参考 Karpathy LLM Wiki 方法论 搭建的第二大脑。用 LLM 处理知识、综合知识、思考、记忆。
主题：AI 智能体 / AIOps / 金融科技 / 企业架构 · 中英双语 · 每周更新
22 深度综述 · 175 一手 source · 38 工具实体 · 154 篇 clippings 原文全文可搜
🕸️ 知识图谱
175 篇 source + 22 综述 + 38 实体 之间的引用关系，交互式可视化。
🎯 精选主题（点进去看深度综述）
🤖 AI 智能体架构
- 企业智能体架构 2026 全景综述 ⭐ — 6 大行业共识 + 4 大架构模型 + 3 大反共识（跨 12 一手 source）
- Anthropic Research 2026H1 全景综述 ⭐ NEW — 6 大主线 + 3 大反共识（跨 31 篇 Anthropic 官方一手 source）
- 国内智能体平台横评 2026 ⭐ — 40+ 款龙虾工具混战 + 大厂战略地图 + 5 大反共识（跨 12 一手 source）
- 低代码-vs-高代码-智能体建设 — 9 维对比 + 3 条产品哲学 + 双轨制决策框架
- AI-工作流平台对比 — Coze / Dify / n8n 具体选型矩阵
- Agentic-AI — Agentic AI 整体框架
- Agentic-Engineering — Karpathy 的元学科
🔧 AIOps / AI SRE
- AIOps-2026-全景综述 ⭐ — AIOps 从 POC 到生产的完整地图（跨 20 sources）
- AIOps-生产实践与反共识 ⭐ — 4-Agent 系统月烧 €8500 + 5 大反共识 + 5 大防护策略
- AI-SRE-范式 — 5 大转变 + 5 Agent 架构 + 4 步采用路线
- AI-可观测性-四维追踪 — Prompt / Tool / Trace / Token 4 维方法论
- AI-FinOps-Tokenomics — Token 经济新时代 + 7 大成本优化策略
- AI时代运维转型与技能体系 ⭐ — 运维人员的转型路径（“人”的视角）
🏦 金融科技 / 汽车金融
- 金融智能体落地 — 银行 / 保险 / 证券 / 汽车金融跨 vertical 综述
- 汽车金融-AI-建设方向 — 汽车金融 vertical 完整方向
⚙️ 工程哲学
- Harness-Engineering — 长跑 Agent 的工程纪律
- Brain-Hands-Decoupling — Session / Harness / Sandbox 三层解耦
- Parallel-Agent-Teams — 多 Agent 并行 + git 任务锁
- Spec-Driven-Development — SDD 方法论
- Vibe-Coding — 依靠直觉 Prompt 的工业局限性
- 协作范式演进 — Prompt → Context → Harness → Agentic Engineering
🗺️ 探索入口
| 我想 | 去哪 |
|---|---|
| 📚 按主题深读 | 上方精选综述，或点左侧 concepts/ |
| 🏢 查具体工具/产品 | 左侧 entities/（HolmesGPT、Middleware OpsAI、Datadog Bits 等 28 个） |
| 📰 看一手 source 素材 | 左侧 sources/ （132 篇按编号 + 主题） |
| 🔍 全文搜索 | 顶部搜索或 Cmd+K — 覆盖 319 条（含 111 篇 clippings 原文全文） |
| 🕸️ 交互式知识图谱 | 📊 Graph View |
| 📅 每次更新变更 | 📝 变更日志 |
| 📋 完整 wiki 目录 | 📖 Wiki 目录索引（含所有 132 sources 一句话摘要） |
| 🎯 按主题看 Sources | 📚 按主题分类导航（132 篇按 6 大主题精选） |
📊 内容体量
| 维度 | 数量 | 说明 |
|---|---|---|
| Concept 深度综述 | 22 | 跨多源综合，可读性最强 |
| Entity 实体页 | 38 | 工具 / 公司 / 协议 |
| Source 一手摘要 | 175 | 每篇原文附中英对照或 TL;DR |
| 主题覆盖 | 10+ | 智能体 / AIOps / 金融 / 架构 / 工程哲学 / FinOps … |
🎨 关于本 Wiki：Karpathy LLM Wiki 方法论
本 wiki 参考 Andrej Karpathy 的 LLM Wiki gist 搭建。核心思想：
“用 LLM 帮我处理知识、综合知识、思考、记忆。 Wiki 是我的外脑 + LLM 的上下文池，两者协同放大能力。“
🏛️ 三层信息架构（灵魂 · 严格分层）
┌────────────────────────────────────────────────────┐
│ 🟢 Concept 层（20 篇）· 原创综合 │
│ 跨多源综合的深度综述，我的思考产物 │
│ 示例：AIOps-2026-全景综述 (跨 20 sources) │
└────────────┬───────────────────────────────────────┘
│ 引用（wikilink）
↓
┌────────────────────────────────────────────────────┐
│ 🟡 Entity 层（28 篇）· 实体画像 │
│ 工具 / 公司 / 协议的一句话档案 │
│ 示例：HolmesGPT · MCP-Protocol · Traversal │
└────────────┬───────────────────────────────────────┘
│ 引用
↓
┌────────────────────────────────────────────────────┐
│ 🔵 Source 层（132 篇）· 一手摘要 │
│ 每篇原文 TL;DR + 双语精选 + 关键论点 │
│ 示例：99-CBA-DevOps-Agent-2am-on-call │
└────────────┬───────────────────────────────────────┘
│ 指向
↓
┌────────────────────────────────────────────────────┐
│ 📚 Clippings 层（111 篇）· 完整原文 │
│ 抓取的原始素材（微信 / 博客 / arxiv 全文） │
│ 仅本站访问、全文可搜索，不进导航（版权保护） │
└────────────────────────────────────────────────────┘
🔄 3 大工作流（Karpathy 定义）
| 工作流 | 我做什么 | LLM 做什么 |
|---|---|---|
| Ingest（吸收） | 剪藏一篇新文章 → Clippings/ | LLM 提炼 TL;DR → 建 source/entity/concept 页 → 更新交叉引用 |
| Query（提问） | 问一个问题 | LLM 检索 wiki → 综合多页回答 → 有价值的沉淀回 wiki |
| Lint（巡检） | 定期跑 lint | LLM 找矛盾 / 过期 / 孤儿页 / 缺失引用 |
🎯 为什么这样搭
- 分层解耦：Concept 变化时不影响原文；原文永远保真
- 可追溯：每个综合结论可 wikilink 回 source
- LLM 友好：结构化 markdown + frontmatter tags，LLM 能直接读能协作
- 长期主义：一次沉淀，无限复用；知识库随时间升值
📖 深入了解
- 原方法论：Karpathy LLM Wiki gist
- 本 wiki 的 Karpathy 概念页：Agentic-Engineering（Karpathy 提出的元学科）
- 变更日志：log 每次 ingest / concept 写作都有记录
- GitHub 源码：https://github.com/shaowenglu-afk/wiki-public（可 fork 自己搭）
🙋 关于我
- 长期关注：AI 智能体 / AIOps / 金融科技 / 企业架构
- 每周更新 wiki · 长期主义 · 慢知识 · 中英双语
联系方式
- 📕 小红书：👉 小红书主页 — 分享 AI 阅读、知识库搭建、日常思考
- 🐙 GitHub：shaowenglu-afk · 本 wiki 源码