100 bin kişi @karpathy'nin gönderisini kaydetti:
Ardından tam bir GitHub Gist yayınladı. 5.000'den fazla yıldız. 1.400'den fazla çatal. İki günde.
Çoğu kişi bunu da kaydedecek. Sonra hiçbir şey yapmayacak.
Zor olduğu için değil. Kimse onlara doğru komutları vermediği için.
Bunu düzelteceğim.
Tüm sistemi adım adım anlatacağım, size her adım için kopyala-yapıştır komutları vereceğim ve bu sistemin nerede çöktüğünü söyleyeceğim ki ölçekte başarısız olan bir şeye hafta sonunuzu harcamayın.
"İnsanın işi kaynakları seçmek, analizi yönlendirmek, iyi sorular sormak ve tüm bunların ne anlama geldiğini düşünmektir. LLM'in işi geri kalan her şeydir." — Andrej Karpathy
Konsept (60 Saniyelik Versiyon)
Bilginiz her yere dağılmış durumda. 4 farklı uygulamada kaydedilmiş makaleler. 2023'ten kalma, bir daha asla bakmayacağınız yer imleri. Varlığını unuttuğunuz bir klasörde duran toplantı notları.
Şu anda, yapay zekaya kendi bilgilerinizle ilgili bir soru sorduğunuzda, her seferinde sıfırdan başlıyor. Belgeleri yükleyin, bir soru sorun, bir cevap alın. Bir sonraki oturum? Her şeyi unutmuş. ChatGPT dosya yüklemeleri, NotebookLM ve çoğu RAG sistemi böyle çalışır. Sıfır birikim.
Karpathy'nin fikri bunu tersine çeviriyor.
Yapay zekanın her seferinde ham dosyalarınızı araması yerine, yapay zeka kaynaklarınızı bir kez okuyor ve yapılandırılmış bir wiki derliyor. Özetler, çapraz referanslar, fikirler arasındaki bağlantılar, işaretlenen çelişkiler.
Tümü yapay zeka tarafından yönetiliyor. Tümü basit markdown dosyalarında.
Bir dahaki sefere bir soru sorduğunuzda, yapay zeka ham belgeleri didik didik aramıyor. Halihazırda oluşturduğu vikiyi okuyor.
Bağlantılar zaten orada.
Sentez, okuduğunuz her şeyi zaten yansıtıyor.
Eklediğiniz her yeni kaynak vikiyi zenginleştiriyor. Sorduğunuz her soru tekrar dosyalanabiliyor. Bilgi sıfırlanmak yerine birikiyor.
Onun sonucu: Tek bir araştırma konusunda ~100 makale, ~400.000 kelime. Tek bir kelimesini bile yazmadı. Yapay zeka yazdı, bağlantılandırdı, kategorize etti ve hepsini yönetti.
Veritabanı yok. Gömme (embedding) yok. Vektör deposu yok. Sadece klasörler ve metin dosyaları.
Neden Umursamalısınız?
Şu anda önemli olan üç kullanım alanı:
Bir içerik üreticisi veya pazarlamacıysanız, bu bir içerik araştırma motorudur. Rakiplerin analizlerini, trend olan makaleleri, kitle içgörülerini raw/ klasörüne atın. Wiki, manuel olarak asla bulamayacağınız kalıpları ve açıları ortaya çıkarır.
Bir kurucu veya danışmansanız, bu müşteri çalışmaları, pazar araştırması veya rekabet analizi için ikinci beyninizdir. Oluşturduğunuz her rapor sisteme geri beslenir. 3. ayın sonunda yapay zekanız alanınızı çoğu çalışandan daha iyi bilir.
Bir öğrenci veya araştırmacıysanız, Karpathy'nin aslında bunun için inşa ettiği şey budur. Düzinelerce makale arasında derinlemesine araştırma; yapay zeka, fikirlerin nasıl bağlandığını, yazarların nerede aynı fikirde olmadığını ve hangi boşlukların kaldığını takip eder.
*Bu, birçok iş Ar-Ge iş akışı için de kullanılabilir.
