100K người đã đánh dấu@karpathy's bài viết:
Sau đó anh ấy đã tung ra một GitHub Gist hoàn chỉnh. 5.000+ sao. 1.400+ fork. Hai ngày.
Hầu hết mọi người cũng sẽ đánh dấu nó. Rồi không làm gì cả.
Không phải vì nó khó. Mà vì không ai đưa cho họ những câu lệnh chính xác.
Tôi sẽ khắc phục điều đó.
Tôi sẽ hướng dẫn bạn toàn bộ hệ thống, đưa cho bạn các câu lệnh copy-paste cho từng bước, và chỉ ra chỗ nào hệ thống này hỏng để bạn không lãng phí một ngày cuối tuần vào thứ gì đó sụp đổ khi mở rộng quy mô.
"Công việc của con người là quản lý các nguồn, định hướng phân tích, đặt ra những câu hỏi hay, và suy nghĩ về ý nghĩa của tất cả. Công việc của LLM là mọi thứ còn lại." — Andrej Karpathy
Khái Niệm (Bản Tóm Tắt 60 Giây)
Bạn có kiến thức rải rác khắp nơi. Các bài báo được lưu trong 4 ứng dụng. Dấu trang từ năm 2023 bạn sẽ không bao giờ xem lại. Ghi chú từ các cuộc họp nằm trong một thư mục bạn đã quên mất sự tồn tại của nó.
Hiện tại, khi bạn hỏi AI một câu hỏi về dữ liệu của mình, nó bắt đầu từ con số không mỗi lần. Tải tài liệu lên, hỏi một câu, nhận câu trả lời. Buổi làm việc tiếp theo? Nó đã quên hết mọi thứ. Đó là cách ChatGPT file uploads, NotebookLM và hầu hết các hệ thống RAG hoạt động. Không có sự tích lũy.
Ý tưởng của Karpathy đảo ngược điều này.
Thay vì AI tìm kiếm các tệp thô của bạn mỗi lần, AI đọc nguồn của bạn một lần và biên soạn một wiki có cấu trúc. Tóm tắt, tham chiếu chéo, kết nối giữa các ý tưởng, các mâu thuẫn được gắn cờ.
Tất cả được AI duy trì. Tất cả đều ở dạng tệp markdown đơn giản.
Lần tới khi bạn đặt câu hỏi, AI sẽ không đào bới qua các tài liệu thô. Nó đọc wiki mà nó đã xây dựng.
Các kết nối đã có sẵn ở đó.
Sự tổng hợp đã phản ánh mọi thứ bạn đã đọc.
Mỗi nguồn mới bạn thêm vào làm cho wiki phong phú hơn. Mỗi câu hỏi bạn đặt ra có thể được lưu trữ lại vào đó. Kiến thức được tích lũy thay vì bị thiết lập lại.
Kết quả của anh ấy: ~100 bài báo, ~400.000 từ về một chủ đề nghiên cứu duy nhất. Anh ấy không viết một từ nào. AI đã viết, liên kết, phân loại và duy trì tất cả.
Không có cơ sở dữ liệu. Không có embeddings. Không có vector store. Chỉ có thư mục và tệp văn bản.
Tại Sao Bạn Nên Quan Tâm?
Ba trường hợp sử dụng quan trọng ngay bây giờ:
Nếu bạn là người sáng tạo nội dung hoặc nhà tiếp thị, đây là một công cụ nghiên cứu nội dung. Đổ các phân tích đối thủ cạnh tranh, bài báo xu hướng, thông tin chi tiết về khán giả vào raw/. Wiki sẽ hiển thị các mô hình và góc nhìn mà bạn sẽ không bao giờ tìm thấy thủ công.
Nếu bạn là người sáng lập hoặc nhà tư vấn, đây là bộ não thứ hai cho công việc với khách hàng, nghiên cứu thị trường hoặc phân tích cạnh tranh. Mọi báo cáo bạn tạo ra đều được đưa trở lại hệ thống. Đến tháng thứ 3, AI của bạn sẽ hiểu rõ lĩnh vực của bạn hơn hầu hết các nhân viên mới.
