🗂️Seu agente precisa de uma wiki
Uma ideia que ganhou força neste fim de semana: parar de usar IA só como caixa de busca e transformar seus materiais numa wiki viva, com páginas, links e contexto. Em vez de jogar documentos soltos no sistema e torcer, você organiza o conhecimento para a máquina navegar melhor. --- Na prática, isso muda o tipo de resposta que você recebe. O agente deixa de só achar trechos e passa a conectar referências, histórico, inspirações e decisões. É o tipo de hábito que pode virar vantagem real para criadores, consultores, estudantes e times pequenos.
Karpathy’s LLM Wiki pattern: stop using LLMs as search engines over your docs. Use them as tireless knowledge engineers who compile, cross-reference, and maintain a living wiki. Humans curate and think.
— @Yuchenj_UW View on X
O padrão de wiki para LLMs, popularizado por Andrej Karpathy, propõe uma mudança arquitetural simples: em vez de usar modelos de linguagem como motores de busca sobre documentos soltos, estruture seu conhecimento como uma wiki viva e interligada. A abordagem transforma agentes de simples recuperadores de dados em engenheiros de conhecimento capazes de compilar, fazer cross-reference e manter contexto histórico de forma autônoma.
O problema do RAG fragmentado
A maioria das implementações atuais de Retrieval-Augmented Generation (RAG) depende de chunking ingênuo: documentos são quebrados em pedaços, vetorizados e jogados em um vector database. O resultado é um sistema que acha trechos relevantes, mas falha em conectar decisões arquiteturais, histórico de mudanças e dependências conceituais. O modelo recebe isolamento sem a estrutura de informação necessária para inferências complexas.
Como funciona a wiki viva
Na prática, essa estratégia exige que você organize seu conhecimento como um knowledge graph navegável:
- **Estrutura hierárquica**: Páginas com links bidirecionais, índices e categorias claras, não apenas blocos de texto soltos
- **Metadados contextuais**: Registros de decisões