İnşa Etmeden Önce: İhtiyacınız Olanlar
→ Yerel dosyaları okuyabilen herhangi bir AI kodlama aracı (Claude Code, Cursor, Codex veya benzeri)
→ Bir metin düzenleyici (Obsidian önerilir, ancak VS Code, Notepad, herhangi bir şey iş görür)
→ Önemsediğiniz bir konuda 10'dan fazla kaynak belge
→ İlk kurulum için 30 dakika, sonrasında kaynak başına 10 dakika
Hepsi bu kadar. Özel bir yazılım yok. Oluşturulacak hesap yok. Yüklenecek eklenti yok.
Makalenin geri kalanı inşa sürecidir. 7 adım. Her adım, yapay zekanıza yapıştıracağınız tam komutu içerir. Sırayla takip edin.
Adım 1: Klasör Yapısını Oluşturun (2 Dakika)
Bunu makinenizde herhangi bir yerde oluşturun:
1my-knowledge-base/2├── raw/ # Kaynak materyaliniz. AI okur ama asla değiştirmez.3│ └── assets/ # Görseller, ekran görüntüleri, diyagramlar4├── wiki/ # AI tarafından yönetilen wiki. Siz okursunuz. AI yazar.5├── outputs/ # Sorgulardan gelen raporlar, analizler, cevaplar6└── CLAUDE.md # Tüm bu sistemi çalıştıran şema dosyası
Üç klasör, bir dosya. Burada 2 dakikadan fazla harcıyorsanız, fazla düşünüyorsunuzdur.
Adım 2: Şema Dosyanızı Yazın (Herkesin Atladığı Adım. Atlamayın.)
Şema, genel bir sohbet botu ile disiplinli bir wiki yöneticisi arasındaki farktır.
Yapay zekanıza bilgi tabanının ne hakkında olduğunu, nasıl organize edileceğini ve kaynak eklediğinizde, soru sorduğunuzda veya bakım yaptığınızda ne yapması gerektiğini söyler.
Diğer her kılavuz size 10 satırlık bir şablon verir. İşte Karpathy'nin gist'ine dayanan, gerçek kullanım için tasarlanmış tam üretim şeması:
1# Bilgi Tabani Şeması23## Kimlik4Bu, [KONUNUZ] hakkında kişisel bir bilgi tabanıdır.5Bir LLM ajanı tarafından yönetilir. İnsan kaynakları seçer ve sorular sorar. LLM geri kalan her şeyi yapar.67## Mimari8- raw/ değiştirilemez kaynak belgeleri içerir. raw/ içindeki dosyaları ASLA değiştirmeyin.9- wiki/ derlenmiş vikiyi içerir. LLM bu dizinin tamamen sahibidir.10- outputs/ oluşturulan raporları, analizleri ve sorgu cevaplarını içerir.1112## Wiki Kuralları13- Her konu wiki/ içinde kendi .md dosyasını alır14- Her wiki dosyası YAML ön yüzüyle başlar:15 ---16 title: [Konu Adı]17 created: [Tarih]18 last_updated: [Tarih]19 source_count: [Bu sayfayı besleyen ham kaynak sayısı]20 status: [taslak | incelendi | güncelleme_gerekli]21 ---22- Ön yüzden sonra, tek paragraflık bir özet23- Wiki sayfaları arasında dahili bağlantılar için [[konu-adı]] kullanın24- Her olgusal iddia kaynağını belirtir: [Kaynak: dosyaadi.md]25- Yeni bilgi mevcut içerikle çeliştiğinde, açıkça işaretleyin:26 > ÇELİŞKİ: [eski iddia] vs [yeni iddia] [kaynak]'tan2728## Dizin ve Günlük29- wiki/index.md her sayfayı tek satırlık bir açıklamayla, kategoriye göre listeler30- wiki/log.md salt eklemeli kronolojik kayıttır31- Günlük giriş formatı: ## [YYYY-AA-GG] eylem | Açıklama32 (Eylemler: ingest, sorgu, lint, güncelle)3334## İçe Aktarma İş Akışı35Yeni bir kaynak işlenirken:361. Kaynak belgenin tamamını oku372. Kullanıcıyla önemli çıkarımları