Nếu bạn là sinh viên hoặc nhà nghiên cứu, đây chính xác là thứ Karpathy đã xây dựng nó. Nghiên cứu chuyên sâu qua hàng chục bài báo, với AI theo dõi cách các ý tưởng kết nối với nhau, nơi các tác giả bất đồng, và những khoảng trống còn lại.
*Điều này cũng có thể được sử dụng cho nhiều quy trình R&D kinh doanh.
Trước Khi Xây Dựng: Những Gì Bạn Cần
→ Bất kỳ công cụ AI coding nào có thể đọc tệp cục bộ (Claude Code, Cursor, Codex hoặc tương tự)
→ Một trình soạn thảo văn bản (Obsidian được khuyến nghị, nhưng VS Code, Notepad, bất cứ thứ gì cũng được)
→ 10+ tài liệu nguồn về một chủ đề bạn quan tâm
→ 30 phút cho thiết lập ban đầu, sau đó 10 phút cho mỗi nguồn
Thế thôi. Không cần phần mềm đặc biệt. Không cần tạo tài khoản. Không cần cài plugin.
Phần còn lại của bài viết này là quá trình xây dựng. 7 bước. Mỗi bước có câu lệnh chính xác mà bạn sẽ dán vào AI của mình. Thực hiện theo đúng thứ tự.
Bước 1: Tạo Cấu Trúc Thư Mục (2 Phút)
Tạo cấu trúc này ở bất kỳ đâu trên máy của bạn:
1my-knowledge-base/2├── raw/ # Tài liệu nguồn của bạn. AI đọc nhưng không bao giờ sửa đổi.3│ └── assets/ # Hình ảnh, ảnh chụp màn hình, sơ đồ4├── wiki/ # Wiki do AI duy trì. Bạn đọc. AI viết.5├── outputs/ # Báo cáo, phân tích, câu trả lời từ các truy vấn6└── CLAUDE.md # Tệp lược đồ giúp toàn bộ hệ thống này hoạt động
Ba thư mục, một tệp. Nếu bạn dành hơn 2 phút ở đây, bạn đang suy nghĩ quá phức tạp.
Bước 2: Viết Tệp Lược Đồ Của Bạn (Bước Mà Mọi Người Đều Bỏ Qua. Đừng Làm Thế.)
Lược đồ là sự khác biệt giữa một chatbot chung chung và một người duy trì wiki có kỷ luật.
Nó cho AI của bạn biết cơ sở kiến thức về cái gì, cách tổ chức nó, và phải làm gì khi bạn thêm nguồn, đặt câu hỏi hoặc chạy bảo trì.
