有热爱知识管理或记笔记、
Obsidian重度用户、
散落在各家AI工具里有价值的聊天记录，但苦于难于整理的用户、
想实践LLM Wiki理念的小伙伴看过来哈🥳~
推荐一个神器工具：Karpathy LLM-Wiki

随着Astra的发布，看来目前大模型的编程特化道路确实已经走到边际递减阶段了，往后模型的编程能力大家应该不会再像现在这样投入海量成本来卷了，编程能力差不多快到头了。

毕竟编程只是整个人类世界中一个及其狭窄的领域，再费力搞更多的合成数据训练特定的编程、Agent能力，已经非常成本不划算了。

未来编程特化模型可能就是集中在各家Flash级别继续投入，定位类似于力工。比如GLM-5.3-Flash、Gemini-3.8-Flash等相对小参数模型，在编程方面已经可以逼近数量级更大尺寸规模的Sol、Opus等模型，可以看出编程和agent能力本身并不需要那么大的参数规模就能实现。

且当下这些编程特化模型，人们也越来越发现会损伤模型在其他方面能力(如语言表达越来越差，越来越不说人话等等)，这也是很多人怀念曾经的Opus4.6、Gemini-3-Pro的文学表达和文采的原因，因为这些“古早”模型还没有被编程给偏科训练过，还相对比较“文理平衡”。

而各家的旗舰模型可能会向世界模型、真实交互等转型，所以视听觉(多模态)、空间理解、世界知识等会越来越重要，而这些也都是当前各种benchmark没体现的。现在反而能理解之前字节AI部门未来不会死卷编程的决定。

这点梁叔还真误判了啊🥲只卷文本LLM是搞不成AGI的，虽然有维根斯坦那句名言，但以目前的模型抽象能力，是达不到“语言即世界”的。

所以下步模型的领先梯队顺序很有可能又会发生大变，我总骂的流口水Gemini和大家都看不上的豆包Seed说不定会是下个阶段的领头羊，一个是拥有最广最全世界知识的谷歌(文字、Youtube)，一个是拥有最多多模态数据的字节(Tiktok)，别看现在他俩编程菜😅未来世界模型阶段，他们反而更有后发优势。

而因这一年来误打误撞点对了编程技能树而大吃爽吃2B收入的Anthropic，看来也是思维惯性和路径依赖，难掉头，还搁那硬卷编程和agent呢，善游者溺，静观A÷还能傲慢多久。

最后，梁子，快给点力吧，最近这几步棋都下慢了啊：从端个半成品的Pro和DSH，到上了个外挂多模态的flash，再到大幅涨价和被各路flash反复斩杀🥲确实滑动变阻器上梁圣那截都快锈了，只会编程的偏科生是干不出AGI的。

沃日牛来模型Ox-alpha果然是智谱的，这倒不让人惊讶，这几天免费蹬了几天，效果确实好~

不过在当时蹬的时候就纳闷，全球这么多人免费放开薅，竟然能扛得住如此高强度的推理流量，TPS吞吐也几乎没怎么崩过，一开始以为是某个大厂才能有这基础设施深度，今晚一看官方博客，全部推理竟然都跑在国产卡集群上，这简直令人惊讶！😨😨😨

在这种压测下，属实是最低调却又最高调的技术展示，国产卡看来推理层面已经完全没有任何问题了，可喜可贺~

智谱是后训练的神，这点毋庸置疑，这次看来，也是基础设施的神👑

月底压哨，梁圣差点变牢梁~

太惊艳了，Flash就能干翻参数量几乎翻倍的GLM-5.2，直逼更大的Opus-4.8

那Pro不得直逼Opus-5和K3啊🥹🥹
如果保持价格不变或者更低(毕竟之前说了10个月回本，有充足的降价空间)，那真是又一次斩杀线了。

A社Dario苦啊前有CodeX疯狂重置偷家，中有kimi-k3发布、GPT-5.6大降价，后有v4pro直接白菜价平替Opus5，叫你封号封的那么飞扬跋扈🤬

不知道你们有没有这种感觉：每次看完书、或者跟各种大模型聊完天，感觉自己吸收了好多干货。结果过个几周，打开 Obsidian 一看，全是一座座互不相通的“笔记孤岛”。想找个以前记过的观点，死活搜不到。

