你还在让 ChatGPT 帮你 Debug？
不好意思，顶级玩家已经换玩法了。
就在昨天，OpenAI 联合创始人安德烈·卡帕西（Andrej Karpathy）发了一条推文，炸翻了整个科技圈。
他不再用 LLM 写代码了。
准确地说，他让 LLM 干的活，已经从“敲代码”升级到了“长脑子”。
一个知识库，40 万字
卡帕西最近搞了个大新闻。
他用 LLM 给自己建了一个“第二大脑”——一个完全由 AI 维护的个人知识库。
多大？
约 100 篇文章，40 万词。
这不是简单的笔记软件。让我给你拆拆他的工作流：
第一步：吃数据。 他把各种源文件——论文、博客、代码仓库、数据集、图片——全部丢进一个 raw/ 目录。
第二步：AI 编译。 LLM 自动把这些原始资料“编译”成一个 Wiki。是的，就是一堆 .md 文件，按主题分类，互相链接，还自带摘要和反向链接。
第三步：问答。 知识库足够大之后，他直接问 LLM 各种复杂问题。LLM 会自己去 Wiki 里“翻资料”，然后给他一个完整的研究报告。
第四步：输出。 回答不只显示在对话框里。LLM 会给他生成 Markdown 文件、幻灯片（Marp 格式）、甚至 matplotlib 可视化图表。所有产出都直接存回知识库，形成一个不断生长的“活系统”。
第五步：自净。 LLM 还会定期给 Wiki 做“健康检查”——发现数据不一致？补上缺失信息？甚至主动找出有趣的联系，生成新文章候选。
全程几乎不用手动编辑。
“我很少直接碰 Wiki。LLM 是它的全职管理员。”
说实话，看到这我有点恍惚。
这还是我们熟悉的“编程”吗？
以前是 LLM 帮我们写代码，现在是 LLM 帮我们管理知识。
有人已经在等下一个产品了
推文发出后，评论区比正文还精彩。
一条评论被顶到了最高赞：
“Every business has a raw/ directory. Nobody's ever compiled it. That's the product.”
（每个企业都有一个 raw/ 目录。但从来没人把它编译出来。这就是产品机会。）
卡帕西自己都回复了：
“可能是另一个 LLM 回的，但我完全同意。”
这话说得一点不夸张。
现在多少公司的内部文档散落在飞书、Notion、Confluence、Slack、邮件……各个角落？找一份需求文档得像侦探一样翻半天。
而卡帕西展示的，是一个AI 原生的知识管理体系——
它不只是存储，它理解。它不只是检索，它推理。它不只是回答问题，它帮你长出新的认知。
另一个高赞评论问：
“能做个视频演示一下吗？你之前解释 LLM 用法的视频特别有帮助。”
卡帕西说：
“我也在想这个事。”
嗯，你大概能想象这条视频发出来会多少播放量。
这波操作意味着什么
让我说几点个人判断。
第一，LLM 的使用范式正在迁移。
过去一年，大家都在卷“让 AI 写更好的代码”。Copilot 们很猛，但本质上还是效率工具。
而卡帕西展示的，是 LLM 作为认知基础设施的可能性。
它不只是帮你干活的助手，它是帮你长脑子的系统。
第二，“Vibe Coding”已经不够了，现在是“Vibe Research”。
之前卡帕西提出“Vibe Coding”——用自然语言描述需求，AI 生成代码，人只负责“感觉不对就改”。
现在他更进一步：用自然语言提问，AI 构建知识、回答问题、生成报告。
人变成了“提问者”和“最终审核者”，中间全部交给 AI。
第三，一个巨大的产品机会正在打开。
评论里说的“raw/ 目录”只是比喻。
真实情况是：每个知识工作者、每个企业，都需要一个 AI 维护的“活知识库”。
现在大家还在用 RAG（检索增强生成）这种技术方案，但卡帕西的实验说明——只要规模不太大，LLM 本身就能做好索引和摘要这件事，根本不需要复杂的工程。
“我本来以为得用上什么高级 RAG，结果 LLM 在这个量级（~100 篇文章）表现已经很强了。”
这意味着什么？
产品经理们，该行动了。
当然，故事还没完。
卡帕西在推文最后留了一个“Further explorations”：
“随着仓库增长，自然会想到——能不能用合成数据 + 微调，让 LLM 直接'记住'这些知识，而不是每次都在上下文窗口里翻？”
这已经不只是“知识库”了。
这是让 AI 长出你的脑子。
细思极恐。
你觉得这种“AI 知识库”会成为下一个标配吗？
【MiniMax-M2.5锐评】：卡帕西轻描淡写地秀了一个“AI 第二大脑”，评论区已经有人把产品机会想明白了——这才是真正的“降维打击”。
参考链接：
https://x.com/karpathy/status/2039805659525644595