Query

Karpathy LLM Wiki 模式中的三大核心操作之一，指用户基于已有的 wiki 向 LLM 提出问题并获得引用来源的综合回答。不同于 RAG 的临时片段检索，Query 是在已被编译和交叉引用的 wiki 之上进行深度对话。

关键洞察

Query 不只是「消费」知识，它本身也是知识生产的入口：

Good answers can be filed back into the wiki as new pages.

一次有价值的比较、分析或新发现的关联，都应该被保存为新的 wiki 页面，而不是消失在聊天历史里。

在 Demo 中的实现

本站点的 /query-agent 页面提供了一个轻量 Query Agent：

• 用户提问后，后端 Agent 会基于 keyword 匹配选出最相关的 6 个 wiki 页面作为上下文。
• LLM 仅根据这些页面内容作答，并在回答中自然地使用 [[页面标题]] 格式标注引用来源。
• 如果回答足够完整，Agent 会在末尾建议一个适合回写到 wiki 的新页面标题，用户可以一键下载为 Markdown。

注：在真实的使用场景中，Query 更推荐直接在 Claude Code、Cursor、Copilot、Gemini、Codex 等 Coding Agent 或 IDE 的 Chat 侧栏里完成。这些环境能直接读取本地 wiki 文件、执行多轮深度检索，并将有价值的回答一键保存为新页面。本站的 Query Agent 只是一个面向访客的简化 Demo。

工作流程

1. LLM 先读取 index.md 定位相关页面。
2. 深入阅读具体页面内容。
3. 综合多个来源给出带引用的回答。
4. （可选）将优秀回答归档为新的 concept / synthesis 页面。

来源

• src-llm-wiki-宣言