LLM-Wiki 深度研究：Karpathy 的知识编译革命

一、核心思想：从「解释执行」到「编译执行」1.1 RAG 的根本缺陷传统 RAG（检索增强生成）的工作流：用户提问 → 向量检索 → 片段召回 → LLM 临时拼凑 → 答案生成 → 丢弃问题：每次查询都在从零重新推导知识。没有积累。1.2 LLM-Wiki 的核心洞察Karpathy 的解决方案：让 LLM 增量构建并维护一个持久的 Wiki —— 一个结构化的、互相链接的 Markdown 文件集合，位于用户和原始源文件之间。关键差异：Wiki 是一个持久的、复合增长的工件。交叉引用已经存在矛盾已经标注综合已经反映了你读过的所有内容1.3 类比：解释器 vs 编译器维度RAG（解释执行）LLM-Wiki（编译执行）知识组装时机查询时摄入时状态性无状态有状态交叉引用临时发现预构建