rewrite: correct post reference + full Ökosystem-Liste der Implementierungen

2026-06-05 13:16:15 +02:00 · 2026-06-05 13:16:15 +02:00 · c49f3e3478
commit c49f3e3478
parent eae910a69f
1 changed files with 116 additions and 143 deletions
--- a/README.md
+++ b/README.md
@ -2,192 +2,165 @@

 **RamaDama Knowledge Base** — Strukturiertes Wissen aus dem OME-Chat.

-Ziel: Links, Entscheidungen, Architekturdiskussionen und technische Konzepte aus dem RamaDama-Topic in eine permanente, für Agents lesbare Wissensbasis überführen.
+Ziel: Links, Entscheidungen, Architekturdiskussionen und technische Konzepte aus dem RamaDama-Topic in eine permanente, für Agents lesbare Wissensbasis überführen — nach Karpathys LLM Wiki-Prinzip.

 ---

-## Was ich gelernt habe
+## Konzeptionelle Grundlage

-### 1. Das Problem
+> Quelle: https://x.com/karpathy/status/2039805659525644595 (Apr 2026, 59K Likes)

-Der RamaDama-Topic ist voll mit guten Links, Architekturüberlegungen und Tool-Entscheidungen. Aber:
+Andrej Karpathy's Post **"LLM Knowledge Bases"** beschreibt einen Workflow, den wir hier spiegeln wollen:

- **Flüchtig** — nach einem Tag Chat-Scroll ist der relevante Inhalt begraben
- **Nicht referenzierbar** — kein Agent (ich nicht, kein anderer) kann das Wissen beim nächsten Start wiederfinden
- **Nicht teilbar** — was Pit, k9ert, Nazim, Rüdiger oder René reinwerfen, ist weg sobald der Chat weiterläuft
+```
+raw/          ← Source documents (articles, papers, repos, datasets, images)
+  ↓ LLM "compiliert" zu
+wiki/         ← Collection of .md files in directory structure
+  ↓ LLM nutzt für
+Q&A / Output  ← Fragen, Recherchen, Visualisierungen, Slides
+  ↓ Ergebnisse fließen zurück
+wiki/ (enhanced)
+```

-### 2. Karpathys Ansatz — das Konzept (nicht die Coding-Regeln!)
+### Kernideen

-> Quelle: https://x.com/karpathy/status/2015883857489522876 (Jan 2026, 40K+ Likes)
+| Konzept | Beschreibung |
+|---------|-------------|
+| **LLM-kompiliertes Wiki** | Kein manuelles Schreiben. LLM erstellt + pflegt das Wiki aus Rohdaten. |
+| **Flache .md-Dateien** | Kein fancy RAG, kein binäres Backend. Reines Markdown in Ordnerstruktur. |
+| **Obsidian als IDE** | Frontend zum Ansehen von Rohdaten, Wiki und Visualisierungen. |
+| **Q&A gegen das Wiki** | Sobald das Wiki groß genug ist (~100 Artikel, ~400K Wörter), beantwortet der Agent komplexe Fragen. |
+| **Auto-Indexing** | LLM pflegt Index-Dateien und Zusammenfassungen selbst — kein manuelles Mapping. |
+| **Filing** | Ergebnisse fließen zurück ins Wiki → Wissen akkumuliert. |
+| **Linting** | Health Checks: inkonsistente Daten finden, Lücken füllen, neue Verbindungen vorschlagen. |
+| **Extra Tools** | Kleine Suchmaschine (z.B. qmd), CLI-Tools für größere Queries. |

-Karpathys Kernidee: **`CLAUDE.md`** — eine lesbare Markdown-Datei im Projekt-Stamm, die Agents beim Start lesen und ihr Verhalten danach ausrichten.
+### Ergänzend: LLM Wiki Gist

-**Wichtig:** Der Post handelt von vier Coding-Verhaltensprinzipien (Think Before Coding, Simplicity First, etc.). Das Konzept dahinter — **persistente, agents-lesbare Instruction Files** — ist die eigentliche konzeptionelle Grundlage für unsere Knowledge Base. Nicht die Coding-Regeln selbst.
+> https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f (Apr 2026, 5K+ Stars/Forks)

-Aus Karpathys Post für die KB relevant:
+Der Gist konkretisiert die Architektur:

