LLM-Wiki
一句話定義
由 LLM 持續維護的、互相連結的 markdown 知識庫；wiki 本身是跨對話保留、隨每次 ingest 持續加厚的合成層。
核心要點
- 與 RAG 的差異：RAG 每次查詢從原文重新推導；LLM Wiki 把資訊一次性整合進 wiki，之後查詢直接讀 wiki 即可。
- 「wiki is a persistent, compounding artifact」——所有 ingest 都讓 wiki 更厚、更密。
- 維護工作（交叉引用、一致性、更新）對 LLM 而言成本接近零，正好補上人類維護 wiki 的痛點。
- 三層架構：原始來源（immutable）/ wiki（LLM 維護）/ schema（人類定義的維護規則）。
- 三個操作：Ingest / Query / Lint。
與其他概念的關係
- 對比於 RAG：LLM Wiki = 「整合一次、用很多次」；RAG = 「每次重新推導」。兩者非互斥，可並用。
- 鄰近領域：Context-Engineering——同樣關注「LLM 如何利用上下文」，但路徑不同。LLM Wiki 把上下文外化、累積成 markdown 合成層；Context Engineering 在每次任務動態 curate 整個 context window。前者是長期累積，後者是短期 curate；兩者可疊加（用 LLM Wiki 作為 context engineering 的一個來源）。
- 歷史前身：Memex（Vannevar-Bush 1945）。Bush 設想了私有、策展、互連的知識儲存，但無法解決人工維護成本；LLM Wiki 用 LLM 填補此缺口。
- 與 第二大腦（Tiago-Forte）的對照：兩者都是 PKM 但維護者不同——第二大腦由人手動以 輸出意圖 為篩選；LLM Wiki 把篩選與互連的成本由 LLM 吸收。LLM Wiki 把第二大腦中最痛的人工維護外包出去；ingest 時的「為新資訊找歸宿」仍承襲第二大腦的精神。
- 模式提出者：Karpathy。
相關來源
備註
本 vault（SecBrain）即為 LLM Wiki 模式的具體實作；實作細節見 vault 根目錄的 CLAUDE.md。