Karpathy AI 思想体系
核心洞察：从 Software 2.0 到 AI Psychosis，Karpathy 系统性地定义了 AI 时代的编程范式、能力鸿沟和知识管理范式。
思想演进路径
Software 2.0 (2017)
↓ 编程范式转变
Vibe Coding (2025)
↓ 编程实践方式
LLM Wiki (2026)
↓ 知识管理范式
Eureka Labs (2024)
↓ AI 教育实践
核心概念矩阵
| 概念 | 提出时间 | 核心定义 | 与其他概念的关系 |
|---|---|---|---|
| Software-2.0 | 2017 | 程序员写目标，神经网络编程 | 基础范式，定义 AI 编程时代 |
| Vibe-Coding | 2025 | 忘记代码存在，氛围驱动编程 | Software 2.0 的极端实践 |
| LLM Wiki | 2026 | LLM 维护的持久知识库 | Software 2.0 的知识管理应用 |
| Memex | 1945 (引用) | 个人知识存储 + 关联路径 | LLM Wiki 的思想先驱 |
| AI-Capability-Gap | 2026 | 不同用户群体因 AI 能力体验差异形成平行认知现实 | 编程 vs 日常使用 |
| AI-Psychosis | 2026 | 专业技术用户对 agentic AI 编程能力的极度震撼 | AI-Capability-Gap 的高端端 |
Software 2.0：范式转变
核心论点
"The 'program' is the weights of the neural network... the 'compiler' is the optimizer... the 'source code' is the dataset."
转变的本质
| 维度 | Software 1.0 | Software 2.0 |
|---|---|---|
| 程序员工作 | 写代码逻辑 | 写目标和数据 |
| 程序来源 | 人类编写 | 神经网络学习 |
| 可读性 | 可读源代码 | 黑盒权重 |
| 调试方式 | 断点调试 | 数据清洗 |
| 版本控制 | Git | Checkpoint |
影响
Software 2.0 定义了：
- 深度学习时代的编程范式
- Tesla Autopilot、ChatGPT 等系统的基础理念
- 程序员角色的转变方向
Vibe Coding：实践方式
定义
"I just see things, say things, run things, and copy paste things, and it mostly works."
特征
- 忘记代码存在 — 不关心实现细节
- 原型质量 — 快速产出，不追求生产级
- 未经审查 — 直接使用 AI 输出
- 氛围驱动 — 凭直觉迭代
与 Agentic Engineering 的对比
| 维度 | Vibe Coding | Agentic Engineering |
|---|---|---|
| 代码质量 | 原型级 | 生产级 |
| 审查程度 | 无 | 深度审查 |
| 验证方式 | 凭感觉 | 自动测试 |
| 心态 | "忘记代码" | 验证和迭代 |
LLM Wiki：知识管理范式
核心差异：RAG vs Wiki
| 维度 | RAG | LLM Wiki |
|---|---|---|
| 知识处理 | 实时检索 | 预先编译 |
| 知识累积 | 无 | 持久沉淀 |
| 维护者 | 人类（易厌倦） | LLM（不知疲倦） |
三层架构
Raw Sources (不可变)
↓ [[Knowledge-Compilation]]
Wiki (LLM 维护)
↓
Schema (人类 + LLM 共进化)
关键比喻
Karpathy 的精妙比喻
"Obsidian is the IDE; the LLM is the programmer; the wiki is the codebase."
这揭示了：
- Obsidian — 存储设备（Memex 实现）
- LLM — 维护者（解决 Bush 的难题）
- Wiki — 知识代码库（associative trails）
Memex：思想渊源
参见 Memex
Karpathy 明确指出 LLM Wiki 与 Memex 的关系：
"The idea is related in spirit to Vannevar Bush's Memex (1945) — a personal, curated knowledge store with associative trails between documents. The part he couldn't solve was who does the maintenance. The LLM handles that."
历史对话
| 问题 | Memex (1945) | LLM Wiki (2026) |
|---|---|---|
| 如何存储个人知识？ | 机械设备 | Obsidian vault |
| 如何创建关联？ | 人工路径 | 自动 wikilinks |
| 谁来维护？ | ❌ 未解决 | ✅ LLM |
在本知识库中的体现
相关 Entities
- Software-2.0 — 编程范式定义
- Vibe-Coding — 实践方式描述
- Knowledge-Compilation — 编译操作定义
- Memex — 思想先驱
相关 Comparisons
- RAG-vs-LLM-Wiki — 知识管理范式对比
Raw Sources
- 20260413-llm-wiki — LLM Wiki 设计文档（原始出处）
- 一篇文章卖了20万，开源CC+Obsidian打造的LLM Wiki 内容创作3.0系统 — 饼干哥哥的实战升级方案
内容创作3.0：从 Runtime RAG 到 Compile-time Wiki
饼干哥哥基于 Karpathy 方案的实战升级，将知识管理系统从"2.0 自动化创作"升级为"3.0 知识编译"
2.0 vs 3.0 的本质区别
| 维度 | 2.0 Runtime RAG | 3.0 Compile-time Wiki |
|---|---|---|
| 知识处理 | 每次写作时现搜现读 | 预先编译为结构化 Wiki |
| 答案稳定性 | 同一问题可能不同答案 | 固定不变的知识资产 |
| 知识累积 | 无 | 持久沉淀 |
| 维护成本 | 每次重复检索成本 | 一次编译，后续免费 |
| 典型工具 | NotebookLM、ChatGPT 文件上传 | Obsidian + LLM Agent |
2.0 的天花板
- 200+ 篇资料，同一个问题问两次答案不一样
- 37 处概念定义冲突
- 4 处事实矛盾
- 60+ 篇文章从未被引用（收藏后无人问津）
- 创作链路自动化，但知识库仍是"信息垃圾场"
3.0 的突破
核心升级：AI 不再只是执行写作指令，而是持续编译、维护、进化整个知识资产。
关键差异：
- 矛盾标记：不同文章的观点冲突会被显式标注
- 增量更新：新资料加入时自动合并到已有概念
- 跨域洞察："对标"步骤发现跨领域的类似现象
- 维护成本：LLM 可以一次操作修改 15+ 文件，不会有遗漏
饼干哥哥的实践成果
- 变现：一篇文章带来 20 万销售额
- 效率：管理 4 个公众号矩阵，35 个 AI 技能包覆盖完整创作链路
- 质量：AI 质疑步骤发现"转化率提升40%"的前提是"目标市场是北美"
1945 vs 2026
- Vannevar Bush：私人知识库 Memex —— 没解决的是"谁来维护？"
- LLM：80 年后终于解决了维护问题
思想体系图谱
graph TD Software20[Software 2.0] --> VibeCoding[Vibe Coding] Software20 --> LLMWiki[LLM Wiki] VibeCoding --> |实践方式| AgenticEng[Agentic Engineering] LLMWiki --> |知识管理| KnowledgeCompilation[Knowledge Compilation] Memex[Memex 1945] --> |思想先驱| LLMWiki Karpathy[Andrej Karpathy] --> Software20 Karpathy --> VibeCoding Karpathy --> LLMWiki
外部资源
本 Topic 页面由 LLM Wiki 编译流程生成，整合 Andrej Karpathy 的核心 AI 思想。