-| Konzept | Bedeutung für die KB |
-|---------|---------------------|
-| **Persistente Dateien** | Agents lesen beim Start `CLAUDE.md` / `AGENTS.md` → Wissen geht nicht verloren |
-| **Lesbares Format** | Reines Markdown, kein binäres Backend. Jeder Agent kann es lesen. |
-| **Git-versioniert** | Änderungen nachvollziehbar, kollaborativ bearbeitbar |
-| **Projektverzeichnis** | Wissen liegt da, wo die Arbeit passiert — nicht in einem externen System |
+- **Drei Schichten:** Raw Sources (immutable) → Wiki (LLM-generated) → Schema (CLAUDE.md/AGENTS.md)
+- **Drei Operationen:** Ingest (neue Quellen verarbeiten) → Query (Fragen beantworten) → Lint (Health Checks)
+- **Zwei Spezialdateien:** `index.md` (Inhaltsverzeichnis) und `log.md` (Chronik)
+- **CLI-Tools:** qmd als Suchmaschine für .md-Dateien (hybrid BM25/Vector)

-**Was ich falsch gemacht hab:** Die vier Coding-Prinzipien 1:1 auf die KB-Struktur übertragen. Die sind für Coding-Verhalten, nicht für Wissensorganisation. Karpathy hat später mit `autoresearch` (`program.md`) gezeigt, dass das Instruction-File-Konzept auch für Nicht-Coding-Agenten funktioniert.
+### Abgrenzung

-### 3. Was multica-ai besser macht
-
-> Quelle: https://github.com/multica-ai/andrej-karpathy-skills (168K Stars)
-
-Das Repo von forrestchang (https://x.com/jiayuan_jy) implementiert Karpathys Prinzipien als **installierbares Claude Code Plugin**:
-
- **Standardisiertes Format** — `CLAUDE.md` als Solldatei, kein freestyle
- **Plugin-Struktur** — `plugin.json` mit Semver, Lizenz, Autor, Skills-Pfad
- **Cross-Plattform** — Claude Code, Cursor, IDE-agnostisch durch `.cursor/rules/`
- **Versioniert** — Semver, Releases, Changelog
- **Installationsmechanismus** — `/plugin install`, oder per `curl` + `>> CLAUDE.md`
- **Auto-Discovery** — `skills/`-Verzeichnis wird automatisch erkannt
- **Beispiele** — Separate `EXAMPLES.md` als didaktisches Material
-
-**Was mein erster Ansatz falsch gemacht hat:**
- Keine Analyse vor Implementation
- Einfach `knowledge/forgejo-botreasury.md` hingelegt ohne Strukturüberlegung
- Kein Plugin-Format, kein Schema, kein Versionsmanagement
- Nicht gefragt, ob andere Agents das überhaupt lesen können sollen
-
-### 4. OpenClaw-Pluginsystem
-
-OpenClaw hat ein eigenes Pluginsystem (Skills), das ähnlich funktioniert:
- `SKILL.md` als Skill-Definition
- Plugin-Marketplace (installierbar via `/skill install`)
- Eigene Beschreibungs-Metadaten
-
-Das heißt: Wir können Wissen entweder als **Markdown-Dokument** (lesbar für jeden Agent) oder als **OpenClaw Skill** (installierbar, versioniert, aktivierbar) ablegen.
+Der *andere* Karpathy-Post (https://x.com/karpathy/status/2015883857489522876) handelt von Coding-Verhaltensregeln. **Der hat nichts mit Knowledge Bases zu tun.** Die dort beschriebenen Repos (multica-ai, FerroxLabs, etc.) sind Coding-Guides, keine KB-Implementierungen.