tartış383. wiki/ içinde bir özet sayfası oluştur veya güncelle394. wiki/index.md'yi güncelle405. Wiki genelindeki TÜM ilgili varlık ve kavram sayfalarını güncelle416. Mevcut sayfalardan yeni içeriğe geri bağlantılar ekle427. Mevcut wiki içeriğiyle herhangi bir çelişkiyi işaretle438. wiki/log.md'ye giriş ekle449. Tek bir kaynak 10-15 wiki sayfasına dokunmalıdır4546## Sorgu İş Akışı47Bir soruyu yanıtlarken:481. İlgili sayfaları bulmak için önce wiki/index.md'yi oku492. İlgili tüm wiki sayfalarını oku503. [Kaynak: sayfa-adı] alıntılarıyla cevabı sentezle514. Cevap yeni içgörüler ortaya çıkarırsa, bunu wiki/'ye geri dosyalamayı teklif et525. Değerli cevapları outputs/ klasörüne kaydet5354## Lint İş Akışı (Aylık)55Şunları kontrol et:56- Sayfalar arasındaki çelişkiler57- Daha yeni kaynaklar tarafından geçersiz kılınan güncel olmayan iddialar58- Gelen bağlantısı olmayan sahipsiz sayfalar59- Bahsedilen ancak asla açıklanmayan kavramlar60- Eksik çapraz referanslar61- Kaynak atıfı olmayan iddialar62Çıktı: wiki/lint-raporu-[tarih].md (önem seviyeleriyle birlikte)6364## Odak Alanları65[Bu bilgi tabanının kapsadığı 3-5 konuyu listeleyin]
Bunu kopyalayın. Odak alanlarını özelleştirin. Proje kök dizininize CLAUDE.md olarak atın.
Adım 3: Ham Klasörünüzü Doldurun (10 Dakikalık Dökme, Sıfır Düzenleme)
raw/ klasörünü açın ve her şeyi içine dökün:
→ Makaleleri kopyalayıp .md veya .txt dosyalarına yapıştırın
→ Kullandığınız uygulamadan notları dışa aktarın
→ Ekran görüntülerini ve diyagramları raw/assets/ klasörüne kaydedin
→ Araştırma makalelerini, PDF'leri, rakip analizlerini yapıştırın
→ Aylardır biriktirdiğiniz yer imlerini atın
Düzenlemeyin. Hiçbir şeyi yeniden adlandırmayın. Temizlemeyin. Bu, yapay zekanın işi.
Karpathy'den profesyonel ipucu: Obsidian Web Clipper tarayıcı uzantısı, herhangi bir web makalesini tek tıkla markdown'a dönüştürür.
Tüm görselleri yerel olarak indirmek için bir kısayol tuşu ayarlayın (Ayarlar → Kısayol Tuşları → "Ekleri indir"), böylece yapay zeka onlara başvurabilir.
Obsidian kullanmıyorsanız, tarayıcınızdan kopyala-yapıştır yapmak işe yarar.
Hedef hacimdir. Mükemmellik değil.
Adım 4: İlk İçe Aktarmanızı Çalıştırın
AI ajanınızı açın. Proje klasörünüze yönlendirin. Bunu yapıştırın:
İÇE AKTARMA KOMUTU:
1"CLAUDE.md'deki şemayı oku. Ardından raw/'dan [DOSYA ADI]'nı işle. Tamamen oku, benimle önemli çıkarımları tartış, sonra: wiki/ içinde bir özet sayfası oluştur, wiki/index.md'yi güncelle, ilgili tüm kavram ve varlık sayfalarını güncelle, geri bağlantılar ekle, herhangi bir çelişkiyi işaretle ve wiki/log.md'ye ekle."
Her seferinde bir kaynakla başlayın. Karpathy de aynısını yapıyor. Özetleri okuyun. Güncellemeleri kontrol edin. AI'ya neyi vurgulaması gerektiği konusunda rehberlik edin. Bu, her şeyi bir kerede toplu işlemekten çok daha iyi sonuçlar üretir.
5-10 kaynaktan sonra, wiki/ klasörünüzde bir indeks, bir günlük ve birbiriyle bağlantılı 15-30 sayfa olacak.
İşte o zaman işler yoluna girer.