Mọi hướng dẫn khác đều đưa cho bạn một mẫu 10 dòng. Đây là lược đồ sản xuất đầy đủ, dựa trên gist của Karpathy, được thiết kế cho sử dụng thực tế:
1# Lược Đồ Cơ Sở Kiến Thức23## Danh Tính4Đây là cơ sở kiến thức cá nhân về [CHỦ ĐỀ CỦA BẠN].5Được duy trì bởi một tác nhân LLM. Con người quản lý các nguồn và đặt câu hỏi. LLM làm mọi thứ khác.67## Kiến Trúc8- raw/ chứa các tài liệu nguồn bất biến. KHÔNG BAO GIỜ sửa đổi tệp trong raw/.9- wiki/ chứa wiki đã được biên soạn. LLM sở hữu hoàn toàn thư mục này.10- outputs/ chứa các báo cáo, phân tích và câu trả lời truy vấn đã được tạo.1112## Quy Ước Wiki13- Mỗi chủ đề có tệp .md riêng trong wiki/14- Mỗi tệp wiki bắt đầu bằng YAML frontmatter:15 ---16 title: [Tên Chủ Đề]17 created: [Ngày]18 last_updated: [Ngày]19 source_count: [Số lượng nguồn thô đã cung cấp thông tin cho trang này]20 status: [draft | reviewed | needs_update]21 ---22- Sau frontmatter, một đoạn tóm tắt23- Sử dụng [[tên-chủ-đề]] cho các liên kết nội bộ giữa các trang wiki24- Mọi tuyên bố thực tế đều trích dẫn nguồn của nó: [Source: filename.md]25- Khi thông tin mới mâu thuẫn với nội dung hiện có, hãy gắn cờ rõ ràng:26 > MÂU THUẪN: [tuyên bố cũ] so với [tuyên bố mới] từ [nguồn]2728## Chỉ Mục và Nhật Ký29- wiki/index.md liệt kê mọi trang với mô tả một dòng, theo danh mục30- wiki/log.md là bản ghi theo thứ tự thời gian, chỉ nối thêm31- Định dạng mục nhập nhật ký: ## [YYYY-MM-DD] hành động | Mô tả32 (Các hành động: ingest, query, lint, update)3334## Quy Trình Ingest35Khi xử lý một nguồn mới:361. Đọc toàn bộ tài liệu nguồn372. Thảo luận các điểm chính với người dùng383. Tạo hoặc cập nhật trang tóm tắt trong wiki/394. Cập nhật wiki/index.md405. Cập nhật TẤT CẢ các trang thực thể và khái niệm liên quan trên toàn bộ wiki416. Thêm backlink từ các trang hiện có đến nội dung mới427. Gắn cờ bất kỳ mâu thuẫn nào với nội dung wiki hiện có438. Thêm mục nhập vào wiki/log.md449. Một nguồn duy nhất nên chạm đến 10-15 trang wiki4546## Quy Trình Truy Vấn47Khi trả lời một câu hỏi:481. Đọc wiki/index.md trước để tìm các trang liên quan492. Đọc tất cả các trang wiki có liên quan503. Tổng hợp câu trả lời với trích dẫn [Source: tên-trang]514. Nếu câu trả lời tiết lộ thông tin chi tiết mới, đề xuất lưu trữ lại vào wiki/525. Lưu các câu trả lời có giá trị vào outputs/5354## Quy Trình Lint (Hàng Tháng)55Kiểm tra:56- Các mâu thuẫn giữa các trang57- Các tuyên bố lỗi thời bị thay thế bởi các nguồn mới hơn58- Các trang mồ côi không có liên kết đến59- Các khái niệm được đề cập nhưng chưa bao giờ được giải thích60- Các tham chiếu chéo bị thiếu61- Các tuyên bố không có ghi chú nguồn62Đầu ra: wiki/lint-report-[ngày].md với các mức độ nghiêm trọng6364## Lĩnh Vực Trọng Tâm65[Liệt kê 3-5 chủ đề mà cơ sở kiến thức này bao gồm]
Sao chép cái này. Tùy chỉnh các lĩnh vực trọng tâm. Đặt nó vào thư mục gốc dự án của bạn với tên CLAUDE.md.
Bước 3: Điền Vào Thư Mục Raw Của Bạn (10 Phút Đổ Dữ Liệu, Không Cần Sắp Xếp)
Mở raw/ và đổ mọi thứ vào đó:
→ Sao chép-dán các bài báo vào tệp .md hoặc .txt
→ Xuất ghi chú từ bất kỳ ứng dụng nào bạn đang sử dụng
→ Lưu ảnh chụp màn hình và sơ đồ vào raw/assets/
→ Dán các bài nghiên cứu, PDF, phân tích đối thủ cạnh tranh
→ Đổ dấu trang bạn đã tích trữ trong nhiều tháng
Đừng sắp xếp nó. Đừng đổi tên bất cứ thứ gì. Đừng làm sạch nó. Đó là công việc của AI.
