<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>LLM on AI Lab @ Yuting</title><link>https://ailab.yuting.cc/tags/llm/</link><description>Recent content in LLM on AI Lab @ Yuting</description><image><title>AI Lab @ Yuting</title><url>https://ailab.yuting.cc/images/ai-cover.png</url><link>https://ailab.yuting.cc/images/ai-cover.png</link></image><generator>Hugo -- 0.152.0</generator><language>zh-tw</language><lastBuildDate>Mon, 27 Apr 2026 08:36:23 +0800</lastBuildDate><atom:link href="https://ailab.yuting.cc/tags/llm/index.xml" rel="self" type="application/rss+xml"/><item><title>超越 RAG 的個人知識庫：以 LLM 打造動態的 Wiki 系統</title><link>https://ailab.yuting.cc/posts/llm-wiki/</link><pubDate>Mon, 27 Apr 2026 08:36:23 +0800</pubDate><guid>https://ailab.yuting.cc/posts/llm-wiki/</guid><description>&lt;blockquote&gt;
&lt;p&gt;🔗 &lt;strong&gt;官方資料來源&lt;/strong&gt;：&lt;a href="https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f"&gt;Andrej Karpathy - llm-wiki.md (GitHub Gist)&lt;/a&gt;&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;前言：在處理大量個人文件或企業內部知識庫時，多數開發者與使用者首先想到的是傳統的 RAG（Retrieval-Augmented Generation，檢索增強生成）架構。然而，隨著我們投入越來越多資料，傳統 RAG 的致命缺點逐漸浮現：它每次都要從碎片化的資訊中重新尋找答案，嚴重缺乏知識的「累積與沉澱」。本篇文章將深入探討前 OpenAI 知名研究員 Andrej Karpathy 近期提出的「LLM Wiki」概念，藉由讓 LLM 擔任專職的圖書館員，主動維護一個相互連結的 Wiki 系統，為我們打造能真正持續進化、自動除錯的個人 AI 大腦。我們將從理論架構、實踐流程、工具生態系，一路解析到知識管理哲學的根本轉變。&lt;/p&gt;</description></item></channel></rss>