Adım 5: Bilgi Tababınızı Sorgulamaya Başlayın
10'dan fazla wiki sayfanız olduğunda, sistem gerçekten kullanışlı hale gelir. Bunu yapıştırın:
SORGU KOMUTU:
1"wiki/index.md'yi oku. Bilgi tabanındakilere dayanarak şu soruyu yanıtla: [SORUNUZ]. Cevabını hangi wiki sayfalarının bilgilendirdiğini belirt. Bu, korunmaya değer yeni bağlantılar ortaya çıkarırsa, wiki/ içinde yeni bir sayfa oluştur ve indeksi güncelle."
En fazla değeri çıkaran sorular:
→ "Bu bilgi tabanındaki en büyük üç boşluk nedir?"
→ "Hangi kaynaklar birbiriyle aynı fikirde değil ve hangi konularda?"
→ "Buradakilere dayanarak sırada neyi araştırmalıyım?"
→ "Sadece wiki içeriğini kullanarak [konu] hakkında 500 kelimelik bir brifing yaz"
→ "[Kavram A] ve [Kavram B] arasında ne gibi bağlantılar var?"
Kritik döngü: iyi cevaplar wiki'ye geri dosyalanmalıdır.
Bir karşılaştırma, bir analiz, keşfettiğiniz bir bağlantı.
Bunlar, tıpkı içe aktarılan kaynaklar gibi bilgi tabanında birikir.
Her soru, bir sonraki cevabı daha iyi hale getirir.
Adım 6: Aylık Sağlık Kontrolleri Yapın
Bu, kimsenin yapmadığı adımdır. Tüm sistemin yavaşça çürümesini engelleyen adımdır. Bunu yapıştırın:
LINT KOMUTU:
1"CLAUDE.md'deki lint iş akışına göre wiki/ üzerinde tam bir sağlık kontrolü yap. Çıktıyı wiki/lint-raporu-[tarih].md dosyasına önem seviyeleriyle (🔴 hatalar, 🟡 uyarılar, 🔵 bilgiler) yaz. En büyük bilgi boşluklarını doldurmak için 3 makale öner."
Bu neden önemli: AI bir şeyi biraz yanlış yazdığında ve siz onu geri kaydettiğinizde, bir sonraki cevap yanlış olan şeyin üzerine inşa edilir.
İki ay sonra, aynı hatayı güçlendiren beş sayfanız olur. Sağlık kontrolleri, bu kartopu etkisi yaratmadan önce yakalar.
Ayda bir kontrol. Zamanınızdan on dakika. Sistemin güvenilir kalmasını istiyorsanız pazarlık konusu değil.
Adım 7: Birikmesine İzin Verin
Sistemin değerini kanıtladığı yer burasıdır.
Tutarlı kullanımdan 4-6 hafta sonra, sadece notları aramıyorsunuz.
Kaynaklarınız arasındaki bağlantıları sizden daha iyi anlayan yapılandırılmış bir bilgi sistemini sorguluyorsunuz.
Birikimi hızlandırmanın üç yolu:
Keşif çıktılarını geri dosyalayın: AI, değerli bulduğunuz bir karşılaştırma veya analiz ürettiğinde, bunu wiki/ veya outputs/ klasörüne kaydedin.
Karpathy, kendi keşiflerinin ve sorgularının bilgi tabanında "her zaman biriktiğini" söylüyor.
Görsel çıktılar ekleyin: AI'dan cevapları markdown tabloları, çizelgeler veya slayt desteleri (Marp formatı) olarak işlemesini isteyin.
Bunlar, tek kullanımlık sohbet mesajları değil, yeniden kullanılabilir varlıklar haline gelir.
Her şeyi sürüm kontrolüne alın: Vikiniz sadece markdown dosyalarıdır.
Bir git deposu başlatın. Tam geçmişe, dallanmaya ve AI'nın bozduğu herhangi bir şeyi geri alma yeteneğine sahip olursunuz.
Tamam. İnşa süreci bu. Şimdi size kimsenin söylemeyeceği kısım geliyor.
Bu Sistemin Çöktüğü Yerler (Dürüst Versiyon)
Bu, bitmiş bir ürün değil, gelişmekte olan bir kalıptır. Karpathy'nin kendisi buna "bir dizi gelişigüzel betik" adını verdi ve gerçek bir ürüne yer olduğunu söyledi.
