📺 Личная Wiki на базе LLM — кейсы по Карпатому

Медиа/YouTube/lichnaya-wiki-na-baze-llm-karpathy.md

@@ -0,0 +1,99 @@
+# Личная Wiki на базе LLM — практические кейсы по Карпатому
+
+**Дата:** 2026-04-29
+**Источник:** [YouTube](https://www.youtube.com/watch?v=2ZHHzfMSeWc)
+**Теги:** #llm #wiki #rag #ai
+
+---
+
+## Резюме
+
+Видео разбирает практическое применение концепции LLM Wiki от Андрея Карпатого — альтернативы классическому RAG-подходу. В отличие от RAG, где документы делятся на чанки и ищутся по векторному сходству, LLM Wiki сохраняет полный контекст через связанные текстовые файлы с кросс-референсами. Система строится в Obsidian с Claude Code и состоит из трёх каталогов: сырых данных, wiki-файлов и схемы инструкций. Автор демонстрирует реальный кейс на примере анализа рабочего Slack-чата команды.
+
+---
+
+## Ключевые концепции
+
+### Архитектура LLM Wiki
+
+Три каталога:
+- **`raw/`** — сырые входящие данные (PDF, Word, txt, чаты)
+- **`wiki/`** — текстовые Markdown-файлы, генерируемые нейронкой (не трогать руками)
+- **`CLAUDE.md`** — схема/мозг системы: инструкции для LLM (аналог Agents.md)
+
+Автоматически создаются:
+- **`wiki/index.md`** — оглавление всех wiki-файлов с краткими описаниями
+- **`wiki/log.md`** — хронология обработанных источников (против дублирования)
+
+### Три операции
+
+| Операция | Описание |
+|----------|----------|
+| **Ingest** | Обработка новых файлов из `raw/`, создание/обновление wiki-страниц |
+| **Query** | Запрос: LLM читает `index.md`, рекурсивно обходит связанные файлы, даёт ответ с полным контекстом |
+| **Lint** | Периодическая очистка: удаление дублей, добавление недостающих ссылок, расшифровка акронимов |
+
+### Почему лучше RAG (на малых объёмах)
+
+- RAG ищет похожие чанки → теряет структурные связи между идеями
+- LLM Wiki сохраняет кросс-ссылки → LLM рекурсивно собирает **полный контекст**
+- Работает лучше до ~100 источников / несколько сотен wiki-страниц
+- При росте — создавать отдельные Wiki для каждого проекта/топика
+
+### Аналогия Карпатого
+
+> Obsidian = IDE, LLM = разработчик, wiki-файлы = код
+
+Человек: выбирает источники, задаёт вопросы, корректирует  
+LLM: создаёт, обновляет и связывает wiki-страницы
+
+### Исторический контекст — Мемекс (1945)
+
+Концепция уходит корнями к эссе Ванневара Буша **"As We May Think"** (1945) — описание электромеханического устройства Memex с ассоциативными ссылками между базами знаний. Проблема того времени — поддержка актуальности базы. AI снимает эту проблему, беря на себя создание и обновление связей.
+
+---
+
+## Практический кейс — Slack-чат команды
+
+**Задача:** Еженедельно загружать внутреннюю переписку → извлекать инсайты  
+**Что нашла LLM из одной недели чата:**
+- Graph RAG и эволюция подходов
+- LLM Gateway / cost control (проблема: маркетинг слил бюджет OpenAI за день через внутренний API)
+- Security AI (взлом внутреннего бота)
+- Агентские workflows с Jira/Slack/Confluence
+- Open Source vs API дискуссии
+
+**Пример query:** "Что будем делать с контролированием трат на нейронки?"  
+**Ответ LLM:** полная проблематика + решение: LLM Gateway → семантический роутинг (простые задачи → локальная Llama, сложные → облако), лимиты по пользователям, блокировка sensitive data.
+
+---
+
+## Настройка системы (шаги)
+
+1. Установить **Obsidian** (бесплатно, obsidian.md)
+2. Создать проект → папки `raw/` и `wiki/`
+3. Установить плагин **Terminal** (Community Plugins) для встроенного терминала
+4. Создать `CLAUDE.md` со схемой (можно сгенерировать из описания концепта Карпатого)
+5. В `CLAUDE.md` прописать: ingest workflow, query workflow, lint workflow, формат страниц, правила (rules)
+6. Запустить `claude code` из директории проекта
+7. Команды: `ingest new data`, `query: <вопрос>`, `lint`
+
+---
+
+## Что применить / главные инсайты
+
+- **Для Obsidian vault:** настроить LLM Wiki для накопления инсайтов из статей, видео, заметок — вместо плоского хранения
+- **Для Pulse App:** потенциально — анализ накопленных данных через wiki-структуру
+- **Ключевое:** CLAUDE.md / schema — главный файл, который нужно тщательно настраивать и дополнять правилами по мере роста системы
+- **Масштабирование:** не одна большая wiki, а отдельные wiki per project/domain с изолированными index.md
+- **Graph View в Obsidian** визуализирует "узлы напряжения" — точки концентрации знаний, на которые стоит обращать внимание
+- LLM Wiki ≠ замена RAG везде, но превосходит его там где важны **межконцептуальные связи** и **богатый контекст**
+
+---
+
+## Применимые сценарии (по Карпатому)
+
+- Личная база знаний (книги, статьи, курсы)
+- Исследовательская работа — трекинг пересечений концептов
+- Бизнес-команда — внутренние чаты, документация, звонки клиентов
+- Конкурентный анализ