Leitfaden · LLM-Wiki nach Karpathy
Karpathys LLM-Wiki: was im Gist steht – und was daraus gebaut wurde
Karpathys LLM-Wiki ist eine kurze „Ideen-Datei“, die Andrej Karpathy am 4. April 2026 als GitHub-Gist veröffentlicht hat: Du gibst sie einem Coding-Agenten, und der baut und pflegt aus deinen Quellen ein Markdown-Wiki – über drei Arbeitsschritte: Einlesen, Abfragen und Prüfen (Ingest, Query, Lint). Diese Seite zeigt, was tatsächlich im Gist steht, die zehn Open-Source-Umsetzungen mit den meisten Sternen auf GitHub (Stand 8. Nov. 2026), die Obsidian-Plugins rund um die Idee – und wann eine gehostete Variante wie Pith, unser Tool, der einfachere Weg ist.
Von Stefan Hartmann · Aktualisiert
Was ist Karpathys LLM-Wiki?
Am Anfang stand ein Post. Am 2. April 2026 schrieb Karpathy auf X unter der Überschrift „LLM Knowledge Bases“, ein großer Teil seiner Token gehe inzwischen weniger in Code als in die Bearbeitung von Wissen. Sein eigenes Recherche-Wiki sei auf rund 100 Artikel und 400.000 Wörter gewachsen – eigentlich habe er gedacht, dafür ein richtiges RAG-System zu brauchen, doch das war nicht nötig. Der Post ging viral (Anfang November 2026 rund 22 Millionen Aufrufe), und zwei Tage später lieferte er die Idee in schriftlicher Form nach.
Diese Form ist eine einzige Datei, llm-wiki.md, Untertitel „A pattern for building personal knowledge bases using LLMs“. Sie hat eine Revision und umfasst etwa 2.000 Wörter. Sterne und Forks zeigt GitHub nur gedeckelt als „5.000+“ an; die Kommentare liefen Ende Oktober noch weiter.
Zwei Dinge übersieht man leicht. Erstens ist die Datei keine Software. Karpathy nennt sie eine Ideen-Datei: Du gibst sie deinem eigenen Agenten – er nennt OpenAI Codex, Claude Code und OpenCode –, und der Agent erarbeitet mit dir Ordnerstruktur, Seitenformate und Skripte. Zweitens ist sie bewusst abstrakt. Alles Konkrete darin ist als eine mögliche Umsetzung formuliert. Deshalb sind seitdem so viele verschiedene Umsetzungen entstanden.
Wenn dir die Idee selbst noch neu ist, erklärt der Leitfaden zum LLM-Wiki das Muster und den Unterschied zum Chat über Dateien. Diese Seite bleibt nah am Gist und an dem, was daraus gebaut wurde.
Was steht im Gist?
Die Kernaussage: Wer Fragen aus Rohdokumenten beantwortet, leitet dieselbe Synthese jedes Mal neu her. Ein Wiki, das das Modell schreibt, behält sie. Im Original, fett gesetzt:
“the wiki is a persistent, compounding artifact.”
Sinngemäß: Das Wiki ist ein dauerhafter Bestand, der mit jeder Quelle an Wert gewinnt.
Drei Schichten
- Rohquellen – die Artikel, Paper, Bilder und Daten, die du sammelst. Unveränderlich: Das Modell liest sie, bearbeitet sie aber nie. Sie sind die Grundlage, auf die sich alles stützt.
- Das Wiki – Markdown-Seiten, die das Modell erzeugt und, so Karpathy, vollständig verantwortet: Zusammenfassungen, Seiten zu Personen, Firmen und Begriffen, Vergleiche, eine Übersicht. Selbst schreibst du daran kaum.
- Das Schema – eine Datei wie CLAUDE.md oder AGENTS.md, die dem Agenten sagt, wie das Wiki aufgebaut ist und welche Schritte er befolgen soll. Du und das Modell verfeinern sie gemeinsam.
