Harness 与 Agent 工程 · AI研发与测试工程 · 2026-04-22

我搭建了Karpathy的个人知识库,但发现成本高速度慢,我用一个更好的方案替代了。

Karpathy的个人知识库方案虽火但效率低,试试NotebookLM+Gemini的即时解决方案,让知识管理更高效实用!

核心内容:

  1. Karpathy知识库方案的效率问题与高成本
  2. NotebookLM+Gemini方案的即时性与低成本优势
  3. 两种方案在实际应用中的对比测试结果

你可能看过最近爆火的Karpathy 构建个人知识库的玩法。

看起来很厉害,对吧?

但建完之后,然后呢?知识存进去了,摘要做完了,索引也整理好了,你用了吗?

Wiki 和真实世界没有任何连接,你可以问它问题,但又好像NotebookLM就可以做到。

本文作者提出了一种完全不同的思路,这得学习:不要存储知识,要把知识变成技能,嵌入你的日常惯例中去运行。

作者做了一个测试,拿同样一批素材、同样的目标,把 Wiki 和 NotebookLM 同时搭了一遍,实时对比。结果:Wiki 回答一个问题烧掉 44,000 个 Token,20 分钟才导完 19 份素材;NotebookLM 导入 50 份素材即开即用,每分钟一个带引用的回答。

从个人知识管理的效率和成本来说,NotebookLM+Gemini 或 Claude Code 就是一个高效省事的方案。

如果你正在用各种工具搭建"第二大脑"却从未真正用过它,这篇文章值得你读完。

关于最火的 LLM Wiki 视频的顶部评论是:"对大多数人来说基本没什么用。"

我想知道他说得对不对。

因为对我来说,我的目标就是提升决策能力,我非常推崇雷·达利欧(Ray Dalio),我读过他写的《原则》,实践他的五步改进流程来提升自己。

于是,我拿同样的素材、同样的目标,然后同时搭建了 Wiki 和我自己的系统,实时对比。

Karpathy 的 Wiki 架构

karpathy 的 Wiki 有三个部分。原始素材是 YouTube 字幕、文章、PDF。

Wiki 本身是让 Claude 读取每份素材,写摘要,并把人物和概念提取到独立页面中。一个 Schema 文件告诉 Claude 这个 Wiki 是如何组织的,这样当你提问时,它知道该去哪里找。

有了这些索引文件和实体页面,你可以轻松地查询 Wiki,并在图谱上导航。

Karpathy 的 Wiki 架构(来自 Gist)。

Wiki 在哪里出了问题

我并行导入了 19 份素材到 Wiki 中,花了大约 20 分钟,然后我对它提了 10 个问题。

Claude 在读取所有字幕,而索引根本帮不上忙,为了回答一个问题,Claude 会读取完整文件,每个问题消耗 44,000 个 Token,10 个问题就乘以 10。

然后我的额度直接爆了,对话成本也在飙升。

接下来,对比一下 NotebookLM。

我添加了 50 份素材,因为导入是即时的。…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/RAG/2026042213807.html