Tu agente de IA necesita un mapa: una wiki o README para LLM es suficiente
OpenAI
Anthropic
El artículo analiza cómo los agentes de IA pueden navegar por bases de código complejas utilizando bases de conocimiento estructuradas, como una wiki para LLM o un repositorio orientado a README. Presenta el patrón LLM Wiki de Andrej Karpathy, que utiliza un LLM para escribir y mantener una wiki, y lo contrasta con un enfoque de documentación como código donde los archivos README sirven como fuente principal de conocimiento. El autor comparte su implementación práctica de una wiki de LLM para una plataforma de pagos y compara ambos enfoques en términos de generación y mantenimiento de conocimiento.
El artículo sostiene que los agentes de inteligencia artificial necesitan una base de conocimiento estructurada (un "mapa") para evitar empezar desde cero en cada sesión. Presenta el patrón LLM Wiki de Andrej Karpathy, que consta de tres capas (documentos en bruto, páginas wiki mantenidas por el LLM y archivos de índice/registro) y tres operaciones (ingesta, consulta y lint). El autor implementó este patrón en una plataforma de pagos con un wiki de 70 páginas que cubre el dominio principal de pagos. También lo contrasta con su enfoque anterior, orientado a README, donde la documentación reside en archivos markdown junto al código, y un archivo CLAUDE.md dirige al agente hacia la documentación relevante. La diferencia clave: en el README, los desarrolladores escriben conocimiento por módulo; en el LLM Wiki, el LLM sintetiza conocimiento a partir de múltiples fuentes. El autor señala que un LLM Wiki no es necesario para todos los proyectos, especialmente si el código base es simple o el agente ya hace buenas suposiciones.
Fuente: Habr — хаб ИИ —
original