一句话

在"粘贴上下文→得到代码→下次重来"的循环里，大多数人浪费了 Claude Code 最强大的能力：它可以维护一个不断进化的知识库，让每次会话都比上一次更聪明。

Context Amnesia：大型项目的隐形杀手

大多数人对 Claude Code 的用法：

  1. 打开对话，粘贴一堆上下文
  2. 要功能或修复
  3. 得到代码，关闭标签页
  4. 下次打开——它忘了所有决定，重复你早已拒绝的模式，对现有组件和业务规则毫无感知

这不是 AI 员工，这是一个响应很快的搜索引擎。

问题不在 Claude，在于你把它当成没有记忆系统的临时工。

核心思路：从即抛型答案到复利 Wiki

传统 RAG 把原始文档扔给模型，每次都一样，知识不累积。

Karpathy 的 LLM Wiki 改变了这个范式：

  • raw/ 文件夹：存放所有原材料（代码文件、文档、笔记、图片等）
  • wiki/ 文件夹：AI 将原材料增量编译成结构化的 Markdown 文件——摘要、实体页面、概念文章、反向链接、索引
  • wiki 是持久的，成为未来所有工作的主要上下文
  • AI 自己也维护 wiki：标记矛盾、建议新连接、更新页面、把自身输出（如生成的代码解释）也归档回去

结果：你的 AI 对你的项目产生了真正的长期专业知识，而不是每次从零开始。

实战效果

作者把 Claude Code 指向自己的 React/TypeScript 前端项目 + CRM 需求文档。应用 LLM Wiki 模式后：

  • 它发现了所有现有的 Shadcn 组件并记录归档
  • 创建了数据模型、用户流程、架构决策的互联页面
  • 当被要求构建一个"自动更新的仪表盘"时，它查 wiki 找现有模式，选择合适的 Shadcn 包，确保设计系统一致性，然后主动更新 wiki 记录新的实现细节和组件关系
  • 多个会话后，输出越来越聪明——它开始基于早期决策主动建议改进方向，并主动捕捉潜在的不一致

"效果如同和一个深度了解整个项目的老工程师一起工作。"

快速上手（约 5-15 分钟开始，然后持续复利）

1. 创建文件夹结构

my-llm-wiki/
├── raw/          # 存放所有原材料（代码文件、PDF、会议记录、导出会话、网页剪藏、图片等）
├── wiki/         # 编译后的结构化知识库（AI 维护）
│   ├── index.md
│   ├── concepts/
│   ├── entities/
│   ├── components/   # 如 Shadcn 或 React 组件
│   ├── decisions/
│   └── summaries/
└── schema.md     # Wiki 的"宪法"——类似 CLAUDE.md，定义 AI 的行为规则

2. 接入 Karpathy 的 Idea File

  1. 访问 gist: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
  2. 复制全部内容
  3. 在新的 Claude Code 会话中粘贴，告诉它：

"Build me a complete LLM Wiki system based on this idea file. I use Obsidian for viewing. Create the folder structure if needed, define a good schema.md, and give me clear step-by-step instructions on how to ingest sources and have you maintain the wiki."

3. 定义 schema.md

这是 AI 行为的"宪法"，应包含：

  • 文件夹命名规范
  • 页面命名规则
  • 如何处理反向链接和引用
  • 何时及如何更新已有页面
  • 风格指南（如：总是标注原材料来源）
  • 领域 specifics（如："前端组件需记录 props、Shadcn 依赖、使用示例"）

让 Claude 帮助起草这份文件，随着项目发展持续迭代。

为什么这个模式值得认真对待

昨天发了 Karpathy 的 LLM Wiki 原始概念，今天这篇给出了一个完整的 Claude Code 实战案例——不是理论，是可以复制粘贴的步骤。

两个文章加起来，构成了一个完整的范式：

LLM Wiki = AI 时代的项目知识积累系统

传统开发中，代码是资产，知识是消耗品，每次新人上手都要"补课"。LLM Wiki 把知识也变成了资产——而且是 AI 和人共同维护、持续增值的资产。

对个人开发者来说，这个模式最大的价值不是"AI 记得什么"，而是你不再需要记得所有东西。系统记住了，你负责判断，系统负责积累。