担人类因开销过高而放弃的维护工作

4. 架构弹性:从单文件索引扩展到80+页面的域分子索引,成长路径清晰

5. 生态兼容:与OpenClaw全系记忆后端(builtin/QMD/Honcho/SuperMemory)及Dreaming系统原生协作

潜在局限

  • 初始设定成本:需理解三层架构、域命名规范、前置元数据格式,认知门槛高于简单RAG
  • 维护依赖模型质量:交叉引用准确性、矛盾检测深度受限于推理模型能力(推荐Claude Sonnet/GPT-4o级)
  • 规模上限:作者建议80页后启用子域索引,超大规模需额外架构调整
  • 人工策展不可替代:来源筛选与域分类仍需人类判断,非全自动知识收集

适合人群

  • 长期研究者:需要跟踪论文、试验、技术文档的演变脉络
  • 跨会话工作者:希望今日对话 insights 在明日后天仍可被代理主动调用
  • Obsidian/个人知识管理用户:已有双链笔记习惯,希望代理参与维护
  • 小团队知识共建:需结构化继承成员积累而非依赖个人记忆

常规风险

| 风险类型 | 说明 |
|---------|------|
| 知识陈旧 | 未及时Lint可能导致过时主张持续被引用,需依赖定期清理Cron |
| 引用幻觉 | 模型生成交叉引用时可能虚构关联,建议关键页面人工抽查 |
| 域分类漂移 | 自定义域定义若不严格维护,跨页面一致性下降 |
| 并发写入 | 虽与Dreaming设计隔离,但手动编辑Wiki页面时需避免与自动Ingest冲突 |

Karpathy LLM Memory Wiki 内容

.clawhub文件夹
references文件夹
scripts文件夹
templates文件夹
手动下载zip · 13.6 kB
origin.jsonapplication/json
请选择文件