X 笔记
AIX 文章·

490篇爆款15分钟编译成双链wiki

不用折腾向量库,我把 490 篇爆款丢进 raw/,Claude 跑了 15.3 分钟直接编译出 103 页双链 wiki!读完你会知道怎么照着 Karpathy 的方法把资料交给 AI 编译,以及怎么直接向这套知识库提问并归档答案。全文实测数据均可核实,大约需要读 5 分钟。

490 篇爆款 15 分钟变成 103 页双链 wiki

Karpathy 4 月发过一篇《LLM Knowledge Bases》,拿了 2196 万浏览、10.8 万收藏,在我这 490 条里收藏也是最高的。他的想法很简单:把原始资料全部扔进 raw/ 目录,让大模型增量「编译」成一堆 Markdown 文件组成的 wiki,里面带摘要、反向链接和概念文章,人平时用 Obsidian 当前端看。资料多了以后直接拉起 LLM 查复杂问题,不用上花哨的向量库;问答结果存回 wiki,越用越厚。后来他又补了一个「idea 文件」的想法:把构思丢给别人的 Agent,让它按需搭出来。

今天我正好要把研究的 490 条 AI 爆款帖做成知识库,就照着他的方法实测了一遍。最终产出了 103 页、927 条 [[双链]]。包括 index 总索引页、数据口径与局限页、19 个概念页(12 个写法概念加 7 个选题类型,每页都有定义、数据证据和反例)、76 个博主页(前 20 个手写了博主风格与可学之处),还有 6 个长文分析页。抽查了 3 个数字,全部和 raw 里的原始数据一致。

490篇爆款15分钟编译成双链wiki

让我意外的是,它还主动在局限页里提醒了两个数据偏差:入选门槛本来就不一样:英文帖是 20 万浏览以上,中文帖是 5 万以上,另有少量语言未知和日文帖;另外样本偏向 9–10 月。

我怎么测的:五步流程与提问实测

数据是我用公开接口只读抓下来的,正文一共约 42 万字节(磁盘占用 624 KB)。里面包括 76 个博主的 490 条爆款帖(每个博主存成一个 md 文件,带浏览量、点赞数、收藏数和全文),外加 6 篇高浏览量的 X 长文全文,全部放进 raw/。

编译过程没上任何复杂框架。我在 Claude Code 里开了一个全新的 Claude 代理,只给了一段说明:照着 Karpathy 的方法建目录、数字只能来自 raw、相关性不要写成因果。整个编译过程用时 15.3 分钟。它先写了个脚本把每条帖子的数字从 raw 填进页面,避免手抄出错;概念页和前 20 个博主页是它自己写的。

490篇爆款15分钟编译成双链wiki

编译完后我直接提问:「我下一篇写 Grok Bot 实测,开头和形式怎么定?」它读了「时效与热点集群」等 5 个页面,给出的策略非常直接:别写快讯了,第一天快讯 @minchoi 拿了 769 万浏览,收藏只有 76;写可复制的用法,第二天 @rowancheung 发的 4 个提示词收藏拿了 3189。同时建议我补上别人没有的「连跑 3 天准确率」,写成一条长帖,开头直接用具体结果。我把这段回答存回了 wiki/问答/,成了知识库的新一页。

490篇爆款15分钟编译成双链wiki490篇爆款15分钟编译成双链wiki

数据挖出的 3 个反常识发现

在复核 wiki 时,我顺便看了它梳理出来的博文数据,有 3 个现象很有意思,我也用原始数据复核确认过。

第一个发现:同一个热点,快讯拿浏览,用法拿收藏。上面提到的 Grok Bot 就是例子,快讯冲到 769 万浏览,但收藏才 76;而教人怎么用的 4 个提示词,浏览量 62.7 万,收藏冲到了 3189。

在 X 上查看这条帖子

在 X 上查看这条帖子

第二个发现:在这批样本里,中文帖更容易被收藏。收藏/点赞的中位数,中文是 0.42,英文是 0.27(两边入选门槛不同,只能算样本观察)。中文带图帖的收藏点赞比中位数达到 0.70,在所有分组里排第一。

第三个发现:写排查过程比只报结果更被收藏。比如 @Barret_China 账号被盗事件,只宣布被盗的那条收藏 102,写了排查过程的那条收藏 839。长帖的收藏中位数是 773,短帖只有 354。

在 X 上查看这条帖子

在 X 上查看这条帖子

这套方法的坑与真实限制

虽然跑得很顺,但这套方案有两个明确限制。raw 目录里抓的都是纯文本,没有帖子的线程结构、评论区和图片内容,这些维度 Claude 分析不到,它自己在「数据口径与局限」页里写明了。而且知识库里提炼出来的都是相关性观察,不能硬当成因果关系。

我的建议:什么时候用哪个

资料不多的时候别把架构搞复杂了,按场景分档来用最省心:

  • 资料在几百篇以内:别折腾向量数据库了,直接 raw + wiki + 问答归档,轻量又好查。
  • 搭建与整理:让 AI 去写 wiki,人只负责往 raw 里丢资料和提问,平时少直接改 wiki。
  • 日常使用:每次问答得到有用的策略,顺手存回 wiki/问答/,让知识库越用越厚。

你平时在推特收藏夹里存的干货,是不是也堆了几百篇?如果丢给 AI 跑一遍,你最想问它什么?

0x小师妹
0x小师妹 @0xshimei

AI 工具实测与币圈观察,SANYUE.AI 创始人

在 X 上关注

相关笔记