看着那些花里胡哨的关系图谱，心里其实很清楚，那很多都是自己手动硬连的，既费时又没啥真实逻辑。

市面上的云端AI知识库是好用，但要把私密笔记传到别人的服务器，总归不踏实；而传统的本地 RAG 又像个无情的切割机，只能做生硬的关键词匹配。

因为实在找不到完全符合心意的工具，我干脆自己动手，写了这个 Obsidian 插件—— 「Karpathy LLM Wiki」。

它的理念特别直接：你只管在本地安静地写，让 AI 在后台帮你编织知识网。

分享几个我自己用到爽的瞬间：
1️⃣ 碎片大一统： 配合 Web Clipper 剪藏的网页，或者平时跟各个 AI 零散的聊天记录，丢进去后，它能自动把这些碎片串联起来。
2️⃣ 跟自己的笔记聊天： 它不会像通用 AI 那样胡编乱造，而是完全基于你自己的笔记回答，每个观点都带有原文链接，一秒定位出处。
3️⃣ 通过Z-Library下载电子书，然后通过 MinerU 转换为 Markdown 格式，然后进行摄入。我曾把《史记》丢进去，自动梳理出的概念网和人物链条，真的绝了[赞R]

插件上架一个多月，完全免费开源，原本只是写给自己用的，没想到当前已悄悄破了 9000 多次下载。

如果你也是个知识管理控，或者正愁几千条笔记没法整理，真心建议去 Obsidian 插件市场搜一下它试试[偷笑R][偷笑R]

作为一个还在高频迭代的个人开发者，大家用完有什么吐槽或者灵感，随时在评论区告诉我，我来改！👨‍💻

👉 插件官网：llmwiki.greenerai.top
👉 Obsidian 官方插件社区一键安装：community.obsidian.md
👉 GitHub 仓库：github.com/green-dalii/obsidian-llm-wiki
👉 MinerU Markdown在线转换工具：mineru.net

#Obsidian #知识管理 #知识图谱 #独立开发者 #生产力工具 #学习笔记 #AI的神奇用法

线下成功追“星”温老师😉
与秦托邦小伙伴相聚福建屏南🏞
与团队成员田野老师、@斑比布丢丢 、@朱晓玫 一起脑暴🤯奋战乡建黑客松~真爽~😬太爱我们团队的小伙伴了！
也相识很多有趣的朋友们🥰开心
龙潭村真美，真惬意🫶Enjoy~

有没有高强度使用🟣Obsidian笔记
或者有一大堆尘封笔记在记录等待挖掘的小伙伴呢？👀看过来哈🤞

如果想把自己的笔记转换为有用的知识库，像维基百科一样，可以来试试我开发的Obsidian插件：「 Karpathy LLM Wiki 」

无论是整理个人笔记、灵感捕捉、内容创作、学术研究，还是有大量与AI聊天记录需要知识化的小伙伴，都可以使用这个插件把你的零散文件全自动组织成知识金矿⛏️供你使用，也可以直接向你的Wiki提问~(图8、9)

目前已上线Obsidian官方社区市场，有300+用户使用(图4)，可以直接在Obsidian设置→第三方插件市场中搜“Karpathy”(图6)安装启用~

插件本身完全免费，但需要接入自己的LLM(如需试用我可提供API Key)

欢迎小伙伴们使用和反馈~

🌐官网 - llmwiki.greenerai.top
🐙Github - github.com/green-dalii/obsidian-llm-wiki
🟣Obsidian插件市场 - community.obsidian.md/plugins/karpathywiki

还是DeepSeek赛博菩萨好🙏这缓存命中率也太夸张了，平均90%+，不知道他们咋做到，钱包终于不痛了🤪

这两天高强度使用下来，干活差不多能追平4.6，超长上下文用起来确实爽~长任务稳定性好很多，再叠加这离谱的缓存命中率，性价比直接💥

DeepSeek他们还是太谦虚了🥹

有在用🟣Obsidian做笔记和知识库管理的小伙伴看过来哈~

受Karpathy提出的llm-wiki理念的启发，一直想用起来，奈何搜遍Ob官方社区也没找到类似的插件，周末就疯狂压榨Claude Code开发实现了LLM-Wiki的Obsidian插件：「Obsidian-LLM-Wiki」

地址是：github.com

只要跟随文档安装(见图3，简单复制粘贴)，填入你的大模型API Key后(密钥只存于你本地🔒安全性拉满)，直接Cmd+P在命令面板里输入任意“llm、karpathy、wiki”关键词就能找到入口(图3)。

你可以选择一个文件夹做批量摄入，等一会，就能在Ob的根目录看到名为「wiki」的结构化知识文件夹📁(图4)，你可以用ob的关系图谱打开它(图5)，也可以使用图3中的查询命令对知识库进行Q&A(图6)，如果认为讨论的有价值，还能一键将内容保存到llm-wiki~

欢迎来使用哈~新特性还在开发中~有任何问题都可以直接和我联系~🥰

咱就是说，🐱就不能倒车入库么