Drei Arbeitsschritte
- Einlesen (Ingest). Eine neue Quelle landet im Rohordner; das Modell liest sie, bespricht die Kernpunkte mit dir, schreibt eine Zusammenfassung und aktualisiert alle Seiten, die die Quelle berührt. Laut Gist können das bei einer einzigen Quelle 10 bis 15 Seiten sein. Empfohlen wird, Quellen einzeln einzulesen und dabei mitzulesen.
- Abfragen (Query). Du fragst das Wiki, nicht die Rohdateien. Antworten haben die Form, die passt – eine Markdown-Seite, eine Tabelle, ein Marp-Foliensatz, ein matplotlib-Diagramm, ein Canvas –, und gute Antworten werden als neue Seiten abgelegt. So wächst das Wiki auch beim Erkunden.
- Prüfen (Lint). Ein regelmäßiger Gesundheitscheck: Widersprüche zwischen Seiten, Aussagen, die neuere Quellen überholt haben, verwaiste Seiten ohne eingehende Links, Begriffe ohne eigene Seite, fehlende Querverweise und Lücken, für die sich eine neue Quelle lohnt.
Die Arbeitsteilung ist klar: Der Mensch wählt Quellen aus, gibt die Richtung der Analyse vor, stellt gute Fragen und denkt darüber nach, was das alles bedeutet. Das Modell erledigt die Buchhaltung – zusammenfassen, ablegen, verweisen, Seiten stimmig halten. Genau an dieser Buchhaltung, so der Gist, scheitern persönliche Wikis meistens, und deshalb ändert sich die Rechnung, wenn ein Modell sie übernimmt. Zum Schluss verweist Karpathy auf Vannevar Bushs Memex von 1945: ein kuratierter persönlicher Wissensspeicher mit Pfaden zwischen Dokumenten – nur ohne das Problem, das Bush nicht lösen konnte, nämlich wer das Ganze pflegt.
Wofür sind index.md und log.md da?
Zwei besondere Dateien halten das wachsende Wiki übersichtlich. Sie sind der meistkopierte Teil des Gists:
- index.md ist inhaltlich geordnet: ein Katalog aller Seiten mit Link und einer Zeile Zusammenfassung, nach Kategorien sortiert. Bei einer Frage liest das Modell zuerst den Index und öffnet dann die passenden Seiten.
- log.md ist chronologisch und wird nur ergänzt: ein Eintrag pro Einlesen, Abfrage oder Prüflauf. Karpathy schlägt ein festes Präfix vor – etwa `## [2026-04-02] ingest | Article Title` –, damit sich das Log mit einfachen Unix-Werkzeugen lesen lässt, zum Beispiel `grep "^## \[" log.md | tail -5` für die letzten fünf Einträge.
Zur Größe ist der Gist konkret und bescheiden. Der Index-Ansatz funktioniere bei mittlerer Größe – rund 100 Quellen und einige hundert Seiten – erstaunlich gut, ganz ohne Embedding-Infrastruktur. Darüber hinaus empfiehlt er eine richtige Suche und nennt qmd: eine lokale Suchmaschine mit hybrider BM25- und Vektorsuche plus Nachsortierung durch ein Sprachmodell, auf dem eigenen Rechner, als Kommandozeile und als MCP-Server. Das Muster lehnt Retrieval also nicht ab, es verlegt die Suche von den Rohdokumenten auf die eigenen Wiki-Seiten. Die Abwägung steht unter LLM-Wiki vs. RAG.
Welche Werkzeuge nutzt Karpathy dafür?
Karpathys Aufbau: der Agent in einem Fenster, Obsidian im anderen. Der Gist erwähnt:
- Obsidian als Ansicht, mit der Graphansicht, um die Form des Wikis zu sehen, dem Obsidian Web Clipper, der Webartikel als Markdown-Quellen ablegt, und einem Tastenkürzel, das die Bilder einer Seite lokal speichert, damit das Modell sie ansehen kann.
- Marp für Foliensätze aus Wiki-Inhalten (dafür gibt es ein Obsidian-Plugin) und Dataview für Abfragen über die Metadaten der Seiten.