Mẹo từ Karpathy: Tiện ích mở rộng trình duyệt Obsidian Web Clipper chuyển đổi bất kỳ bài báo web nào thành markdown chỉ trong một cú nhấp chuột.
Đặt một phím tắt (Cài đặt → Phím tắt → "Download attachments") để tải tất cả hình ảnh về cục bộ để AI có thể tham chiếu chúng.
Nếu bạn không sử dụng Obsidian, sao chép-dán từ trình duyệt của bạn cũng được.
Mục tiêu là số lượng. Không phải sự hoàn hảo.
Bước 4: Chạy Lần Ingest Đầu Tiên
Mở tác nhân AI của bạn. Trỏ nó vào thư mục dự án của bạn. Dán cái này:
LỆNH INGEST:
1"Đọc lược đồ trong CLAUDE.md. Sau đó xử lý [TÊN TỆP] từ raw/. Đọc toàn bộ, thảo luận các điểm chính với tôi, sau đó: tạo một trang tóm tắt trong wiki/, cập nhật wiki/index.md, cập nhật tất cả các trang khái niệm và thực thể liên quan, thêm backlink, gắn cờ bất kỳ mâu thuẫn nào, và thêm mục vào wiki/log.md."
Bắt đầu với một nguồn tại một thời điểm. Karpathy cũng làm như vậy. Đọc các bản tóm tắt. Kiểm tra các bản cập nhật. Hướng dẫn AI về những gì cần nhấn mạnh. Điều này tạo ra kết quả tốt hơn đáng kể so với xử lý hàng loạt mọi thứ cùng một lúc.
Sau 5-10 nguồn, thư mục wiki/ của bạn sẽ có một chỉ mục, một nhật ký và 15-30 trang được kết nối với nhau.
Đó là lúc mọi thứ bắt đầu có hiệu quả.
Bước 5: Bắt Đầu Truy Vấn Cơ Sở Kiến Thức Của Bạn
Khi bạn đã có 10+ trang wiki, hệ thống trở nên thực sự hữu ích. Dán cái này:
LỆNH TRUY VẤN:
1"Đọc wiki/index.md. Dựa trên những gì có trong cơ sở kiến thức, trả lời: [CÂU HỎI CỦA BẠN]. Trích dẫn các trang wiki nào đã cung cấp thông tin cho câu trả lời. Nếu điều này tiết lộ các kết nối mới đáng được lưu giữ, hãy tạo một trang mới trong wiki/ và cập nhật chỉ mục."
Các câu hỏi mang lại nhiều giá trị nhất:
→ "Ba khoảng trống lớn nhất trong cơ sở kiến thức này là gì?"
→ "Những nguồn nào mâu thuẫn với nhau, và về vấn đề gì?"
→ "Tôi nên nghiên cứu tiếp theo là gì dựa trên những gì có ở đây?"
→ "Viết một bản tóm tắt 500 từ về [chủ đề] chỉ sử dụng nội dung wiki"
→ "Có những kết nối nào giữa [khái niệm A] và [khái niệm B]?"
Vòng lặp quan trọng: các câu trả lời hay nên được lưu trữ lại vào wiki.
Một sự so sánh, một phân tích, một kết nối bạn đã khám phá ra.
Chúng tích lũy trong cơ sở kiến thức giống như các nguồn được ingest vậy.
Mỗi câu hỏi làm cho câu trả lời tiếp theo tốt hơn.
Bước 6: Chạy Kiểm Tra Sức Khỏe Hàng Tháng
Đây là bước không ai làm. Đây là bước ngăn toàn bộ hệ thống dần dần mục nát. Dán cái này:
LỆNH LINT:
1"Chạy kiểm tra sức khỏe toàn diện trên wiki/ theo quy trình lint trong CLAUDE.md. Xuất ra wiki/lint-report-[ngày].md với các mức độ nghiêm trọng (🔴 lỗi, 🟡 cảnh báo, 🔵 thông tin). Đề xuất 3 bài báo để lấp đầy những khoảng trống kiến thức lớn nhất."