 ---

-## Plan: Wie ich die Knowledge Base aufbauen will
+## Unser Plan

-### Phase 1: Struktur definieren
+### Phase 1: Struktur

 ```
 knowledge-base/
-├── README.md                    # Dieses Dokument — Projektplan + Kontext
-├── kb/                          # Knowledge Base Einträge
-│   ├── teams/                   # Personen, Teams, Verantwortlichkeiten
-│   ├── tools/                   # Tools, Konfigurationen, Credentials
-│   ├── architecture/            # Architektur-Entscheidungen
-│   ├── concepts/                # Konzepte, Links, Leseempfehlungen
-│   └── decisions/               # ADRs (Architecture Decision Records)
-├── skills/                      # OpenClaw Skills (plugin-kompatibel)
-└── scripts/                     # Hilfsskripte (z.B. KB-Eintrag generieren)
+├── README.md              # Dieses Dokument
+├── raw/                   # Rohdaten aus dem Chat (Links, Screenshots, Zitate)
+├── wiki/                  # LLM-kompilierte Knowledge Base
+│   ├── index.md           # Inhaltsverzeichnis (auto-generated)
+│   ├── log.md             # Chronik der Änderungen
+│   ├── teams/             # Personen, Rollen, Verantwortlichkeiten
+│   ├── tools/             # Tools, Instanzen, Credentials
+│   ├── architecture/      # Architektur-Entscheidungen
+│   ├── concepts/          # Konzepte, Erklärungen
+│   └── decisions/         # Entscheidungen (datiert)
+├── scripts/               # Hilfsskripte (Search Engine, Indexer, Health Checks)
+└── output/                # Generierte Ausgaben (Reports, Slides, Visualisierungen)
 ```

-### Phase 2: Chat-Inhalt verarbeiten
+### Phase 2: Schema-Datei

-1. **Topic-History durchgehen** — alle Links, Entscheidungen, Diskussionen identifizieren
-2. **Nach Kategorie sortieren** — Tool-Config vs. Architektur vs. Konzept vs. Entscheidung
-3. **In KB schreiben** — kuratierte Einträge, nicht Rohdaten
-4. **Verlinken** — Einträge referenzieren sich gegenseitig
+Eine Schema-Datei (z.B. `AGENTS.md`) definiert Konventionen für den LLM: Dateibenennung, Metadaten, Verlinkung, Ingest-Workflow, Query-Format. Wird zusammen mit dem Chat entwickelt.

-### Phase 3: Agenten-Zugriff
+### Phase 3: Data Ingest

-Beim Start lese ich:
- `kb/teams/` → wer ist wer, wer hat welche Rolle
- `kb/tools/forgejo.md` → Instanz-Details, Credentials
- Relevante `decisions/*.md` → warum wurde was entschieden
+1. Rohdaten aus dem Chat-Topic sammeln (Links, Entscheidungen, Diskussionen)
+2. In `raw/` ablegen — als .md mit Quellenangabe
+3. LLM kompiliert daraus strukturierte Wiki-Einträge
+4. `index.md` und `log.md` automatisch pflegen

-**Regel:** Kein externes Memory-Backend erforderlich. Flache Markdown-Dateien, lesbar von jedem Agent, versioniert über Git.
+### Phase 4: Query + Filing

-### Phase 4: OpenClaw-Skill-Export (optional)
+Sobald das Wiki wächst: Fragen dagegen stellen lassen. Gute Antworten zurück ins Wiki filed.

-Wenn Sinnvoll: Kritische KB-Einträge als OpenClaw Skills exportieren, damit sie über den Plugin-Marketplace installierbar sind.
+### Phase 5: Linting

---
-
-## Erste Prioritäten
-
-1. ✅ **Tool-Konfig: Forgejo** (`forgejo-botreasury.md`) — besteht schon, muss ins neue Format migriert werden
-2. ❌ **Teams** — k9ert, Pit, Nazim, René, Rüdiger: Rollen, Kontakt, Expertise
-3. ❌ **Architektur-Entscheidungen** — Warum Forgejo? Warum Tailscale? Warum diese Instanz?
-4. ❌ **Concepts & Links** — Alle Links aus dem RamaDama-Topic katalogisiert
+Periodisch: Inkonsistenzen finden, Lücken identifizieren, neue Verknüpfungen vorschlagen.

 ---

 ## Was ich nicht machen werde

- ❌ Kein overengineertes Schema (YAML-Frontmatter reicht)
- ❌ Keine externen Memory-Dienste als Primärspeicher
- ❌ Kein Scraping aller Links auf Vorrat — nur kuratierte Einträge
- ❌ Kein wilder Aktionismus
+- ❌ Coding-Guidelines-Repos listen (gehören zu anderem Post)
+- ❌ Fancy RAG-Backends (Karpathy sagt: LLM kommt mit .md klar)
+- ❌ Manuelles Wiki-Schreiben (LLM-Aufgabe)
+- ❌ Overengineerte Struktur bevor Content da ist

 ---

-*Stand: 2026-06-05 | Gebaut von hector-bot für den RamaDama-Topic, OME-Gruppe*
+## Implementierungen aus dem Post-Thread + Ökosystem

---
+> Recherchiert aus den Antworten zu Karpathys Post + GitHub.

