我用比 Karpathy 的 LLM Wiki 更好用的方案替代了它
最受欢迎的 LLM wiki 视频下面，置顶评论说它"对大多数人来说几乎一文不值"。
我想知道他说的对不对。⌕ 我的目标是提升我的决策能力。我非常喜欢雷·达里奥。我买了他的《原则》。于是，我用了同样的信息源、同样的目标，实时地一边搭建他的 wiki，一边搭建我自己的系统。
达里奥的5步流程。https://www.principles.com/
结果是这样的。
Karpathy 的 wiki 架构
@karpathy 的 wiki 分三部分。你的原始信息源是 YouTube 转录文本、文章、PDF。wiki 本身是 Claude 读取每个信息源，撰写摘要，然后抽取人物和概念生成页面的地方。一个 schema 文件告诉 Claude wiki 是如何组织的，所以当你提问时，它知道去哪里找。
有了这些索引文件和实体页面，你可以轻松查询 wiki，并在关系图上导航。
来自 gist 的 Karpathy wiki 架构
wiki 在哪里失效
我并行地将 19 个信息源导入 wiki。大概花了 20 分钟。然后我问了它 10 个问题。
Claude 在读所有转录文本。索引一点用都没有。Claude 为了回答一个问题，在读完整的文件。每个问题 44,000 token。10 个问题，乘以 10。
我的配额直接爆炸。对话成本正在疯狂燃烧。
对比一下 @NotebookLM。我加了 50 个信息源，因为导入是瞬间完成的。NotebookLM 的导入只是做 embedding。他们用最先进的 embedding 模型，比如 Google 自己的那些。你完全不用做这个导入步骤。你直接就能开始提问。你不需要建整个 wiki 索引。
同样的 10 个问题。每条回复大约一分钟。所有 10 个答案都附有引用，指回转录文本。
所以呢？
我们有这么多知识，然后呢？你建了个 wiki，你有摘要，你有索引。接下来呢？你真的做下去了吗？
我们有这么多知识，然后呢？
wiki 和现实世界没有任何集成。你可以问它问题，但也仅此而已。
我做的是什么
我的目标是提升决策能力。我围绕它提问。我提取概念。然后我提升我的技能。
我做的是什么
三个步骤：
⚡ 从这些知识里提炼出技能。
↻ 把这些技能整合进你的日常流程。
▸ 在流程中运行这些新技能。
一个很好的例子是早晨流程，你把决策框架整合进你分配时间的方式。
我基于达里奥的 5 步流程，做了一个决策技能：
◎ 明确你的目标。
⚠ 不要容忍问题。
⌕ 诊断根本原因。
◈ 设计一个计划。
▸ 执行这个计划。
我加了一个日常模板，里面有反思提示，还有一个每周回顾部分，会问："这周重复出现的问题有哪些？它们和上周的问题是同一类型吗？"
从达里奥的视频到我的系统。
每当我需要做决策时，技能就在那里。我应用这些知识，而不是存储它们。
更多笔记本
我做了更多测试，创建了更多笔记本。这里是我收集的一些。
我最近的几个笔记本
一个例子：我把过去两周关于 Hermes Agent、OpenClaw 和 Claude Code 频道的视频拉到一个笔记本里。21 个信息源。我问了很多问题，得到的答案都很棒，有理有据，基于 YouTube 视频和人们实际在用的东西。
这是它真正擅长的地方。我可以跟上进度，又不会被单个 YouTube 视频的观点带偏。看一个视频给你的是一个人的观点。把 21 个视频拉进笔记本，让我快速跟上节奏，降低那种"错过什么"的感觉。它帮我没疯掉。
这里有一个我问过的问题的例子："为什么 @AnthropicAI 禁止订阅？"答案非常好，基于多个视频。
笔记本在 21 个视频信息源中回答我的问题。
如果我走 wiki 路线，每次我问问题，Claude 都要去读所有转录文本。这太长了。你不能等。通过把综合工作外包给 NotebookLM，你只花零头的 token。
而且免费 token 的时代已经结束了。我能感觉到。一月的时候，Anthropic 的 token 是无限的，要撞周度上限都极其困难。现在它在收紧。LLM wiki 的方式非常贵，而且非常慢。
wiki 真正发光的地方
我相信 wiki 真正发光的地方是你需要非常、非常深入的时候。博士级别的研究。那些要长期支撑你的东西。你需要高精度。你花得起 30 分钟去导入一个信息源。
团队 wiki，我认为是个很好的用例。竞品分析肯定是更合适的。Claude 可以去读所有那些文件，提供更好的回答，因为它有信息源的访问权限。
对于个人知识，那种我想学习一个主题的情况，我觉得有点杀鸡用牛刀。我不会为每个主题花一个小时去建 wiki。我一天只能花这么多对话额度。现在 token 是补贴的，你不用付那么多钱。如果你尝试通过 API 用，你绝对不会用 LLM wiki。完全没戏。
NotebookLM，你不用做维护，不用做处理。信息源保持原样。你提问，你得到答案。
并排对比
试试看
打开 NotebookLM。让 Claude 找到你主题的视频和文章。它会把它们加到笔记本里。然后问你的问题，拿回答案。就这些！
我建了一个 NotebookLM 技能帮你做这些：notebooklm-skill-artemzhutov.netlify.app