LLM Wiki v2 (rohitg00)
Enjeu
Le pattern LLM Wiki de Karpathy décrit une architecture, pas une implémentation complète. rohitg00 propose, à partir de son expérience de construction d'« agentmemory » — un moteur de mémoire persistante pour agents IA —, sept catégories d'extensions destinées à combler cet écart. Le document présente les wikis LLM comme une réponse à la « bookkeeping tax », la charge administrative qui fait pourrir les systèmes de connaissances en s'opposant à la RAG classique, qui récupère puis oublie, quand un wiki accumule et compose.
Notions
Sept catégories organisent la proposition. Le cycle de vie de la mémoire combine un score de confiance numérique continu (0 à 1, reflétant nombre de sources, récence et contradictions), une supersession explicite préservant l'historique des versions — « version control for knowledge, not just for files » —, des courbes d'oubli inspirées du principe d'Ebbinghaus, et des paliers de consolidation faisant progresser l'information de la mémoire de travail vers la mémoire épisodique, puis sémantique, puis procédurale. La structure en graphe de connaissances ajoute extraction d'entités, relations typées (« uses », « depends on », « contradicts », « caused ») et parcours de graphe au-delà de la simple correspondance par mots-clés. La recherche hybride combine BM25, recherche vectorielle par embeddings et parcours de graphe, avec fusion des résultats par reciprocal rank fusion. L'automatisation événementielle remplace les opérations manuelles par des hooks : intégration automatique, chargement de contexte au démarrage de session, compression en fin de session, lint et décroissance périodiques. La qualité et auto-correction ajoute un score de qualité pour tout contenu généré, des opérations d'auto-guérison des pages orphelines et références rompues, et une résolution des contradictions pondérée par l'autorité de la source. La collaboration multi-agents couvre synchronisation en maillage, périmètres de connaissance partagée ou privée, et coordination du travail. Le schéma comme produit central, enfin, présente le fichier CLAUDE.md ou AGENTS.md comme « the most important file in the system », encodant entités du domaine, règles d'intégration, standards de qualité et logique de résolution des conflits.
Mécanisme et relations
L'auteur recommande une adoption modulaire plutôt qu'une implémentation intégrale d'un coup : partir d'une base minimale (sources brutes, wiki, index, schéma), puis empiler dans l'ordre cycle de vie, structure, automatisation, échelle (recherche hybride, paliers de consolidation, score de qualité), collaboration.
Implications
Deux des idées de ce gist sont reprises, sous une forme simplifiée, dans obsidian-second-brain et détaillées dans gouvernance des contradictions et de l'obsolescence : ce gist propose une échelle de confiance numérique continue de 0 à 1, quand l'implémentation retenue par Eugeniu Ghelbur la simplifie en trois catégories (stated/high/low) — un choix assumé de simplification, pas une contradiction. La recherche hybride décrite ici (BM25 + vecteurs + graphe, fusionnés par reciprocal rank fusion) est précisément celle écartée dans recherche vectorielle vs grep+lecture.
Le gist inclut aussi des objections rapportées par des commentateurs tiers, pseudonymes et non vérifiables : l'un d'eux (« gnusupport ») relève l'absence de définition précise du score de confiance et de stratégie de fusion des résultats, l'absence de métriques de latence ou de précision, et un calendrier jugé irréaliste. Un commentateur anonyme argue qu'un schéma strict prévient mieux les problèmes qu'un post-traitement, qu'un score de confiance numérique peut donner une fausse précision comparé à des chaînes de preuve explicites, et insiste sur la nécessité d'un contrôle humain sur les écritures d'un LLM. Un troisième (« Firsgith ») identifie cinq risques systémiques : pollution par inférence croisée entre entités, solidification de conjectures, suppression de contradictions, absence de traçabilité du raisonnement des décisions, absence de vue temporelle à l'échelle. Ces commentaires ne sont pas la position de l'auteur du gist ; ils sont rapportés ici comme objections tierces.
Limites
L'auteur du gist et les trois commentateurs cités sont des pseudonymes GitHub dont l'identité et les qualifications ne sont pas vérifiables. Aucune des sept catégories n'est accompagnée de métriques de performance dans le gist lui-même, ce qu'objectent d'ailleurs les commentateurs. La date de publication reste incertaine : l'outil de récupération a rapporté une date de dernière activité correspondant au jour même de la consultation — probable artefact plutôt qu'une information fiable —, tandis qu'un article de Eugeniu Ghelbur situe ce gist en 2026-03, non confirmé indépendamment ici. Le contenu a par ailleurs été obtenu via un outil de fetch et de résumé automatisé, non une lecture intégrale caractère à caractère.
Synthèse
Sept catégories d'extensions — cycle de vie de la mémoire, graphe de connaissances, recherche hybride, automatisation événementielle, qualité, collaboration multi-agents, schéma central — étendent le pattern de Karpathy à partir d'une expérience de construction d'un moteur de mémoire d'agent. La méthode correcte est l'adoption modulaire, couche par couche, plutôt qu'une implémentation intégrale ; l'erreur la plus documentée par les commentateurs du gist lui-même est de traiter des scores numériques ou des mécanismes non mesurés comme des garanties de fiabilité alors qu'ils manquent de définition opérationnelle précise.