- git: Das Wiki ist schlicht ein Repository aus Markdown-Dateien; Verlauf, Branches und Rückgängig gibt es damit gratis.
- qmd für die Suche, sobald die Index-Datei nicht mehr reicht.
Die vorgeschlagenen Einsätze gehen über Recherche hinaus: persönliche Ziele verfolgen, ein Buch Kapitel für Kapitel lesen (als Vorbild nennt er Fan-Wikis wie Tolkien Gateway), Team-Wikis aus Besprechungsnotizen und Kundengesprächen, Wettbewerbsanalyse und Due Diligence. Was der Gist nicht sagt: Den Begriff „Second Brain“ verwendet er nirgends – diese Deutung stammt aus den Kommentaren und aus den Tools, die danach entstanden. (Wenn du genau das suchst: die besten Second-Brain-Apps.)
Welche Open-Source-Umsetzungen gibt es auf GitHub?
Binnen weniger Wochen entstand aus dem Gist eine ganze Welle von Repositories. Hier die zehn mit den meisten Sternen, die gezielt Karpathys Muster umsetzen, geprüft auf ihren GitHub-Seiten am 8. November 2026. Sterne ändern sich schnell; die Zahlen sind eine Momentaufnahme, keine Qualitätswertung. Die Beschreibungen folgen der README des jeweiligen Projekts.
| Repository | Was es ist | Lizenz | Sterne / Forks (8. Nov. 2026) |
|---|---|---|---|
| nashsu/llm_wiki | GitHub — Plattformübergreifende Desktop-App (Tauri), die Dokumente in ein verlinktes Wiki verwandelt; lokale HTTP-API, mitgelieferter MCP-Server und ein Agent-Skill | GPL-3.0 (laut README) | 21.482 / 2.436 |
| AgriciDaniel/claude-obsidian | GitHub — Claude-Code-Plugin, das ein sich selbst ordnendes Wiki in einem Obsidian-Vault pflegt | MIT | 16.254 / 1.595 |
| SamurAIGPT/llm-wiki-agent | GitHub — Sich selbst pflegendes Wiki, betrieben von Claude Code, Codex, OpenCode oder Gemini, mit Python-Helfern zur Dokumentumwandlung | MIT | 3.685 / 426 |
| Astro-Han/karpathy-llm-wiki | GitHub — Ein einzelner, installierbarer Agent-Skill für Claude Code, Cursor und Codex: raw/ → wiki/, Belege, Lint | MIT | 2.698 / 315 |
| atomicstrata/llm-wiki-compiler | GitHub — „The knowledge compiler“: npm-CLI mit SDK und MCP-Server; läuft mit Ollama und anderen Anbietern | MIT | 2.245 / 239 |
| lucasastorian/llmwiki | GitHub — Selbst hostbare Next.js-Web-App mit Python-API und MCP: Dokumente hochladen, Claude verbinden, es schreibt das Wiki | Apache-2.0 | 1.758 / 246 |
| nvk/llm-wiki | GitHub — Plugin für Claude Code und OpenCode: Recherche mit mehreren Agenten, Ingest, Kompilieren, Abfragen | MIT | 1.512 / 142 |
| kytmanov/obsidian-llm-wiki-local | GitHub — Vollständig lokale Variante für Obsidian, mit Modellen über Ollama | MIT | 849 / 125 |
| GD4AI/obsidian-llm-wiki | GitHub — Obsidian-Plugin, das das Wiki in deinem Vault aufbaut | Apache-2.0 | 780 / 95 |
| Pratiyush/llm-wiki | GitHub — Baut eine Wissensbasis aus deinen Sitzungen mit Claude Code, Codex, Copilot, Cursor und Gemini | MIT | 400 / 56 |
Größere Repositories tauchen in denselben Suchen auf, sind aber allgemeine Retrieval-Plattformen statt Umsetzungen dieses Musters und fehlen deshalb. Von den neun Projekten, deren Aktivität wir geprüft haben, hatten sieben im Oktober oder November 2026 neue Commits; bei Astro-Han war der letzte im Juli, bei kytmanov im Mai.
