気づいたら、ブログを書く習慣が無くなっていた。
最近ちょっと気になっていた「LLM-wiki」について、今日は考えてみたい。
LLM-wikiとは何か
LLM-wikiとは何かについて、今更俺がわざわざ書く必要はないだろう。
とりあえず原典へのリンクを貼っておくので、手元のLLMに入れて要約するなり読むなりしてみてほしい。
著者のKarpathy氏は、「これは詳細な説明ではなく抽象的な枠組みであり、実際の運用は各自のLLMと相談してほしい。あなたに合った具体的な実装をLLMが考えてくれる」と書いている。
個人の置かれた状況や管理している対象は人それぞれ全く違うのだから、「全員にそのまま当てはまる単一の手法がある」という前提で書く方が無理がある。
そうではなく、「骨組みだけ提示するから、あとは個々人に合わせて適宜調整してほしい」という考え方の方が合理的だと思う。
ただ、これだけだと「結局何を蓄積すれば役に立つのか」「どういう情報を入れていけばいいのか」がいまいち判然としない。
そもそも、LLM-wikiで扱う「知識」とは何なのだろうか。
パーソナルナレッジマネジメントでマネジメントする「知識」とは何か
提唱者のKarpathy氏が書いた第一文がこれだ。
A pattern for building personal knowledge bases using LLMs.
というわけで、LLM-wikiは個人の知識ベースやナレッジマネジメントのための手法である。
そこで疑問に思うのが、ここで扱う「知識」とは一体何なのだろうか、という点だ。
仕事の業務であればかなり分かりやすい。
たとえば俺のようなITエンジニアの場合、開発しているシステムの仕様は日々変わる。
ある機能について一度はAという方法で進める合意ができても、問題が見つかってBに変更されるような事態は日常茶飯事だ。
しかし古い会議資料や議事録には「Aに決定」と書かれたまま残るため、過去の文書だけを参照していると最新の状況を間違って理解する可能性がある。
したがって、時とともに移り変わっていく最新の仕様をLLMを使って整理し直すことには大きな意味がある。
Karpathy氏が応用例の一つに挙げている「Business/team」がこれに当たる。
一方で、個人の場合はかなり難しいのではないか。
応用例の一つに書いてある「Research（研究）」は納得がいく。
論文をたくさん読む研究者であれば、複数の論文の主張の違いや関連性、あるいは自分が進めている実験の途中成果などを蓄積し、相互のつながりを把握しておく価値は十分にあるだろう。
しかし、そうした研究や専門的な調査以外の日常生活において、この知識ベースが役立つ機会があるのかはだいぶ疑問である。
Ask a subtle question that requires synthesizing five documents, and the LLM has to find and piece together the relevant fragments every time. Nothing is built up. NotebookLM, ChatGPT file uploads, and most RAG systems work this way.
例えば、5つのドキュメントの内容を統合しなければ答えられないような、少し複雑な質問をするとします。その場合、LLMは毎回、関連する断片を探し出し、それらを組み合わせなければなりません。何も積み上がっていきません。（ChatGPTの訳）
Karpathy氏は、LLM-wikiがRAGと比べて優れている点を説明する際に、上記のように述べている。
しかし、5つのドキュメントの内容を統合する必要があるような複雑な質問は、日常生活でそれほど頻繁に出てこないだろう。
俺たちの日常生活は、推理小説や謎解きではない。
その疑問をGeminiにぶつけてみたら、「普段扱う情報を3種類に分けて考えてみると良い」と返ってきた。
- 一問一答で終わる事実：電車の乗り換え案内やLinuxコマンドの書き方など。その場で調べて終わりであり、手元に蓄積する必要がない情報。
- 消えていく日々の記録：日々の食事や散歩の感想など。日記として残す価値はあるが、Wikiとして相互リンクを張って手入れを続ける対象には向かない情報。
- 自分で判断するための全体像：ネットで検索しても唯一の正解が載っておらず、複数の情報や自分の体験を突き合わせて「自分なりの方針」を固める必要があるもの。Karpathy氏や実践者たちが「知識」と呼んでWikiに蓄積しているのは、この3番目だけだという。
そして普段の生活で扱う情報のほとんどは1番目と2番目である、とGeminiは言っている。
まあ妥当だろう。
そう考えると、LLM-wikiに興味はあるものの、わざわざ個人のために知識ベースを立ち上げる必要まではないのではないか、という気分になってくる。
個人による実践例
仕事上のプロジェクトではなく、個人のプロジェクトの実例はないのかとAIに検索させてみたところ、Casey Newton氏（ジャーナリスト）の例が出てきた。
- 記事：An LLM wiki changed how I work
- 運用内容：日々のニュース記事を保存し、スクリプトとClaudeを使ってWikiに取り込む運用を1か月以上継続している。
- 成果：数週間にわたって少しずつ新事実が判明する複雑な事件を追う際、時系列や事実関係が自動で整理され、執筆前の確認作業が大幅に軽くなった。
- 課題：放置すると特定の企業ページが1万語を超え、内部リンクが千数百個に達するなど人間が読めない長さに膨れ上がったため、文章を短縮する別の手入れが必要になった。
英語版Wikipediaでもこの人は「テクノロジー・ジャーナリスト」と紹介されているし、大量の情報を読み込んで文章を書くこと自体が本業の人なので、この手法と相性が良いのは納得がいく。
私は、OpenAI / Hugging Faceのエージェントによる情報漏洩事件のような、急速に展開する複雑なケースで、この方法が非常に役立つことを実感しました。この事件では、数週間にわたって数日ごとに少しずつ新たな情報が得られました。毎日、記事を書いたり、ポッドキャストを配信したり、他の人のポッドキャストに出演したりする準備をする際に、このページを開いて記憶を呼び起こし、同時に元の情報源を開いて、これから話す内容が妄想ではないことを確認していました。（Google翻訳）
「推理小説みたいな複雑な情報検索は、普通の日常生活では起きないだろう」と俺は上で否定していたが、この人の場合はそうした複雑な調査を仕事として実際に行っている。
だからこそ、彼にとってはLLM-wikiが実用的な仕組みとして役立ったのだとよく分かる。
ここまで見てみると、Newton氏の使い方は、応用例の中の「Research（研究）」であると言える。学術研究をしているわけではないが、やっていることはまさに研究と言えるだろう。
この事例は個人が運用するwikiであることは間違いないものの、仕事の業務と渾然一体になっている。
業務とは完全に切り離したプライベートな日常用として同じように作るとなると、やはり維持するのは難しいのではないだろうか。
仕事以外で日常的に膨大な情報を取り込み続ける人は、それほど多くないように思う。
ほかにもいくつか試行例は見つかったが、「試しに作ってみた」という段階で止まっているものが多く、長期的な実践例とは言えそうになかった。
Karpathy氏が最初に言い始めてから半年余り経つが、個人でLLM-wikiを運用し続けて役に立っているという実例があれば、ぜひ教えてほしい。
それでは。
（Aqua Voiceで音声入力 → Gemini 3.8 Flashで修正 → 最終確認して手直し）