Bilginizi ona emanet etmeden önce bilmeniz gerekenler:
Bağlam Penceresi Tavanı.
Karpathy'nin wiki'si ~100 makalede ve ~400K kelimede çalışıyor. Ancak 128K tokenlik bağlam pencereleri bile yalnızca ~96K kelime tutar. AI, indeks aracılığıyla seçici olarak okur, bu da bazı şeyleri kaçırabileceği anlamına gelir. Araştırmalar, LLM'lerin uzun girdilerin ortasındaki bilgilerin önceliğinin azaldığı "ortada kaybolma" etkilerinden muzdarip olduğunu gösteriyor. Sorgu sonuçlarınızın kör noktaları olacaktır. Bunu kabul edin.
Hata Birikmesi.
AI, ince bir hatayla bir wiki sayfası yazar. Siz ona karşı sorgu yaparsınız. Hata cevabınıza girer. O cevabı geri dosyalarsınız. Artık iki sayfa aynı hatayı güçlendirir. Aylık lint yardımcı olur, ancak lint yapan AI, hatayı yapan AI ile aynı kör noktalara sahiptir. Bu en büyük risk. Karpathy'nin gist'ine yorum yapan biri bunu çok iyi özetledi: "Çıktılar geri dosyalandığında, hatalar da birikir."
Halüsinasyon Yok Olmaz.
Wiki yaklaşımı, AI'ın cevapları kaynaklarınıza dayandırması nedeniyle halüsinasyonu azaltır. Ancak ortadan kaldırmaz. AI yine de kaynak materyalde olmayan bağlantılar sentezleyebilir. Ve wiki yetkili göründüğü için (temiz markdown, çapraz referanslar, alıntılar), yanlış bilgiye güvenme olasılığınız daha yüksektir. Güvenmeyin.
Maliyet Sıfır Değil.
Her içe aktarma, her sorgu, her lint kontrolü token tüketir. 10-15 sayfaya dokunan tek bir kaynak, ön model API çağrılarında 2-5 dolara mal olabilir. 50 kaynak, sadece içe aktarma için 100-250 dolar eder. Bir araştırma asistanından daha ucuz. Bedava değil.
Kurumsal Ölçekte Çalışmaz.
Karpathy, indeks-dosya yaklaşımının RAG olmadan ~100 makalede çalıştığını söylüyor. 10.000'den fazla kaynakta bu kalıp bozulur. İndeks çok büyür. Binlerce sayfada tutarlılık imkansız hale gelir. Bu sistemin kaçınmak için tasarlandığı altyapıya ihtiyacınız olacak. Tavanı bilin.
Tek Model Kör Noktaları.
Tüm vikiniz, kaynaklarınızın tek bir model tarafından yorumlanmasıdır. Bu modelin önyargıları ve eğilimleri vardır. Yüksek riskli kararlar için, bir gist yorumcusu sorguları bağımsız olarak 4+ model üzerinde çalıştırmayı ve ardından uyumu karşılaştırmayı önerdi. Daha sağlam. Ayrıca 4 kat maliyetli.
Bunun İçin Ne Yapmalı
→ Hata birikmesi: Aylık lint kontrolleri. Kritik iddiaları manuel olarak çapraz kontrol edin. Yüksek riskli kararlarda wiki'ye asla körü körüne güvenmeyin.
→ Bağlam sınırları: Her vikiyi tek bir alana odaklı tutun. Birden çok alan mı? Birden çok bilgi tabanı.
→ Maliyet: İçe aktarma ve karmaşık sorgular için ön modeller kullanın. Basit güncellemeler için daha ucuz modeller.
→ Halüsinasyon: Yukarıdaki şema, her iddiada kaynak alıntısı yapılmasını gerektirir. Bir sayfa [Kaynak: dosyaadi.md] olmadan bir iddiada bulunursa, lint bunu işaretleyecektir.
→ Ölçek: Bunun kurumsal altyapı değil, kişisel bir araç olduğunu kabul edin. Büyürseniz, bu iyi bir sorundur.
Neden Hala Önemli?
Yukarıdakilerin hepsine rağmen, bu şu anda mevcut en pratik kişisel bilgi sistemidir.
