ノーコードで構築する Karpathy 流 AI ナレッジベース

FOMO 気味のあなたへ、また Karpathy に一本取られましたね

先週、Andrej Karpathy があるツイートを投稿しました。内容は、最近は大量の AI トークンをコードの執筆ではなく、個人のナレッジベース構築に費やしているというものです。このツイートは 1,700 万回以上表示され、中英両国の AI コミュニティで瞬く間に拡散されました。

「神」エンジニアがまたしても FOMO（取り残される恐怖）を煽り、誰もが自分も試してみたいという気持ちにさせられました。

しかし、実際に試してみればわかります。この方法は理論上は非常に強力ですが、実行段階では多くの問題に直面します。

問題一、導入ハードルの高さ

Karpathy が LLM を使ってナレッジベースを構築する手法はこうです。生の素材を LLM に投入し、RAG（検索拡張生成）もベクトルデータベースも使わず、LLM の力だけで要約、バックリンク、概念インデックスを備えた markdown 形式のナレッジベースへと「ハードコンパイル」させるのです。

このツイートは 600 文字程度です。率直に言って、コードが書ける人にとって、このプロセスは決して複雑ではありません。

しかし、エンジニアの神である Karpathy がさらっと書いた数行の言葉は、一見簡単そうに見えて、実は膨大な「暗黙知」が隠されています。だからこそ、彼がツイートした後に、多くの人がステップ・バイ・ステップの構築チュートリアルを公開したのです。

ただ、それらのチュートリアルを開いてみると、やはりエンジニアによって書かれたものであることがわかります。内容は詳細ですが、raw/、wiki/、outputs/ という 3 層のフォルダ構成をどう作るか、ターミナルで Claude Code をどう設定するか、LLM に markdown 形式で出力させるための system prompt をどう書くか……。

エンジニアは少数派です。大多数のナレッジワーカーにとって、これらのチュートリアルは極めて高い学習コストを強いるものであり、それが大きな FOMO を引き起こした理由でもあります。

SNS のブロガー、ブランドマーケティングの担当者、論文を書く大学院生、教材を準備する教師、業界動向を調査する投資家 —— こうした人々は毎日「情報の収集 → 理解 → コンテンツの出力」を行っており、エンジニア以上に AI ナレッジシステムを必要としているかもしれません。しかし、彼らにターミナル環境を構築させ、markdown を書かせ、prompt を調整させるのは？

現実的ではありません。

コードがわからない大多数の人々は、依然としてターミナルやコマンドラインに対する恐怖心を克服しなければならないのです。

ツールはユーザーのためにあるべきであり、ユーザーがツールに合わせるべきではありません。

問題二、「ナレッジベース」という名の落とし穴

Karpathy は LLM を使うことで「情報の整理」コストを大幅に下げました。以前は自分で要約を書き、タグを付け、リンクを貼る必要がありましたが、今は LLM に任せることができます。「第二の脳」を作る方法は確かに進化しました。

しかし、ゴールは変わっていません。このナレッジベースは「読む」ことしかできないのです。

単に研究や学習のためであれば、「自動で綺麗に整理されたナレッジベース」は間違いなく十分でしょう。

しかし、ナレッジワーカーの本質はドキュメント作成者であり、ドキュメント作成者の本質はクリエイターです。すべてのナレッジワーカーにとって、本当の仕事は知識を収集することではなく、知識を使ってコンテンツを創造することです。

日常業務におけるすべての学習と研究のゴールは、コンテンツを出力することにあります。つまり、いくら見栄えの良い wiki があっても、それだけでは最終的な仕事を完結させることはできないのです。

「ナレッジベース」という概念は、華やかな行き止まりのようなものです。得られるのは「見たままが得られる」という偽の満足感だけで、「アウトプットとデリバリー」がもたらす真の報酬はありません。

ですから、ナレッジベースの本質は「生産性ポルノ（Productivity Porn）」です。それは「収穫」の快感を完璧にシミュレートしますが、生産性の結果は提供してくれません。

実際の利用シーンで、その違いを説明しましょう。

今回の Karpathy の件を例にします。あなたが AI 企業のマーケティング担当者で、彼のツイートを見てトレンドに乗り、このトピックで一連のコンテンツを作りたいと考えたとします。

Karpathy の方法に従うなら、以下のステップを踏む必要があります：

1. 彼のツイート、アイデアファイル、関連するコメント記事をスクリプトでスクレイピングし、raw/ フォルダにダウンロードする。
1. Node.js をインストールし、ターミナルで Claude Code をセットアップし、指示ファイルを書いて、Claude Code にこれらの素材を数本の wiki 記事にコンパイルさせる。
1. Obsidian や他の markdown エディタをダウンロードして、ようやく「LLM Knowledge Base」に関する構造化されたナレッジベースを手にいれる。
1. そして、空白のドキュメントを開き、自分で書き始める。