Tại sao điều này quan trọng: khi AI viết một điều gì đó hơi sai và bạn lưu nó lại, câu trả lời tiếp theo sẽ xây dựng trên điều sai đó.
Hai tháng sau, bạn có năm trang củng cố cùng một lỗi. Kiểm tra sức khỏe phát hiện ra điều này trước khi nó leo thang.
Một lần kiểm tra mỗi tháng. Mười phút thời gian của bạn. Không thể thương lượng nếu bạn muốn hệ thống đáng tin cậy.
Bước 7: Để Nó Tích Lũy
Đây là lúc hệ thống thể hiện giá trị của nó.
Sau 4-6 tuần sử dụng nhất quán, bạn không chỉ đang tìm kiếm ghi chú.
Bạn đang truy vấn một hệ thống kiến thức có cấu trúc hiểu các kết nối giữa các nguồn của bạn tốt hơn bạn.
Ba cách để tăng tốc quá trình tích lũy:
Lưu trữ kết quả khám phá trở lại: Khi AI tạo ra một so sánh hoặc phân tích mà bạn thấy có giá trị, hãy lưu nó vào wiki/ hoặc outputs/.
Karpathy nói rằng các cuộc khám phá và truy vấn của chính anh ấy "luôn được thêm vào" trong cơ sở kiến thức.
Thêm đầu ra trực quan: Yêu cầu AI hiển thị câu trả lời dưới dạng bảng markdown, biểu đồ hoặc bộ trình chiếu (định dạng Marp).
Chúng trở thành tài sản có thể tái sử dụng, không phải là tin nhắn chat dùng một lần.
Quản lý phiên bản mọi thứ: Wiki của bạn chỉ là các tệp markdown.
Khởi tạo một repo git. Bạn có toàn bộ lịch sử, phân nhánh và khả năng hoàn tác bất cứ điều gì AI làm hỏng.
Được rồi. Đó là quá trình xây dựng. Bây giờ là phần mà không ai khác sẽ nói với bạn.
Nơi Hệ Thống Này Hỏng (Phiên Bản Trung Thực)
Đây là một mô hình sơ khai, không phải là một sản phẩm hoàn chỉnh. Chính Karpathy đã gọi nó là "một tập hợp script tạm bợ" và nói rằng vẫn còn chỗ cho một sản phẩm thực sự.
Đây là những gì bạn cần biết trước khi tin tưởng giao kiến thức của mình cho nó:
Giới Hạn Cửa Sổ Ngữ Cảnh.
Wiki của Karpathy hoạt động ở ~100 bài báo và ~400K từ. Nhưng ngay cả cửa sổ ngữ cảnh 128K token cũng chỉ chứa được ~96K từ. AI đọc có chọn lọc thông qua chỉ mục, điều đó có nghĩa là nó có thể bỏ lỡ một số thứ. Nghiên cứu cho thấy LLM bị ảnh hưởng bởi hiệu ứng "lạc giữa dòng" (lost in the middle) nơi thông tin ở trung tâm của các đầu vào dài bị giảm mức độ ưu tiên. Kết quả truy vấn của bạn sẽ có những điểm mù. Hãy chấp nhận điều này.
Lỗi Tích Lũy.
AI viết một trang wiki với một lỗi nhỏ. Bạn truy vấn dựa trên nó. Lỗi đi vào câu trả lời của bạn. Bạn lưu câu trả lời đó lại. Bây giờ hai trang củng cố cùng một lỗi. Kiểm tra lint hàng tháng giúp ích, nhưng AI thực hiện linting có cùng điểm mù với AI đã tạo ra lỗi. Đây là rủi ro lớn nhất. Một người bình luận trên gist của Karpathy đã nói chính xác: "Khi các đầu ra được lưu trữ lại, lỗi cũng tích lũy."
Ảo Giác (Hallucination) Không Biến Mất.
