LLM Wiki：收藏的資料怎麼變成知識？

你存了很多 AI 文章、旅行攻略和課程筆記。真的要安排旅程或挑工具時，還是得重新搜尋。收藏留下了網址，卻沒有留下你已經理解的東西。

「第二大腦」可以先理解成一套外部筆記：幫你記住、找回與使用資料。LLM Wiki 是其中一種整理方式，讓 AI 幫忙維護筆記，不只在你提問時臨時讀文件。

AI 會整理什麼？

Andrej Karpathy 的原始概念文件提出：保留原始資料，另讓 AI 建立與更新互相連結的主題頁。新資料進來時，相關筆記也一起修訂；發現說法矛盾，就留下標記。

這是一種知識整理模式，不是必須下載的單一 App，也沒有唯一的資料夾格式。

拿旅行規劃當例子

以下是我用來解釋概念的情境，不是對旅行資訊的實際查核。

假設你在研究一趟旅行。原始資料有交通公告、住宿說明與自己的需求。整理後，可以有「交通怎麼選」「住宿比較」「還沒決定的事」等主題頁，每項重點都連回資料來源。

你發現新的交通公告，就更新相關頁面。下一次問「行程改到晚上，原本安排還適合嗎？」時，就有已整理的條件可參考，不必從全部收藏重來。

圖：先保留原始資料，再整理主題筆記，用來回答實際問題；旅行資訊仍需核對最新公告。

跟上傳文件聊天，差在哪裡？

一般文件問答著重當下回答；LLM Wiki 想多留下一份會更新的知識成果。一次有用的比較、一次釐清過的問題，都可以變成下次還能查到的頁面。

這不表示文件問答工具都沒有記憶，也不表示 Wiki 一定比較準。工具功能會變，真正要看的是：整理結果是否保存、來源是否可追、後續是否有人維護。

哪些資料適合放進來？

我會優先挑自己反覆要用的主題，例如正在學的技能、常查的工具比較、持續進行的計畫。一次看完就不再用的資訊，不一定需要整理成 Wiki。

「多存一點總沒壞處」很容易讓筆記變成另一個雜物櫃。每收一份資料前，可以先問：我之後會拿它回答什麼問題？

整理好了，仍然要核對

AI 可能漏掉前提、錯接兩份資料，或把推測寫得太肯定。原文保留、摘要附來源，重要結論再核對。票價、政策與工具資格等會變動的內容，需要確認最新版本。

人的工作是選資料、提出問題與判斷結果；AI 比較適合協助整理和維護。你仍要決定什麼值得留在第二大腦裡。

想試做，可以接著讀 LLM Wiki 的三層架構。

來源

• Andrej Karpathy：LLM Wiki