-## Appendix: Implementierungen aus Karpathys Tweet-Thread
-
-Alle Repos und Tools, die direkt oder indirekt auf Karpathys Post vom 26. Jan 2026 aufbauen.
-
-> Quelle: https://x.com/karpathy/status/2015883857489522876
-
-> **⚠️ Wichtige Klarstellung:** Die folgenden Repos sind fast alle **Coding-Verhaltensregeln** (Claude Code Skills, AGENTS.md). Sie implementieren die *vier Prinzipien* aus Karpathys Post, nicht das *Knowledge-Base-Konzept*. Sie sind hier trotzdem dokumentiert, weil sie zeigen:
-> 1. Wie sich der Instruction-File-Standard entwickelt hat (`CLAUDE.md` → `AGENTS.md` → offener Standard)
-> 2. Welche Plattformen das Format unterstützen (Claude Code, Codex, Cursor, Gemini CLI, **OpenClaw**)
-> 3. Dass swarmclawai bereits einen OpenClaw-Adapter gebaut hat
-
-### Direkte Implementierungen
-
-| Repo | Autor | Stars | Beschreibung | Stand |
-|------|-------|-------|-------------|-------|
-| [multica-ai/andrej-karpathy-skills](https://github.com/multica-ai/andrej-karpathy-skills) | forrestchang | ~144k | Das Original-Repo: `CLAUDE.md` mit Karpathys vier Prinzipien, als Claude Code Plugin und Cursor-Regel verpackt. Enthält `plugin.json`, `EXAMPLES.md`, `CURSOR.md`. | Jan 2026 |
-| [forrestchang/andrej-karpathy-skills](https://github.com/forrestchang/andrej-karpathy-skills) | forrestchang | ~160k | Persönlicher Fork des Autors. Insgesamt ~220k Stars kombiniert. Eine der am schnellsten wachsenden Repos in GitHub-Geschichte. | Jan 2026 |
-| [karpathy/autoresearch](https://github.com/karpathy/autoresearch) | karpathy | ~85k | Karpathys eigenes Projekt: AI Agents, die automatisch ML-Experimente auf Single-GPU-nanochat-Training fahren. Kern: `program.md` als Instruction File. Agent loop: read → propose → run → evaluate → commit/rollback. | März 2026 |
-
-### Plattform-Adapter
-
-| Repo | Autor | Beschreibung |
-|------|-------|-------------|
-| [swarmclawai/andrej-karpathy-skills](https://github.com/swarmclawai/andrej-karpathy-skills) | waydelyle | Multi-Adapter-Repo: Karpathys Guidelines als Claude Code, Codex, Cursor, Gemini, OpenCode, Aider, Copilot, **OpenClaw** und jedes AGENTS.md-kompatible Agent format. Enthält `adapters/`-Verzeichnis mit plattformspezifischen Dateien + npm-Install-Skript. 17 Stars. | Mai 2026 |
-| [mertso13/gemini-skill-karpathy-coding](https://github.com/mertso13/gemini-skill-karpathy-coding) | mertso13 | Karpathys Guidelines als Gemini CLI Skill. Enthält `gemini-extension.json` und `find-skills`-Support. | Mai 2026 |
-
-### AGENTS.md — Der offene Standard
-
-| Repo | Stars | Beschreibung |
-|------|-------|-------------|
-| [agentsmd/agents.md](https://github.com/agentsmd/agents.md) | ~22k | Offener Standard für `AGENTS.md`. Webseite mit Kompatibilitätsmatrix: Claude Code, Codex, Cursor, Aider, Windsurf, Copilot, Devin, Gemini CLI, Augment. 1.6k Forks. | Dez 2025–Mär 2026 |
-| [FerroxLabs/agents-md](https://github.com/FerroxLabs/agents-md) | ~558 | Sean Donahoes `AGENTS.md` — Drop-in-Datei, die jeden Coding Agent wie einen Senior Engineer benimmt. Synthetisiert Karpathys vier Prinzipien + Boris Chernys Claude Code Workflow. 67 Forks. | Apr 2026 |
-
-### Skill-Ökosystem (topic: karpathy-skills)
-
-| Repo | Autor | Beschreibung |
-|------|-------|-------------|
-| [PBNZ/newton-skill](https://github.com/PBNZ/newton-skill) | PBNZ | Claude Skill für rigoroses Reasoning: ehrliches Engagement, kalibrierter Pushback, aktuelle Quellen, Wiederverwendung vor Neuerfindung. | Apr 2026 |
-| [Shreyas-prog108/shreyas-skills](https://github.com/Shreyas-prog108/shreyas-skills) | Shreyas | Personal Engineering Skill Framework. Karpathy-inspiriert. | Jun 2026 |
-| [Vix0007/vixero-skills](https://github.com/Vix0007/vixero-skills) | Vix | Token-effiziente Agent Skills: Meta-Skills ≤650t, Coding Discipline. | 2026 |
-| [AgriciDaniel/claude-obsidian](https://github.com/AgriciDaniel/claude-obsidian) | AgriciDaniel | Enthält `AGENTS.md` für Claude Code + Obsidian-Integration. | 2026 |
-
-### IDE & Marketplace Extensions
-
-| Extension | Plattform | Beschreibung |
-|-----------|-----------|-------------|
-| [MichielWBeijen.andrej-karpathy-skills-cursor-vscode](https://marketplace.visualstudio.com/items?itemName=MichielWBeijen.andrej-karpathy-skills-cursor-vscode) | VS Code | Karpathy Guidelines als Cursor/VSCode-Erweiterung | 2026 |
-| [benpay/karpathy-guidelines](https://open-vsx.org/extension/benpay/karpathy-guidelines) | Open VSX | Karpathy-Guidelines auf Open VSX Registry | 2026 |
-| [claudemarketplaces.com](https://claudemarketplaces.com/skills/forrestchang/andrej-karpathy-skills/karpathy-guidelines) | Claude Marketplace | Karpathy Skill im Claude Code Plugin Marketplace | 2026 |
-
-### OpenClaw-spezifisch
+### Vom Autor selbst

