許多人已經習慣用NotebookLM等AI工具打造學習筆記，但是似乎覺得仍不夠好！OpenAI共同創辦人，也是前特斯拉AI與自動駕駛視覺總監卡帕西（Andrej Karpathy），對於AI使用的功力之高，連輝達執行長黃仁勳都要致贈晶片助他創新。4月初分享私房打造知識庫的指令「LLM Wiki」，就像是自己做維基百科，立刻引來矽谷精英與全球知識工作者跟進，已成最夯AI筆記風潮。到底怎麼免費下載安裝？和NotebookLM差異？除Obsidian、散落各處檔案與聊天記錄也能編入？應用場景適用誰呢？本文教你用免費版GoogleGemini生態系工具Antigravity安裝，三步驟就能搞定。

卡帕西是誰？他的LLM WiKi指令特色？

卡帕西（Andrej Karpathy）是電腦科學家，不但曾是特斯拉（Tesla）AI總監，也是OpenAI共同創辦人，他被業界公認是當今最會寫程式的大師之一，深受特斯拉創辦人馬斯克敬重，即便已離開特斯拉仍歡迎他不定期回訪。在2024年，他離開OpenAI，宣布創立AI賦能的教育機構「Eureka Labs」，此後屢屢在自己的社群帳號上分享獨家使用AI撇步，常引發上百萬人瀏覽與跟隨。

（延伸閱讀：ChatGPT他怎麼用？馬斯克最愛AI專家，不藏私教學必看）

這次，卡帕西在X上傳授的私房知識庫，簡單來說就是形同打造一個屬於自己的維基百科。

LLM Knowledge Bases

Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating…

— Andrej Karpathy (@karpathy) April 2, 2026

卡帕西向來提倡「File Over App（檔案更勝應用）」哲學，也就是資料主權高於應用，你在應用工具上生成的內容，如果沒辦法跟其他平台跨過去使用，很容易受制於應用。他認為做知識管理不需要特別倚賴任何應用工具，自己在筆電維護即可。App可能倒閉或改版，但檔案是永恆的。

LLM Wiki的優點就是將資訊存為 Markdown、JSON 或圖片等通用格式，這使資料能跨工具使用，無論是 Obsidian、Unix指令集或其他AI代理都能直接讀取與處理。

至於這個維基百科風格的知識庫筆記指令，包括以下四大特點：

• 自動化編譯 ： 將原始資料放入資料夾後，大模型會自動生成摘要、分類概念、撰寫文章，並建立雙向連結（Backlinks），最終生成以 .md（Markdown）為主的 Wiki 結構。
• 維護知識不需要複雜的RAG（檢索增強生成）技術：在中小型規模（如 100 篇文章、40 萬字）下，AI會自動維護索引檔與簡短摘要，輕鬆讀取並回答複雜問題。
• 多元視覺化輸出：只要串接好其他適合的AI代理工具，回答不必侷限於純文字，可以引導模型去生成 Markdown 文件、簡報（Marp 格式）或數據圖表（Matplotlib），並直接在Obsidian中預覽。可以勝過NotebookLM雖有多元輸出功能，但是需要第三方工具才能自由修改的問題。
• 自動化資料檢查：不必自己一一檢查，可以定期讓AI執行健康檢查，找出矛盾的資料、透過網路搜尋補齊缺失資訊，或發掘資料間的新關聯性。
• 可編輯多種資料來源：圖片、文件、程式碼，聊天訊息紀錄等都可以。卡帕西隨後還分享一位網友Farza的實測經驗：他把自己的手機備忘錄、iMessage訊息紀錄等都收進知識庫，就此生成一個最理解Farza一切的AI分身！重點其實不在於文件來源與類型哪種比較好，而是在於AI可生成markdown類型檔案的結構資訊，方便機器往後理解。這種md文件就是純文字書寫，人類也能輕鬆閱讀。

LLM Wiki如何免費下載？

這個私房Wiki風知識庫指令，已經開源在Github上可免費下載。網址如下： 請點此

其實這裡面只是一篇英文寫成的md檔案格式文件，只要點入下載就可以使用，不需要寫任何程式碼。

NotebookLM、和LLM Wiki適用族群、應用場景與費用差異？

Karpathy認為，NotebookLM 最大問題在於「知識沒有累積」。當你詢問一個需要綜合多篇文件的複雜問題時，NotebookLM 每次都會從頭開始搜尋、提取片段並重新生成答案，而他自己打造的客製化指令則像是「把知識編譯起來」，大模型會預先閱讀、總結、建立關聯，並寫成可以在自己電腦上永久保存的Markdown檔案。

至於兩者在費用、資料自主權與適用族群上的差異，可以如以下一表理解：

卡帕西本人則推薦五種應用場景，最可以讓他的Wiki筆記展現實力，包括：1.個人知識管理用於追蹤個人目標、健康、心理與自我成長歷程。2.主題研究：適用於長期深度研究某一議題。3. 閱讀書本的輔助，隨閱讀進展累積跨頁連結，最終形成完整的閱讀知識圖譜。4.團隊知識管理還有最後決策整合的應用。

LLM Wiki怎麼安裝？Google Antigravity三步驟教學

這個知識庫安裝起來會不會很麻煩？其實，善用市面上已有的AI代理工具Google Anitgravity、OpenAI Codex等，對文組或者新手都可以在幾個步驟內快速上手。