Bunun nedeni son derece basit: insanlar wikileri terk eder çünkü bakım, değerden daha hızlı büyür.
Düzenlemeye başlarsınız, iki hafta harika hissettirir, sonra bakım motivasyonu öldürür ve bir daha asla dokunmazsınız.
LLM'ler sıkılmaz. Bir çapraz referansı güncellemeyi unutmazlar. Bir seferde 15 dosyaya şikayet etmeden dokunabilirler.
Lex Fridman, benzer bir düzenek kullandığını doğruladı.
Etkileşimli HTML görselleştirmeleri üretiyor ve 7-10 millik koşular için ses moduna yüklediği "mini-bilgi-tabanları" oluşturuyor.
DAIR.AI'den Elvis Saravia, yapay zeka araştırma küratörlüğü için LLM bilgi tabanları oluşturuyor.
Karpathy'nin gist'inden sonraki 48 saat içinde birden çok açık kaynak uygulaması GitHub'da yayınlandı.
Bu artık bir deney değil.
Ciddi araştırma yapan herkes için standart bir uygulama haline geliyor.
Tam Komut Kütüphaneniz (Hepsini Kopyalayın)
Bu makaledeki her komut, tek bir yerde toplanmıştır:
ŞEMA: Adım 2'deki tam CLAUDE.md şablonunu kopyalayın.
İÇE AKTARMA (tek kaynak):
1"CLAUDE.md'deki şemayı oku. raw/'dan [DOSYA ADI]'nı işle. Tamamen oku, benimle önemli çıkarımları tartış, sonra: özet sayfası oluştur, indeksi güncelle, ilgili tüm sayfaları güncelle, geri bağlantılar ekle, çelişkileri işaretle, içe aktarmayı günlüğe kaydet."
İÇE AKTARMA (toplu, daha az denetimli):
1"CLAUDE.md'yi oku. raw/'daki işlenmemiş tüm dosyaları sırayla işle. Her biri için: özet oluştur, indeksi güncelle, ilgili sayfaları güncelle, içe aktarmayı günlüğe kaydet. Otomatik olarak devam et."
SORGU:
1"wiki/index.md'yi oku. Şu soruyu yanıtla: [SORU]. Wiki sayfalarını belirt. Bu cevap korunmaya değerse, yeni bir wiki sayfası olarak dosyalamayı teklif et."
LINT:
1"CLAUDE.md'deki lint iş akışına göre wiki/ üzerinde tam bir sağlık kontrolü yap. Çıktıyı wiki/lint-raporu-[tarih].md dosyasına 🔴/🟡/🔵 önem seviyeleriyle yaz. Boşlukları doldurmak için 3 makale öner."
KEŞFET:
1"wiki/index.md'yi oku ve mevcut konular arasındaki en ilginç 5 keşfedilmemiş bağlantıyı belirle. Her biri için, hangi içgörüyü ortaya çıkarabileceğini ve hangi kaynağın bunu doğrulamaya yardımcı olacağını açıkla."
BRİFİNG:
1"wiki/'deki her şeye dayanarak, [KONU] hakkında 500 kelimelik bir yönetici brifingi yaz. Kaynakları belirt. Şu şekilde yapılandır: mevcut durum, kilit gerilimler, açık sorular, önerilen sonraki adımlar."
Git ve İnşa Et
Karpathy'nin gist'ini kaydetmekle ondan faydalanmak arasındaki fark, bir öğleden sonradır.
Konunuzu seçin. Klasörleri oluşturun. Şemayı kopyalayın.
Zaten sahip olduklarınızı atın. İlk içe aktarmanızı çalıştırın.
Sonra yarın başka bir kaynakla tekrar yapın.
Ve gelecek hafta beş tane daha ile.
Wiki her seferinde daha akıllı hale gelir. Bütün mesele bu.
Üç klasör. Tek bir şema.
Asla kendinizin yapmayacağı angaryayı yapan bir yapay zeka.
Yer imleri toplamayı bırakın. Bilgi derlemeye başlayın.
Claude'u pazarlama ve iş için 20'den fazla farklı uzmana dönüştürün.
Sadece komutlar değil, gerçek uzmanlık yükleyin.
Claude beceri paketimi alın 👇
