点击上方“Deephub Imba”,关注公众号,好文章不错过 !Andrej Karpathy在GitHub上发布了一份名为LLM ...

LLM 开发入门。V1 版本的简化版，旨在帮助初学者最快、最便捷地入门 LLM 开发，理解 LLM 开发的一般流程，可以搭建出一个简单的 Demo。 LLM 开发技巧。LLM 开发更进阶的技巧，包括但不限于：Prompt Engineering、多类型源数据的处理、优化检索、召回精排、Agent 框架等 ...

最近在做知识库相关的项目时，我一直在纠结一个问题：RAG（检索增强生成）真的是知识管理的终极答案吗？ 直到看到Andrej Karpathy在GitHub上开源的那个gist，我才意识到——我们可能一直在用复杂方案解决一个本可以很简单的问题。 Karpathy是谁？OpenAI联合创始人 ...

近日， Karpathy 推出 LLM Wiki 新方案，旨在构建持久性知识库，引发行业广泛关注。该方案的核心在于赋予 LLM “知识库管理员”的角色，颠覆了传统检索增强生成（ RAG ）的模式，标志着 AI 在自主知识管理领域迈出的重要一步。

此外，ChatAgent的上线也契合了全球化合规发展的趋势。寻汇在中国已获得央行支付业务许可，并在近期取得了马来西亚国家银行的MSB牌照批准。这表明，ChatAgent的技术能力不仅体现在用户体验优化上，也得到了国际合规标准的认可。

先说背景：4月2号Karpathy在X上发了一条帖子，随后又放出了一个gist文档。内容其实不复杂：搞了一套用LLM主动编写和维护Markdown Wiki的个人知识库系统，三层架构——raw/原始素材层、wiki/编译层、schema约束层。用Obsidian做前端浏览，LLM做后端维护，人负责丢素材和提问。

AI领域知名研究者Andrej Karpathy于2026年4月提出了一种全新的知识管理范式——LLM Wiki。它彻底颠覆了传统RAG（检索增强生成）系统"每次从头检索"的模式，转而让LLM持续构建和维护一个结构化、互联互通的个人知识库（Wiki），实现知识的持续积累与复利增长。

本项目是一个从原理出发、以“白盒”为导向、围绕大模型全链路的“手搓”大模型指南，旨在帮助有传统深度学习基础的读者从底层原理出发，“纯手搓”搭建一个清晰、可用的大模型系统，包括大模型本身、RAG 框架、Agent 系统及大模型评估体系。

RAG ：毫无疑问，LLM 领域的两个领先图书馆是 朗查恩 和 法学硕士索引。 对于这个项目，我将使用 Langchain，因为我的专业经验对它很熟悉。 任何 RAG 框架的一个重要组成部分是矢量存储。 我们将使用 色度 在这里，因为它与 Langchain 集成得很好。

据报道，基于 Java 开发的开源 LLMOps 平台 Maxkb4j 正式发布了 v2.6.0 版本。作为一款集成了 LLM 工作流与 RAG（检索增强生成）能力的深度开发平台，本次更新在技能扩展、安全鉴权及系统稳定性方面实现了显著跨越。 核心赋能:技能工具与 Webhook 鉴权双落地 Maxkb4jv2.6.0在功能层面上完成了多项“重头戏”: ...