Karpathy：用 LLM 构建个人知识库，从操控代码转向操控知识

核心要点

2026 年 4 月 2 日，OpenAI 联合创始人、知名 AI 教育者 Andrej Karpathy 在 X 平台分享了其工作流的重大转变：他开始系统性地使用 LLM 构建个人知识库。具体而言，他将论文、文章、代码库等原始资料存入 raw/ 目录，再由 LLM 增量整理为结构化 Markdown 输出。这一转变意味着其日常使用中，大部分 LLM token 消耗已从"操控代码"转向"操控知识"，标志着 AI 辅助认知工作的一个新阶段。

原文 + 中文翻译

原文：（Karpathy 推文核心内容）
"I shifted most of my LLM usage from operating on code to operating on knowledge. I index papers, articles, codebases into a raw/ directory, then an LLM incrementally organizes them into structured Markdown over time. The majority of my tokens now go to knowledge management rather than code manipulation." 翻译："我将 LLM 的主要用途从操控代码转向操控知识。我将论文、文章、代码库索引到 raw/ 目录，然后让 LLM 逐步将它们整理为结构化的 Markdown。现在，我消耗的大部分 token 都用于知识管理，而非代码操作。"

深度解读

一、从"代码工具"到"认知伙伴"的范式跃迁 Karpathy 的工作流转变具有重要的象征意义。作为深度学习领域的标志性人物，他长期活跃于代码编写与模型训练前线，其工作流中 token 消耗从代码操作转向知识管理，折射出一个深层趋势：当 LLM 的上下文窗口足够大、推理能力足够强时，人们开始将它从"写代码的助手"重新定位为"思考的伙伴"。知识管理——包括信息的摄入、结构化、检索与迭代——正在成为 LLM 的核心用例之一，这与传统观念中 LLM 主要用于代码生成的定位形成鲜明对比。 二、"增量整理"模式的技术含义 Karpathy 提到的"incrementally organizes"（增量整理）是一个关键细节。传统的知识管理工具（如 Notion、Obsidian）依赖用户手动维护结构，而增量式 LLM 整理意味着系统能够在每次交互中理解新旧信息的关系，动态更新知识图谱或文档结构。这一模式暗示了"Contextual Memory as a Service"的雏形——LLM 不仅处理当前输入，还维护着一个关于用户知识体系的长期上下文。raw/ 目录作为"冷存储"，Markdown 输出作为"热输出"，形成了一个人机协作的知识代谢循环。 三、对 AI Native 工作流的预示 这一转变对 AI 应用的未来走向具有指示意义。当 token 消耗的分布从"代码生成"迁移到"知识管理"，它意味着 LLM 的价值锚点正在从"生产力工具"（帮助完成具体任务）向"认知基础设施"（辅助思考、记忆与知识构建）演进。这与近期业界热议的 Agent Memory、Long-term Memory 议题高度呼应。Karpathy 的个人实践或许预示了一种新型 AI Native 工作流的诞生：不是让人类适应 AI 的交互范式，而是让 AI 深度嵌入人类的认知流程。

值得关注

• Karpathy 后续技术分享：他是否会公开这一知识库系统的具体实现细节（如使用何种 LLM、prompt 设计、RAG 策略）？其 GitHub 或博客可能成为该领域的重要参考。
• token 消耗结构变化的可量化数据：如果 Karpathy 或 OpenAI 发布更多关于"知识管理 vs 代码操作"token 消耗比例的数据，将为 LLM 用例分布提供稀缺的一手参照。
• 知识管理 Agent 产品的竞争态势：Notion AI、Obsidian Copilot、Mem.ai 等现有工具是否会跟进"增量整理"功能？初创公司是否会推出专门针对"LLM-Native Knowledge Base"的产品？
• 对 RAG 技术路线的影响：如果越来越多人采用"raw/ → LLM → Markdown"的管道，检索增强生成（RAG）的重心可能从外部知识库检索转向"内部知识组织"，这将影响向量数据库、Embedding 模型的优化方向。
• 学术与研究社区的采用情况：Karpathy 的方法是否会扩散到学术圈？研究人员是否会用类似方式管理论文阅读、笔记与实验记录？这可能催生新一代研究辅助工具。

信源行：
原文链接：https://x.com/karpathy/status/2039805659525644595
背景报道：
• karpathy.ai — Karpathy 官方博客，历史上曾分享大量 AI 教育内容与技术思考
• Simon Willison's Blog — 长期追踪 LLM 实用化案例，曾多次解读 Karpathy 的 AI 使用方法论