Phương pháp wiki làm giảm ảo giác vì AI neo câu trả lời vào các nguồn của bạn. Nhưng nó không loại bỏ hoàn toàn ảo giác. AI vẫn có thể tổng hợp các kết nối không tồn tại trong tài liệu nguồn. Và vì wiki trông có vẻ đáng tin cậy (markdown sạch sẽ, tham chiếu chéo, trích dẫn), bạn có nhiều khả năng tin tưởng vào thông tin không chính xác hơn. Đừng làm thế.
Chi Phí Không Bằng Không.
Mỗi lần ingest, mỗi lần truy vấn, mỗi lần kiểm tra lint đều tốn token. Một nguồn duy nhất chạm đến 10-15 trang có thể tiêu tốn $2-5 cho các cuộc gọi API với các mô hình tiên tiến. 50 nguồn là $100-250 chỉ cho việc nhập liệu. Rẻ hơn một trợ lý nghiên cứu. Không miễn phí.
Nó Không Mở Rộng Quy Mô Cho Doanh Nghiệp.
Karpathy nói rằng phương pháp tệp chỉ mục hoạt động mà không cần RAG ở ~100 bài báo. Ở 10.000+ nguồn, mô hình này hỏng. Chỉ mục trở nên quá lớn. Tính nhất quán trên hàng nghìn trang trở nên bất khả thi. Bạn sẽ cần cơ sở hạ tầng mà hệ thống này được thiết kế để tránh. Biết giới hạn của nó.
Điểm Mù Của Mô Hình Đơn Lẻ.
Toàn bộ wiki của bạn là sự diễn giải của một mô hình duy nhất về các nguồn của bạn. Mô hình đó có những thiên kiến và khuynh hướng. Đối với các quyết định quan trọng, một người bình luận trên gist đã gợi ý chạy các truy vấn thông qua 4+ mô hình độc lập, sau đó so sánh sự đồng thuận. Mạnh mẽ hơn. Cũng đắt gấp 4 lần.
Phải Làm Gì Với Điều Đó
→ Lỗi tích lũy: Kiểm tra lint hàng tháng. Kiểm tra chéo các tuyên bố quan trọng theo cách thủ công. Không bao giờ tin tưởng wiki một cách mù quáng vào các quyết định quan trọng.
→ Giới hạn ngữ cảnh: Giữ mỗi wiki tập trung vào một lĩnh vực. Nhiều lĩnh vực? Nhiều cơ sở kiến thức.
→ Chi phí: Sử dụng các mô hình tiên tiến cho việc ingest và các truy vấn phức tạp. Các mô hình rẻ hơn cho các cập nhật đơn giản.
→ Ảo giác: Lược đồ ở trên yêu cầu trích dẫn nguồn trên mọi tuyên bố. Nếu một trang đưa ra tuyên bố mà không có [Source: filename], linting sẽ gắn cờ nó.
→ Quy mô: Chấp nhận đây là một công cụ cá nhân, không phải cơ sở hạ tầng doanh nghiệp. Nếu bạn phát triển vượt quá nó, đó là một vấn đề tốt.
Tại Sao Nó Vẫn Quan Trọng
Bất chấp tất cả những điều trên, đây là hệ thống kiến thức cá nhân thực tế nhất hiện có.
Lý do rất đơn giản: con người từ bỏ wiki vì việc bảo trì tăng nhanh hơn giá trị.
Bạn bắt đầu sắp xếp, cảm thấy tuyệt vời trong hai tuần, sau đó việc duy trì giết chết động lực và bạn không bao giờ động đến nó nữa.
LLM không cảm thấy chán. Chúng không quên cập nhật một tham chiếu chéo. Chúng có thể chạm đến 15 tệp trong một lần mà không phàn nàn.
Lex Fridman xác nhận anh ấy chạy một thiết lập tương tự.
Anh ấy tạo ra các hình ảnh trực quan HTML tương tác và tạo "cơ sở kiến thức nhỏ" mà anh ấy tải vào chế độ thoại cho những cuộc chạy bộ 7-10 dặm.