 | Ressource | Beschreibung |
 |-----------|-------------|
-| [augmentcode.com — Karpathy Skills on OpenClaw](https://www.augmentcode.com/blog/karpathy-skills-on-openclaw-agents-don-t-write-better-code-but-they-do-it-more-efficiently) | Blogpost über Karpathy Skills auf OpenClaw Agents. These: „Agents schreiben nicht besseren Code — sie tun es nur effizienter." | 2026 |
+| [Original Post](https://x.com/karpathy/status/2039805659525644595) | 59K Likes — das Konzept |
+| [LLM Wiki Gist](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) | 5K+ Stars/Forks — Idea File zum Kopieren in den Agenten |

-### Für unsere Knowledge Base relevant
+### Im Thread erwähnt

-Die wichtigsten Erkenntnisse aus dieser Recherche:
+| Link | Wer | Beschreibung |
+|------|-----|-------------|
+| [Lex Fridman Reply](https://x.com/lexfridman/status/2039841897066414291) | Lex Fridman | Gleiches Setup: Obsidian + Cursor + Web Terminals. Generiert dynamic HTML/JS für interaktive Visuals. Baut Mini-KBs für Voice-Mode beim Laufen. |
+| [@kepano](https://x.com/kepano/status/2039841147494031637) | Kepano (Obsidian CEO) | "Agents brachen einen Playground" — separater Bereich für Agent-Inhalte verhindert Kontamination des Primär-Vaults |
+| [@0xSero Reply](https://x.com/0xSero/status/2039813228352717201) | 0xSero | Persönliche Daten (X, Google, Apple Health, GitHub) → rag → OpenClaw als Q&A-Frontend |
+| [Robert Scoble / AlignedNews](https://alignednews.com/ai) | Scobleizer | Ingestiert X + 8300 AI Companies → automatisierte News-Seite, 3x täglich aktualisiert |

