2026 年 4 月 Karpathy 在 gist 丟了 200 行 markdown 引發社群炸開、12 個實作版本。一句話講：讓 LLM 把你的所有資料「編譯」成結構化 markdown 知識庫，以後問問題不查原檔、查 wiki。本頁集合所有 LLM Wiki 相關文章、實測筆記、社群實作版本對照。
LLM Wiki 跟 RAG 差在哪？ RAG 是「解釋式」——每次 query 都重新檢索 + 餵 chunk + 解釋；LLM Wiki 是「編譯式」——預先把所有資料整理成結構化 markdown，query 時只餵被編譯過的結論頁。MindStudio 案例 token 降 95%、我自己案例降 87%。
為什麼用 markdown 不用 SQL？ Karpathy 原文：markdown 是 LLM 最熟的格式，寫起來也最自然。SQL / JSON 會花時間在 schema migration，不是知識本身。markdown 可以丟 Obsidian / Logseq / grep / git，完全 tool-agnostic、永遠不會被綁定。
踩坑警告：LLM Wiki 不是「自動產生可信知識庫」，是「自動產生一個你可以快速 audit 的草稿知識庫」。會被 hallucination 污染——所以 frontmatter 要寫 sources、confidence rating、定期跑 lint。
用 Claude Code 半年,memory 從 10 個檔長到 76 個,以為自己在養 AI 大腦,結果用 Obsidian Graph View 一打開全是花朵狀:所有檔只連中心的 MEMORY.md,檔跟檔之間幾乎沒連線。三胞胎重疊 70% 的 feedback、9 個全局/專案級同名檔、cross-link 趨近 0。本文拆三個結構性根因:同主題開新檔不擴充既有、寫完不加 [[link]]、全局 vs 專案級沒判準,以及整理之後做的三件事(合併三胞胎、重寫 MEMORY.md 成 cluster、CLAUDE.md 加程序性 SOP)。
部落格累積到 44 篇後，每篇單獨 SEO 都做了，GSC 曝光卻一直撞牆。盤點才發現 28/44 都歸類在「AI 工具」、tags 一團亂、系列文沒 topic hub。本文覆盤這次「狠狠改一次」的全過程：6 個 category 收斂、tags 受控詞彙、17 個 duplicate 清理、批次 PATCH Firestore 踩到 timestampValue schema 雷、開 4 個 topic hub。AI 跑 1.5 小時、人類 10 分鐘決策。
MemPalace 是 AI agent 用的長期記憶系統。chromadb 1.5.x 在 macOS 26.4 ARM64 必 SIGSEGV，所有 CLI 全死、只剩 MCP server 苟活。MemPalace 3.3.5 用兩個機制救回來：HNSW segment quarantine 自動隔離壞索引、repair --mode from-sqlite 從 sqlite3 直接撈資料重灌新 palace。本文記錄完整升級路徑、3.3.5 兩個救命機制原理、外加 180 行 Python claude-p-openai-proxy.py 把 claude -p CLI 包成 OpenAI 相容 HTTP 端點，讓 mempalace compress 走 Max 訂閱、零 API 成本。
LLM Wiki 是什麼？2026 年 4 月 Karpathy 在 gist 丟了 200 行 markdown，一週後全網炸開、12 個社群 implementation。一句話講：讓 LLM 把你丟的所有資料「編譯」成一個結構化的 markdown 知識庫，以後問問題不查原始檔、查這個被整理過的 wiki。本文拆解 RAG vs LLM Wiki 的編譯式/解釋式之差、三層架構、30 分鐘上手路徑、我把 7 場教學逐字稿 + 200 則 Discord QA 丟進去跑兩週的實測（token 降 87%）、5 個踩坑、什麼情境裝了反而是負擔。
Andrej Karpathy 觀察 LLM 寫 code 五大坑，被整理成 70 行 CLAUDE.md，repo 衝到 108k stars。本文拆解四條規則、跟 Anthropic 官方 Claude Code 預設行為的重疊度，並推薦只抄那兩條真正空白的規則。新手照做不用整包搬。