Crea la tua knowledge base AI in stile Karpathy senza scrivere codice

Vittima della FOMO? Karpathy ti ha fregato di nuovo

La scorsa settimana, Andrej Karpathy ha pubblicato un tweet dicendo che non spende più una grande quantità di token AI per scrivere codice, ma per costruire la sua base di conoscenza personale. Quel tweet ha ottenuto 17 milioni di visualizzazioni e si è diffuso a macchia d'olio nei circoli AI sia cinesi che inglesi.

Il guru è sceso di nuovo in campo per generare FOMO, facendo venire a tutti voglia di provare.

Ma se ci provi davvero, ti rendi conto che, sebbene questo metodo sia teoricamente molto potente, presenta molti problemi nell'esecuzione.

Problema 1: Elevata barriera all'ingresso per la configurazione

L'approccio di Karpathy per costruire una base di conoscenza con i LLM è: dare il materiale grezzo al LLM, senza usare RAG, senza database vettoriali, affidandosi puramente alla compilazione diretta del LLM in una base di conoscenza markdown completa di riassunti, backlink e indici concettuali.

Questo tweet è di oltre 600 parole. Onestamente, per chi sa programmare, questo processo non è affatto complesso.

Tuttavia, Karpathy è un ingegnere leggendario; i suoi pochi appunti sembrano molto semplici, ma nascondono una grande quantità di "conoscenza tacita". Altrimenti, non ci sarebbero state così tante persone che hanno seguito con tutorial passo dopo passo dopo il suo tweet.

Ma se apri questi tutorial, scoprirai che sono scritti da ingegneri. Anche se dettagliati — come creare le tre cartelle raw/, wiki/, outputs/, come configurare Claude Code nel terminale, come scrivere i system prompt per far sì che il LLM generi markdown formattato...

Ma gli ingegneri sono una minoranza. La stragrande maggioranza dei lavoratori della conoscenza deve ancora affrontare costi di apprendimento enormi con questi tutorial, il che spiega perché si sia generata una FOMO così grande.

Blogger, marketer di brand, dottorandi che scrivono tesi, insegnanti che preparano lezioni, investitori che studiano i trend del settore — queste persone fanno ogni giorno "raccolta di informazioni → comprensione → produzione di contenuti". Potrebbero aver bisogno di un sistema di conoscenza AI più degli ingegneri. Ma chiedere loro di configurare ambienti terminali, scrivere markdown e regolare i prompt?

Non è realistico.

Come maggioranza che non conosce il codice, bisogna ancora superare la paura del terminale e della riga di comando.

Gli strumenti dovrebbero servire l'utente, non il contrario.

Problema 2: La "base di conoscenza" è una trappola

Karpathy ha usato i LLM per ridurre drasticamente il costo dell'organizzazione delle informazioni. Prima dovevamo