Karpathy的LLM Wiki作为产品的想法——一个基于你的笔记和源码构建并维护markdown维基的AI。MCP服务器+Web UI，运行在免费本地模型（Ollama），无需API密钥。麻省理工学院。
概览
不是RAG在向量数据库里。而是你盘上的真实降价维基，LLM在对话间隙为你服务。 一个命令：启动本地服务器，打开网页应用，然后一步步帮你选一个适合你内存的应用。没有API密钥，机器上什么都不行。（Node 20+） MindBase 实现了 Andrej Karpathy 的 LLM-Wiki 模式：你给它提供来源（论文、文章、想法）;LLM 会阅读、交叉引用、标记矛盾，并编写结构化的维基页面。之后，当你提问时，维基已经有了综合答案——查询时不进行向量搜索的重新推导。 抢先体验，积极开发中。新内容：CHANGELOG ·发布 你读了很多书。论文、文章、推文、文档。你想记住它们，连接它们，形成观点。今天你有两个糟糕的选择： - 被动容器。你负责所有的组织工作。AI功能是附加生成的，不是维护。- 基于RAG。不会积累任何东西。
概述（AI 翻译）
这是安德烈·卡帕提LLM Wiki理念的开源实现：一个从你的源代码构建并维护维基的AI。 不是RAG在向量数据库中。一个真正的标记维基，存在你的磁盘，LLM会在对话间隙为你花园。
一个命令：启动本地服务器，打开网页应用，带你选择一个适合你内存的免费本地型号。没有API密钥，机器就不会离开。（节点20+）
MindBase 实现了 Andrej Karpathy 的 LLM-Wiki 模式：你给它提供来源（论文、文章、想法）;LLM 会阅读、交叉引用、标记矛盾，并编写结构化的维基页面。之后，当你提问时，维基已经有了综合答案——查询时不进行向量搜索的重新推导。
状态： 抢先体验，积极开发中。新内容：更新日志 ·发布
为什么选择MindBase
你读了很多书。论文、文章、推文、文档。你想记住它们，连接它们，形成观点。今天你有两个糟糕的选择：
- Notion / Obsidian / Roam： 被动容器。你负责所有的组织工作。AI功能是附加生成，不是维护。
- NotebookLM / Perplexity Pages / ChatGPT 搜索： 基于 RAG。
本页由 AI 翻译，技术细节请以原文为准。
README
以下为原文 README 节选，完整内容请查看原文。
MindBase — Karpathy’s LLM Wiki, as a product
An open-source implementation of Andrej Karpathy’s LLM Wiki idea: an AI that builds and maintains a wiki from your sources. Not RAG-in-a-vector-DB. A real markdown wiki on your disk, that an LLM gardens for you between conversations.
npx mindbase-app
One command: starts the local server, opens the web app, and walks you through picking a free local model that fits your RAM. No API key, nothing leaves your machine. (Node 20+)
MindBase implements Andrej Karpathy’s LLM-Wiki pattern: you feed it sources (papers, articles, thoughts); the LLM reads, cross-references, flags contradictions, and writes structured wiki pages. Later, when you ask a question, the wiki already has the synthesized answer — no vector-search re-derivation at query time.
Status: Early access, actively developed. What’s new: CHANGELOG · Releases
Why MindBase
You read a lot. Papers, articles, tweets, docs. You want to remember them, connect them, form opinions from them. Today you have two bad options:
- Notion / Obsidian / Roam: Passive containers. You do all the organizing. AI features are bolted-on generation, not maintenance.
- NotebookLM / Perplexity Pages / ChatGPT search: RAG-based. Nothing accumulates. Every question re-derives the answer from raw sources.
MindBase is the third option: the LLM actively maintains a persistent, structured wiki as you feed it sources. Knowledge compounds. Your context.md gets sharper every time you contribute. The AI remembers you across sessions because your beliefs are written down in markdown files — not stored in a chat history that gets summarized away.
Think of it as a personal Wikipedia that an AI intern writes for you, kept up to date, cross-referenced, and honest about what it doesn’t know.
How it works (30 seconds)
Three physical layers on disk (Karpathy’s model):
安装
npx -y mindbase-mcp配置
{ "mcpServers": { "mindbase": { "command": "npx", "args": ["-y", "mindbase-mcp"] } } }