-1. **swarmclawai** hat den breitesten Ansatz — Adapter für alle Plattformen inkl. OpenClaw
-2. **agentsmd/agents.md** definiert den offenen Standard, den wir nutzen sollten
-3. **FerroxLabs/agents-md** zeigt, wie man `AGENTS.md` als reine Drop-in-Datei designed
-4. **karpathy/autoresearch** beweist, dass `program.md` über Coding hinaus für Research-Agenten funktioniert — Template für Wissens-Agenten
+### Open-Source Implementierungen
+
+| Repo | Stars | Beschreibung |
+|------|-------|-------------|
+| [nashsu/llm_wiki](https://github.com/nashsu/llm_wiki) | ~10.4k | Cross-Plattform Desktop-App. Dokumente hochladen → LLM baut Wiki. API + MCP Support. Aktuellste Entwicklung (528 Commits, 37 Tags). |
+| [Ar9av/obsidian-wiki](https://github.com/Ar9av/obsidian-wiki) | ~1.7k | Framework für AI Agents, die ein Obsidian-Wiki bauen/pflegen. Agent Skills für Claude Code + Codex + Pi. 144 Commits, 25 Branches. |
+| [lucasastorian/llmwiki](https://github.com/lucasastorian/llmwiki) | ~1k | Open-Source-Implementierung. Upload Docs → verbinde Claude Account via MCP → schreibt Wiki. 138 Commits. |
+| [Astro-Han/karpathy-llm-wiki](https://github.com/Astro-Han/karpathy-llm-wiki) | ~991 | Agent Skills-kompatibel (Claude Code, Cursor, Codex). Baut KB aus Rohquellen + Zitationen + Linting. 14 Commits. |
+| [kytmanov/obsidian-llm-wiki-local](https://github.com/kytmanov/obsidian-llm-wiki-local) | ~689 | 100% lokal mit Ollama. Drop Markdown → AI extrahiert Konzepte → Obsidian-Wiki mit Auto-Links. Zero Sharing. 62 Commits. |
+| [MetamusicX/llm-research-wiki](https://github.com/MetamusicX/llm-research-wiki) | — | Für akademische Research-Wikis mit Claude Code |
+| [bashiraziz/llm-wiki-template](https://github.com/bashiraziz/llm-wiki-template) | — | Reusable Template für LLM-maintained Knowledge Bases |
+
+### Hilfstools
+
+| Tool | Beschreibung |
+|------|-------------|
+| [Obsidian Web Clipper](https://obsidian.md/clipper) | Browser-Erweiterung: Web-Artikel → .md + Bilder lokal |
+| [Marp for Obsidian](https://github.com/JichouP/Marp-Slide-Theme) | Präsentations-Slides aus Markdown |
+| [qmd](https://github.com/tobi/qmd) | Lokale Suchmaschine für .md: hybrid BM25/Vector + LLM Re-ranking. CLI + MCP Server. |
+| [Obsidian](https://obsidian.md) | Karpathys IDE der Wahl |
+
+### Tutorials
+
+| Link | Autor |
+|------|-------|
+| [Data Science Dojo Tutorial](https://datasciencedojo.com/blog/llm-wiki-tutorial/) | Schritt-für-Schritt-Anleitung |
+| [MindStudio Guide](https://www.mindstudio.ai/blog/andrej-karpathy-llm-wiki-knowledge-base-claude-code) | Claude Code + Obsidian |
+| [Starmorph Blog](https://blog.starmorph.com/blog/karpathy-llm-wiki-knowledge-base-guide) | Detaillierte Implementierung |
+| [StarMorph: Twice](https://pub.towardsai.net/i-built-karpathys-llm-wiki-twice-once-as-code-once-as-a-md-heres-what-each-one-gives-up-08b31170999a) | Vergleich Code-basiert vs. MD-basiert |
+| [Medium: LLM Wiki Guide](https://medium.com/@urvvil08/andrej-karpathys-llm-wiki-create-your-own-knowledge-base-8779014accd5) | Ausführlicher Guide |
+| [Modem Guides: Local Setup](https://www.modemguides.com/blogs/ai-infrastructure/local-llm-knowledge-base-obsidian-setup-guide) | Lokales Setup mit Ollama + Obsidian |
+
+### No-Code / Low-Code Optionen
+
+| Ressource | Beschreibung |
+|-----------|-------------|
+| [LLM Wiki No-Code](https://dev.to/rosidotidev/karpathys-llm-wiki-no-code-with-claude-or-github-copilot-5fb0) | Dev.to Guide — mit Claude oder GitHub Copilot ohne Code |
+| [LLM Wiki Topic](https://github.com/topics/llm-wiki-personal-knowledge-base) | GitHub-Topic mit weiteren Implementierungen |
+
+---
+
+*Stand: 2026-06-05 | Korrigiert nach k9erts Hinweis auf den richtigen Post*