knowledge-base

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 — nach Karpathys LLM Wiki-Prinzip.

---

Konzeptionelle Grundlage

Quelle: https://x.com/karpathy/status/2039805659525644595 (Apr 2026, 59K Likes)

Andrej Karpathy's Post "LLM Knowledge Bases" beschreibt einen Workflow, den wir hier spiegeln wollen:

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)

Kernideen

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.

Ergänzend: LLM Wiki Gist

https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f (Apr 2026, 5K+ Stars/Forks)

Der Gist konkretisiert die Architektur:

• 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)

Abgrenzung

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.

---

Unser Plan

Phase 1: Struktur

knowledge-base/
├── 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: Schema-Datei

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: Data Ingest

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

Phase 4: Query + Filing

Sobald das Wiki wächst: Fragen dagegen stellen lassen. Gute Antworten zurück ins Wiki filed.

Phase 5: Linting

Periodisch: Inkonsistenzen finden, Lücken identifizieren, neue Verknüpfungen vorschlagen.

---

Was ich nicht machen werde

• ❌ 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

---

Implementierungen aus dem Post-Thread + Ökosystem

Recherchiert aus den Antworten zu Karpathys Post + GitHub.

Vom Autor selbst

Ressource	Beschreibung
Original Post	59K Likes — das Konzept
LLM Wiki Gist	5K+ Stars/Forks — Idea File zum Kopieren in den Agenten

Im Thread erwähnt

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

Open-Source Implementierungen

Repo	Stars	Beschreibung
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	~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	~1k	Open-Source-Implementierung. Upload Docs → verbinde Claude Account via MCP → schreibt Wiki. 138 Commits.
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	~689	100% lokal mit Ollama. Drop Markdown → AI extrahiert Konzepte → Obsidian-Wiki mit Auto-Links. Zero Sharing. 62 Commits.
MetamusicX/llm-research-wiki	—	Für akademische Research-Wikis mit Claude Code
bashiraziz/llm-wiki-template	—	Reusable Template für LLM-maintained Knowledge Bases

Hilfstools

Tool	Beschreibung
Obsidian Web Clipper	Browser-Erweiterung: Web-Artikel → .md + Bilder lokal
Marp for Obsidian	Präsentations-Slides aus Markdown
qmd	Lokale Suchmaschine für .md: hybrid BM25/Vector + LLM Re-ranking. CLI + MCP Server.
Obsidian	Karpathys IDE der Wahl

Tutorials

Link	Autor
Data Science Dojo Tutorial	Schritt-für-Schritt-Anleitung
MindStudio Guide	Claude Code + Obsidian
Starmorph Blog	Detaillierte Implementierung
StarMorph: Twice	Vergleich Code-basiert vs. MD-basiert
Medium: LLM Wiki Guide	Ausführlicher Guide
Modem Guides: Local Setup	Lokales Setup mit Ollama + Obsidian

No-Code / Low-Code Optionen

Ressource	Beschreibung
LLM Wiki No-Code	Dev.to Guide — mit Claude oder GitHub Copilot ohne Code
LLM Wiki Topic	GitHub-Topic mit weiteren Implementierungen

---

Stand: 2026-06-05 | Korrigiert nach k9erts Hinweis auf den richtigen Post