Nick Spisak による LLM ナレッジベース構築のデモンストレーション

ステップ 4 はさておき、最初の 3 ステップだけで、ターミナルの操作、Node.js のインストール、API キーの設定、prompt 指示の作成、Obsidian のダウンロードなどが必要です。ほとんどの人にとって、ナレッジベースを作り始める前に、ツールチェーンの複雑さで挫折してしまうでしょう。

そして、たとえこれらすべてをやり遂げたとしても、ステップ 4 でまた振り出しに戻ります。ナレッジベースは事象の理解を助けてくれましたが、執筆、画像作成、公開……これらは依然としてゼロから自分で行う必要があります。

では、これら二つの問題を同時に解決し、アウトプットを重視した「第二の脳」を簡単に構築する方法はあるのでしょうか？

あります。 今あなたが読んでいるこの記事こそ、私がその方法で作成したものです。全工程で使ったツールは一つだけ、YouMind です。具体的な手順を実演します：

具体的にどうするのか？

第一歩：素材の収集

ブラウザで YouMind を開き、新しい Board（プロジェクト空間のようなもの）を作成します。そして、関連するすべての素材をそこに保存します：

• ウェブ記事：リンクを貼り付けるだけで、全文を自動取得
• YouTube 動画：リンクを貼り付けるだけで、字幕と内容を自動取得
• PDF 論文：直接アップロード
• ポッドキャスト：リンクを貼り付けるだけで、音声を自動解析
• 自分のアイデア：メモとして随時書き込む

これが Karpathy の言う raw/ フォルダに相当しますが、手動で何かをダウンロードする必要も、ファイルシステムを操作する必要もありません。

第二歩：AI による理解と対話

素材を保存したら、Board 内で直接 AI と対話できます。AI が参照するコンテキストは、私たちが自ら厳選した、そのテーマに関連する一次資料であり、インターネット上の漠然とした情報ではありません。

例えば、AI にこう尋ねることができます：

• 「これらの記事の核心的な見解に、どのような共通点や相違点がある？」
• 「Karpathy の手法と Tiago Forte の PARA メソッドの決定的な違いはどこにある？」
• 「これらの素材に基づいて、記事にする価値のある切り口を 3 つ提案して」

これは Karpathy の wiki コンパイルプロセスに対応します。しかし違いは、LLM が自動生成する一連の wiki を待つのではなく、対話を通じて能動的に理解の方向性を導き出せる点にあります。

第三歩：理解から創作へ

ここが重要な分岐点です。Karpathy のワークフローは前のステップで終了します。しかし YouMind では、自然言語を使って AI に「理解」から「創作」へと移るよう直接命じることができます：

• 素材と対話に基づき、構成の整ったブログの初稿を生成する
• 対話と理解の中から、Twitter（X）投稿に適した短いコンテンツを抽出する
• 核心となる論点を視覚的なインフォグラフィックにする
• 直接プレゼンテーション資料（Slides）を作成する

これらのアウトプットはすべて同じ Board 内に保存され、素材や対話記録と一緒に管理されます。それらは孤立したファイルではなく、同じ知識の連鎖線上にある異なるノードなのです。

第四歩：知識の継続的な成長

Board は使い捨てではありません。定期的なタスクを設定すれば、YouMind が Karpathy のツイート更新を定期的に自動取得し、同じ Board に保存し続けることができます。これにより、知識の複利が積み重なっていきます。

これこそが「第二の脳」があるべき姿です。単なる蓄積ではなく、アウトプットを生み出せる仕組みです。

Karpathy の手法と YouMind を比較すると、二つの異なる「AI 第二の脳」の哲学が見えてきます：

情報への焦燥感に対する真の解決策

最後に、興味深い話をしましょう。

Karpathy は 40 万文字の wiki を作りました。しかし考えてみてください、世界中が引用しているのは何でしょうか？ その wiki ではなく、彼のツイートであり、動画であり、彼が書いた記事です。彼の markdown ファイルは彼自身しか見ませんが、彼のツイートは 1,200 万人が見ています。

真のナレッジベースとはシステムではなく、「人」そのものです。

あなたがある事柄について深く掘り下げた記事を書けば、他の誰かがその記事を保存し、あなたの見解を引用します。その時、あなた自身が彼らにとってのナレッジベースになるのです。

これこそが知識への焦燥感に対する解毒剤です。焦っている人はシステムに情報を流し込み、システムが自分の代わりに理解してくれると期待します。しかし、真に影響力のある人は自らの理解をアウトプットし、自分自身を他人の情報源へと変えていきます。

前者は情報が無限にあるため永遠に焦り続けますが、後者は表現を通じて理解を完結させているため、焦ることはありません。

ですから、問題は「いかに優れたナレッジベースを作るか」ではなく、「いかに自分自身をナレッジベースにするか」なのです。答えは簡単です。アウトプットし続けることです。

YouMind が行っているのは、あなたを情報の消費者から、情報の源泉へと変える手助けをすることです。

本文および画像は、編集者と YouMind の共同制作によるものです。