Karpathy 提出了 LLM Wiki，我用 Rust 把它造出来了，还打通了 MemPalace 知识图谱
这篇文章讲的是作者把 Karpathy 提出的 LLM Wiki 概念，用 Rust 工程化实现成了一个完整项目，并且还接上了自己的 MemPalace 知识图谱系统。作者一开始提出的问题是：和 ChatGPT 聊过的内容很容易丢失，传统 RAG 也常常像“每次第一次见文件”，知识无法持续积累。因此他把 LLM Wiki 理解为一种“活的 wiki”：不是每次检索时重新推导答案，而是让模型持续维护一个会进化的知识页面集合。
文章介绍了这个系统的整体结构，核心是一个纯 Rust workspace，包含领域模型、编排引擎、SQLite 持久化、外部知识图谱桥接和 CLI 工具等模块。作者特别强调知识不是一次写死的 Markdown，而是有生命周期的 Claim：有置信度、质量分、层级、取代关系和过时标记。旧知识不会直接删除，而是会被新的 claim 替代，从而保留可追溯性。
在检索层面，文章的方案不是单纯依赖向量搜索，而是采用三路并行召回：BM25、向量检索和知识图谱游走，再用 RRF 融合，并叠加保留强度权重。这样做的目标，是让结果既能命中语义，也能保留真正重要、经常被访问的知识。作者还加入了事件驱动和 outbox 机制，让所有写操作都能被审计、增量消费和同步到外部系统。
文章后半部分进一步展示了工程化能力：自动 lint 会检查 broken wikilink、孤岛页面、过时 claim 和缺失引用；每一次 ingest、supersede、query 和 crystallize 也都会留下审计轨迹。作者还展示了 CLI 使用方式、LLM 配置和冒烟测试，说明这个项目不只是概念展示，而是可以落地使用的工具。整体来看，这篇文章的主旨是：如果想让 LLM 真正成为“会积累的知识系统”，就不能只做聊天和检索，而要把知识的演化、审计、检索和投影都做成工程闭环。