Андрей Карпатый, похоже, нашёл способ заставить LLM работать на себя, а не наоборот. Вместо того чтобы кодить очередную надстройку над данными, он задействовал модели для автоматического создания и поддержки личных баз знаний. Берём сырые данные — статьи, репозитории, изображения — и LLM сама компилирует из них структурированную «вики» в Markdown. И не просто компилирует: модель добавляет резюме, перелинковку, категоризацию и даже пишет новые статьи. Всё это хранится и редактируется в Obsidian, который Карпатый называет своей «IDE» для управления знаниями. Модель сама пишет и поддерживает контент, пользователю лишь изредка приходится вмешиваться.
Когда база знаний разрастается (у Карпатого это уже ~100 статей и ~400K слов), LLM-агент начинает отвечать на сложные вопросы. И что особенно интересно — без громоздких RAG-систем. Модель самодостаточно следит за индексами и резюме, извлекая нужную информацию. Ответы можно получать не только текстом, но и в виде Markdown-файлов, слайдов (Marp) или изображений, которые потом обратно встраиваются в «вики», делая её ещё умнее. Каждая такая сессия — плюс к общей базе знаний.