你可以直接指派 AI Agent 擔任你的全職圖書館員，幫你把原始資料編譯成知識庫。

三步驟搞定！免費版Antigravity 安裝LLM Wiki教學

下載與安裝： 前往 Google 官網下載安裝 Google Antigravity的桌機版（目前支援 Mac/Windows/Linux，且個人 Gmail 帳戶每天可有限量免費使用高階的 Gemini 3 .1 Pro 模型）

下載網址：請點此

步驟一：在自己桌機內建立一個專屬的資料夾，例如「my-kb」。

步驟二：將Github下載的LLM Wiki 指令文件下載存到此資料夾。

步驟三：打開Google Antigravity，在系統引導打開資料夾時打開my-kb資料夾，告訴模型：請閱讀這份文件，幫我建立知識庫的資料架構。模型會詢問你一些你的偏好，若不理解可以先照他建議的，就可以自動化建立好完整的知識庫架構。

這時候，就能上傳你想編輯的資料文件到/raw這個資料夾，下指令「請幫我ingest＿＿文件」，就可以開始工作了！

以下截圖是請他一次把資料夾中本篇LLM Wiki實測文章、《鋼鐵人馬斯克》書摘、《The Book of Elon》中馬斯克談SpaceX創立動機，以及《2050科技與商業藍圖》讀書心得聊天紀錄，共4個文件用Ingest指令建構出來的實測答案。

可看出模型萃取出每一篇文章的重點（如馬斯克創立SpaceX的動機）順帶一起建構概念頁面，裡面放入SpaceX的系統介紹，以及LLM Wiki的指令介紹。此外還有實體頁面，則是用來放入馬斯克、卡帕西與SpaceX的簡介，確實有維基百科的分類思維。

網頁書籤怎麼收入？Obsidian教學

卡帕西指出，他偏愛使用Obsidian的網頁擷取外掛「Web Clipper」，就能快速把在社群上看到收欌的好內容收入。如何快速安裝以後可以一鍵收入？以下是掛在chrome上使用的完整教學。

步驟一：首先安裝 Obsidian 筆記軟體，以下為官方網址：請點此

步驟二：再安裝官網這款「Obsidian Web Clipper」，點網頁右鍵安裝 請點此

步驟三：點選收集到的《鋼鐵人馬斯克》（最新增訂版，天下文化出版）一篇談到SpaceX的書摘，點選網頁右上角的擴充應用，點選Web Clipper圖標，選Save to Obsidian就能一次收到知識庫專屬資料夾raw

以下是完整網頁書摘截取的實測過程影片

Google雲端文件、筆電裡的Word檔案、Gemini聊天記錄，如何收進知識庫？

許多人平日文件都是散落各處，還可能用不同格式儲存，其實也可以都收入到這個知識庫。以下分別說明：

1 Google雲端文件，可以直接在下載轉存到raw資料夾即可。桌機裡的word檔案更簡單，直接轉存到raw資料夾就可以，再請Antigravity轉作md形式的摘要也能完成。

2. 使用免費版Gemini和AI語音聊一些讀書心得，類似這樣的聊天記錄也可以收入，只要直接轉成Google文件再下載就能讓AI代理做摘要。以下是請Gemini討論《2050科技與商業藍圖》（天下文化出版）書中資訊的實測影片，可以在答案生成後按圖示生成google 文件。

接著把各類文件輸入專屬的知識庫資料夾「my-kb」，就可以直接用Antigravity代理平台來一次摘要所有文件了。以下是實測影片：

如何做深度研究？實測和NotebookLM的差異

搭載上Antigravity的平台，LLM Wiki在做好初步的Ingest摘要工作後，就可以用自然對話方式，來和AI溝通討論摘要的資訊，和使用NotebookLM相仿。

LLM  Wiki實測結果

以下是《遠見》記者下指令「請問馬斯克如何在做決策時面對挑戰？對創業家來說有什麼可以學習？」得到的結果。可以看出大致上是根據知識庫的內容來回答，同時會在文末提出關聯頁面，標籤、創業里程碑等，確實有類似維基百科的架構。

NotebookLM實測結果

至於輸入同樣的四篇文件，用同樣指令「請問馬斯克如何在做決策時面對挑戰？對創業家來說有什麼可以學習？」也可以得到類似詳實的解答，但是就不會有可以檢索對照的相關資訊，需要重新對話去取得。

結論：如何使用？Karpathy重點提醒

簡單結論，用本篇實測來說，如果只是想簡單了解馬斯克的決策思維，沒有想要長期研究馬斯克的創業歷程，以及SpaceX的發展史，使用NotebookLM即可，若已經在做長期研究，手邊有數篇甚至數百篇相關檔案，需要對照不同時間的馬斯克事業發展狀況來分析，這時候LLM Wiki就相當能發揮功力！

另外，《遠見》記者使用和馬斯克無關的本篇LLM Wiki教學文納入知識庫，不論LLM Wiki或者NotebookLM都會因為卡帕西是前Tesla員工，就過度延伸地把卡帕西的「File Over App」哲學納入為SpaceX的策略之一，形成假資訊。所以維基百科編得好不好，重點還是需要你親自讀過，遴選出值得主題化的資訊，隨意丟進自己在網路上搜尋的各類文章連結，最後很有可能會出現更多幻覺，等於做白工。

難怪在該指令風行數天後，卡帕西本人又在X上溫馨提醒，指出這個LLM Wiki的用意是節省編輯功夫，並非要讓你不閱讀跟思考。他自己處理大部分歸檔文件的過程是：閱讀原文、閱讀摘要，以及閱讀大模型（LLM）對該文件如何融入維基、其中又有哪些驚喜來進行的。具體做法會因文件而異，請大家自行考量囉！