"Karpathy написал классный gist про использование LLM для ведения баз знаний: LLM wiki Это отчасти совпадает с тем, как я использую OpenAI Codex для персонального ассистента (Personal OS v2), но есть и различия. Схожее: (1) формат хранения - markdown с ссылками (2) Obsidian как frontend - для просмотра (3) Правила в корне Agents_md/Claude_md (4) Режим ingest - когда новые статьи и материалы закидываются в хранилище, а LLM пылесосит их и подшивает (5) Режим query - когда мы общаемся с LLM-кой по поводу материалов, и иногда хорошие ответы подшиваем обратно в wiki (6) Режим lint - время от времени LLM проходится по репе, чтобы чистить файлы и ссылки Что различается: (0) У Karpathy - одна база знаний на исследование, а у меня - одна база знаний на все, и хранится она в git. (1) У Karpathy есть log.md, куда пишутся все последние изменения. Я это выкинул, т.к. все хранится в git, и там есть git log (2) У Karpathy index.md со списком всех файлов, у меня отдельные threads по тематикам. (3) У Karathy есть CLI tools для поиска по тексту, он советует qmd для умного поиска. У меня пока используется обычный ripgrep. (4) Karpathy советует Obsidian Web Clipper для выкачки статей - я про такое даже не подумал, сразу утащил к себе. Работает идеально. (5) У Karpathy источники компилируются в статьи, а у меня все индексируется в карточки и потом сшивается в статьи, но это уже вкусовщина. В целом, все работает у меня очень хорошо. Основной ""затык"" у меня - неудобно работать на ходу с этой базой знаний из телефона или разных чатов Claude/Gemini/ChatGPT (ибо у каждого - свои сильные стороны). Решается построением оптимизированного MCP с версионированием. Но проект Personal OS v3 пока на паузе - надо соревнование сначала провести. Кстати, наши задачи в BitGN/PAC1 - как раз отталкиваются от аналогичного формата работы с файлами, только с наворотами в виде типизированных записей. __Расскажите, как у вас работают персональные ассистенты? __ Ваш, @llm_under_hood 🤗"