概要
Andrej Karpathy が提案した、LLM エージェントに個人ナレッジベース（Wiki）を継続的に構築・保守させるパターン。RAG が「毎回ゼロから読み直す」のに対し、LLM Wiki は知識を積み上げて複利的に成長させる。
三層構造
| 層 | 役割 | 誰が扱うか |
|---|---|---|
| Raw Sources | 論文・記事・メモなどの原本資料 | 人間がキュレーション、AI は読むだけ |
| Wiki | AI が生成・保守するマークダウン群 | AI が書き、人間が読む |
| Schema | AI への管理指示（構造・命名規則・ワークフロー） | 人間が定義 |
三つの基本操作
- Ingest（取り込み）: 新しい資料を投入し、AI に Wiki を更新させる
- Query（質問）: Wiki に対して質問し、統合的な回答を得る
- Lint（保守）: 矛盾・古い記述・孤立ページなどを定期チェック
なぜ機能するか
人間が Wiki を放棄する主因は保守コスト。LLM は相互参照の更新、要約の最新化、一貫性維持を飽きずに続けられる。保守コストがほぼゼロになることで Wiki が持続する。
関連ページ
- コンテキスト圧縮 — LLM の文脈管理における関連技術
- Claude Code — LLM Wiki の実行環境として利用可能
ソース記事
- Karpathy の LLM Wiki — AIエージェントが育てる個人ナレッジベースという新パターン — 2026-04-05