メインコンテンツへスキップ
見出し画像

LLMで育つ個人Wikiの作り方|llm-wiki入門:3層構成と最小構成ハンズオン

    「使うほど賢くなるWiki」というアイデア

    このセクションで分かること:llm-wiki が何を解決するアイデアか、本記事で何が掴めるか。

    ChatGPTやClaudeに、毎日同じドメインの質問を投げかけているのに、AIは一向に賢くならない。そんな違和感を覚えたことはありませんか。

    Andrej Karpathy氏は、自分専用の研究Wikiを約40万語(長編小説4〜5冊分)の規模で運用していると複数の解説記事で語られています。個人の研究ノートで、それだけの知識が「自動で育ち続ける」。

    会話を閉じれば知識は消える。RAGを導入しても、結局は「チャンクを毎回引っ張ってきて合成する」だけで、ナレッジが育っていく感触はありません。元宇宙物理研究者の自分から見ても、これは「観測データを毎回ゼロから読み直す研究者」のような非効率さがあります。

    そこに2026年4月、Karpathy氏が GitHub Gistで「llm-wiki」というアイデアを公開しました。コアメッセージは1行に集約されます。

    The knowledge is compiled once and then kept current, not re-derived on every query.
    (知識はクエリ時に毎回再発見するのではなく、Ingest時に一度コンパイルし、その後も最新状態を保つ)

    Karpathy氏はこの構造を "persistent, compounding artifact"(永続し、複利で増えていく成果物)と表現しています。RAGは毎回ゼロから検索する揮発性の仕組み、llm-wikiはコンパイル済みの知識体系、と整理すると違いが鮮明になります。Wikipediaが人間の集合知だとすれば、llm-wikiはLLMの集合知です。有料部分では、Ingest・Query・Lintの3つの運用サイクル、最小構成のハンズオン(ディレクトリ構造と疑似コード)、実運用の落とし穴を扱います。

    本記事では、Karpathy氏のオリジナルGistと公開されている複数の実装を読み解き、llm-wikiの全体像を「実装するならこう作るはず」という設計者目線で整理します。読み終えた頃には、次の3点が掴めているはずです。

    1. llm-wikiの構造と動きを自分の言葉で説明できる

    2. RAGとの本質的な違い(永続 vs 揮発、複利効果)が分かる

    3. 「自分なら何に使うか/どう作るか」のイメージが湧く


    llm-wikiとは何か —— 3層アーキテクチャ

    このセクションで分かること:Raw / Wiki / Schema の3層と、「誰が書くか」の分担。

    llm-wikiの設計は、3つの層に役割を分けたアーキテクチャです。重要なのは「誰がその層を書くのか」が層ごとに異なる点です。

    flowchart TB
        L1["Layer 1: Raw sources<br/>論文・記事・ログ(不変)"]
        L2["Layer 2: The wiki<br/>LLMが生成・保守する Markdown 群"]
        L3["Layer 3: The schema<br/>CLAUDE.md などの規約"]
        L1 -->|読み取りのみ| L2
        L3 -->|規律を与える| L2

    図:3層アーキテクチャ。人間は Raw と Schema を書き、Wiki は LLM が所有する。

    Layer 1: Raw sources(生ソース層)

    論文PDF・ブログ記事・チャットログ・画像データなど、人間がキュレーションした原始データの集合です。Karpathy氏はこの層について、こう書いています。

    immutable — the LLM reads from them but never modifies them
    (不変。LLMは読み取るだけで、決して変更しない)

    ここが「ソース・オブ・トゥルース」です。後からWikiの内容に疑念が出た場合、必ずRawに戻って事実を確認できる構造になっています。

    Layer 2: The wiki(知識層)

    LLMが生成・更新するMarkdownファイル群です。要約ページ、エンティティページ、コンセプトページ、比較表など、知識が構造化された状態で蓄積されていきます。Karpathy氏の鉄則はシンプルです。

    The LLM owns this layer entirely
    (LLMがこの層を完全に所有する)

    人間は読むだけ。書き込みはすべてLLMの責務です。Raw層が「生データ」、Wiki層は「LLMによる解釈と統合の結果」と整理できます。

    Layer 3: The schema(規約層)

    CLAUDE.md(Claude Code向け)やAGENTS.md(Codex向け)などの設定ドキュメントです。LLMに対して、wikiの構造・命名規約・ワークフローを指示する役割を持ちます。

    この層があるからこそ、汎用チャットボットが「規律あるwikiメンテナー」へと変身します。実装上の勘所として、ここがゆるいとwikiは散らかり、矛盾やページの粒度バラつきが蓄積していくと公開実装の議論で繰り返し指摘されています。

    3層の役割分担を一言でまとめると、人間がRaw(不変)を入れ、LLMがWiki(知識)を作り、Schema(規約)でLLMの行動を縛る、という設計です。


     
     
    経歴:宇宙学→機械学習→生成AI(現在)→起業(未来) 実績:Signateグランドマスター / 総合7位。 「再現性ある成果を出し続けるエンジニア」になるための 実践知を発信しています。 特に生成AIツールの活用・AI実装を発信しています。

    あなたへのおすすめ