Obsidian-Plugins für ein LLM-Wiki
Wer das Wiki ohne Terminal-Agenten direkt in einem bestehenden Obsidian-Vault haben will, findet Community-Plugins von Drittanbietern. Am häufigsten installiert ist „Karpathy LLM Wiki“ von Greener-Dalii: rund 69.000 Downloads bei Version 1.30.0, als wir nachgesehen haben, mit graphbasierter Suche (Personalized PageRank über die Links) statt Embeddings und Unterstützung für mehr als 16 Modellanbieter. Das offizielle Plugin-Verzeichnis führt weitere mit LLM-Wiki in der Beschreibung, darunter auto-llm-wiki, ai-wiki, genwiki und vir – die haben wir nicht getestet.
Welche Umsetzung passt zu dir?
Die Projekte unterscheiden sich weniger in der Idee als darin, wo der Agent läuft und wo die Dateien liegen. Eine grobe Orientierung:
- Du arbeitest schon mit Claude Code, Codex oder Cursor im Terminal: Fang mit dem Gist selbst an oder mit einem kleinen Skill-Paket wie Astro-Han/karpathy-llm-wiki. Wenig Gerüst heißt: Die Schema-Datei bleibt deine – und genau darum geht es im Muster.
- Du willst mehr Automatik vom Agenten: SamurAIGPT/llm-wiki-agent und nvk/llm-wiki ergänzen Befehle für mehrstufige Recherche, Kompilieren und Abfragen.
- Du lebst in Obsidian: claude-obsidian (Claude Code schreibt in den Vault), das Community-Plugin Karpathy LLM Wiki oder kytmanovs vollständig lokale Variante, wenn nichts deinen Rechner verlassen darf.
- Du willst eine App statt eines Ordners: nashsu/llm_wiki als Desktop-App oder lucasastorian/llmwiki als Web-App auf eigenem Server.
- Du willst es in einer Build-Pipeline: atomicstrata/llm-wiki-compiler als npm-CLI und SDK.
Egal welche: Der Rat aus dem Gist gilt weiter. Fang mit einem Thema an, das du wirklich verfolgst, lies Quellen einzeln ein, lies, was das Modell geschrieben hat, und stell den Ordner vom ersten Tag an unter git.
Selbst bauen oder gehostet: Wann ist Pith der einfachere Weg?
Jede Umsetzung oben setzt voraus, dass du etwas betreibst – einen Agenten, einen Modellschlüssel, einen Vault, einen Server. Pith ist ein gehostetes LLM-Wiki: Du speicherst, was du liest, und Pith schreibt und pflegt die belegten Seiten. Wir machen Pith, lies diesen Abschnitt entsprechend; die Tabelle soll zeigen, wo welche Seite wirklich vorne liegt.
| Selbst gebaut (Gist + Agent) | Pith (gehostet) | |
|---|---|---|
| Wo das Wiki liegt | Markdown-Dateien in deinem Ordner oder Repo | In Piths Datenbank; Export als ZIP (JSON + Markdown) jederzeit |
| Wie Quellen hineinkommen | Web Clipper, Downloads, manuelles Ablegen | Browser-Erweiterung, Teilen-Menü am Handy, weitergeleitete Newsletter, PDFs (Texterkennung), Lesezeichen-Importe, RSS-Feeds |
| Belege | Was dein Schema verlangt | Nummerierte Quellen auf jeder Seite; Seiten von externen Agenten müssen gespeicherte Quellen zitieren |
| Prüfen (Lint) | Wenn du es anstößt | Täglicher Gesundheitscheck; Widersprüche zwischen Quellen werden markiert |
| Verlauf | git | Jede Änderung einer Seite ist eine Version, die du wiederherstellen kannst |
| Ablauf anpassen | Komplett deine Sache | Fest vorgegeben, ausgelegt auf viel Lektüre |
| Modell und Datenweg | Deine Wahl, auch lokale Modelle | Gehostet in Deutschland; KI-Verarbeitung durch OpenAI in den USA |
| Kosten | Deine Modell-Token | Kein Abo; z. B. 5 ct pro geschriebener Seite, Lesen und Suchen kostenlos |
Selbst bauen passt besser, wenn du das Wiki als einfache Dateien besitzen, jeden Schritt selbst gestalten oder Quellen mit einem lokalen Modell auf dem eigenen Rechner halten willst. Pith ist einfacher, wenn die Reibung beim Erfassen liegt, nicht beim Schreiben – Artikel, PDFs und Newsletter, die von mehreren Geräten kommen – und du Belege, Versionen und Widerspruchsmarken willst, ohne sie selbst zu pflegen. Die Schritt-für-Schritt-Fassung steht unter Karpathys LLM-Wiki ohne Code.