Elvis Saravia từ DAIR.AI đã xây dựng các cơ sở kiến thức LLM để quản lý nghiên cứu AI.
Nhiều triển khai mã nguồn mở đã xuất hiện trên GitHub trong vòng 48 giờ sau gist của Karpathy.
Đây không còn là một thử nghiệm nữa.
Nó đang trở thành thực tiễn tiêu chuẩn cho bất kỳ ai thực hiện nghiên cứu nghiêm túc.
Thư Viện Lệnh Hoàn Chỉnh Của Bạn (Sao Chép Mọi Thứ)
Mọi lệnh từ bài viết này, được thu thập tại một nơi:
LƯỢC ĐỒ: Sao chép mẫu CLAUDE.md đầy đủ từ Bước 2.
INGEST (một nguồn):
1"Đọc lược đồ trong CLAUDE.md. Xử lý [TÊN TỆP] từ raw/. Đọc toàn bộ, thảo luận các điểm chính với tôi, sau đó: tạo trang tóm tắt, cập nhật chỉ mục, cập nhật tất cả các trang liên quan, thêm backlink, gắn cờ mâu thuẫn, ghi nhật ký ingest."
INGEST (hàng loạt, ít giám sát hơn):
1"Đọc CLAUDE.md. Xử lý tuần tự tất cả các tệp chưa được xử lý trong raw/. Với mỗi tệp: tạo tóm tắt, cập nhật chỉ mục, cập nhật các trang liên quan, ghi nhật ký ingest. Tiến hành tự động."
TRUY VẤN:
1"Đọc wiki/index.md. Trả lời: [CÂU HỎI]. Trích dẫn các trang wiki. Nếu câu trả lời này đáng được lưu giữ, hãy đề xuất lưu nó thành một trang wiki mới."
LINT:
1"Chạy kiểm tra sức khỏe toàn diện trên wiki/ theo quy trình lint trong CLAUDE.md. Xuất ra wiki/lint-report-[ngày].md với mức độ nghiêm trọng 🔴/🟡/🔵. Đề xuất 3 bài báo để lấp đầy khoảng trống."
KHÁM PHÁ:
1"Đọc wiki/index.md và xác định 5 kết nối chưa được khám phá thú vị nhất giữa các chủ đề hiện có. Với mỗi kết nối, giải thích nó có thể tiết lộ thông tin chi tiết gì và nguồn nào sẽ giúp xác nhận nó."
BÁO CÁO NGẮN:
1"Dựa trên mọi thứ trong wiki/, viết một báo cáo tóm tắt điều hành 500 từ về [CHỦ ĐỀ]. Trích dẫn các nguồn. Cấu trúc nó như sau: tình trạng hiện tại, các căng thẳng chính, các câu hỏi mở, các bước tiếp theo được đề xuất."
Hãy Bắt Tay Xây Dựng
Sự khác biệt giữa việc đánh dấu gist của Karpathy và việc hưởng lợi từ nó chỉ là một buổi chiều.
Chọn chủ đề của bạn. Tạo các thư mục. Sao chép lược đồ.
Đưa vào những gì bạn đã có. Chạy lần ingest đầu tiên.
Sau đó làm lại vào ngày mai với một nguồn khác.
Và tuần tới với năm nguồn nữa.
Wiki trở nên thông minh hơn mỗi lần. Đó là toàn bộ ý nghĩa.
Ba thư mục. Một lược đồ.
Một AI làm công việc nặng nhọc mà bạn sẽ không bao giờ tự làm.
Ngừng thu thập dấu trang. Bắt đầu biên soạn kiến thức.
Biến Claude thành 20+ chuyên gia khác nhau cho tiếp thị & kinh doanh.
Cài đặt chuyên môn thực sự, không chỉ là lệnh.
Nhận gói kỹ năng Claude của tôi 👇