Beides lässt sich verbinden. Pith stellt Wiki und gespeicherte Quellen über das Model Context Protocol bereit. Der Agent, der dein Gist-Wiki im Terminal betreibt, kann also belegte Seiten aus Pith als weitere Quelle abrufen oder Seiten dorthin zurückschreiben.
Häufige Fragen
Was ist Karpathys LLM-Wiki?
Eine Ideen-Datei, llm-wiki.md, die Andrej Karpathy am 4. April 2026 als GitHub-Gist veröffentlicht hat. Sie beschreibt einen KI-Agenten, der aus unveränderlichen Rohquellen ein Markdown-Wiki aufbaut und pflegt, gesteuert von einer Schema-Datei, über drei Schritte: Einlesen, Abfragen und Prüfen.
Wo finde ich Karpathys LLM-Wiki auf GitHub?
Das Original ist ein Gist unter gist.github.com/karpathy/442a6bf555914893e9891c11519de94f, kein Repository. Die Open-Source-Umsetzungen, etwa nashsu/llm_wiki, AgriciDaniel/claude-obsidian oder SamurAIGPT/llm-wiki-agent, sind eigene Repositories anderer Autoren.
Brauche ich Obsidian für Karpathys LLM-Wiki?
Nein. Karpathy nutzt Obsidian als Ansicht mit Graphansicht und Web Clipper, aber das Muster braucht nur einen Ordner mit Markdown-Dateien und einen Agenten, der sie bearbeiten kann. Gehostete Tools wie Pith zeigen das Wiki stattdessen im Browser.
Ab welcher Größe braucht ein LLM-Wiki eine Suche?
Laut Gist funktioniert der Ansatz mit Index-Datei erstaunlich gut bei rund 100 Quellen und einigen hundert Seiten. Darüber empfiehlt er eine richtige Suche, etwa die lokale Suchmaschine qmd, die Stichwort- und Vektorsuche mit Nachsortierung kombiniert.
Was sind index.md und log.md in einem LLM-Wiki?
index.md ist ein Katalog aller Seiten mit einer Zeile Zusammenfassung, den das Modell bei einer Frage zuerst liest. log.md ist eine fortlaufende Zeitleiste aller Einlese-, Abfrage- und Prüfläufe mit festem Präfix pro Eintrag, damit sie sich mit grep durchsuchen lässt.
Gibt es Karpathys LLM-Wiki auch gehostet?
Pith betreibt denselben Kreislauf als Webdienst: Du speicherst Artikel, PDFs, Newsletter oder Feed-Einträge, und Pith schreibt belegte Wiki-Seiten, prüft sie täglich und hält Versionen. Gehostet in Deutschland, KI-Verarbeitung durch OpenAI, ohne Abo; bezahlt wird pro KI-Aktion aus einem Prepaid-Guthaben.
Weiterlesen
Leitfaden · LLM-Wiki
Was ist ein LLM-Wiki? Karpathys Muster, erklärt
Leitfaden · LLM-Wiki oder RAG
LLM-Wiki oder RAG: eine Entscheidungshilfe
Leitfaden · LLM-Wiki ohne Code
Karpathys LLM-Wiki ohne Code
Verwandte Begriffe
Ein gehostetes LLM-Wiki ausprobieren
Speichere, was du liest; Pith schreibt das belegte Wiki. Kein Abo, keine Kreditkarte zum Start.