Andrej Karpathy har netop støttet et af årets mest interessante AI-eksperimenter: Farzapedia — en personlig Wikipedia bygget af 2.500 dagbogsindlæg, Apple Notes og iMessage-samtaler, automatisk organiseret i 400 detaljerede wiki-artikler.

Men Karpathys begejstring handlede ikke om nyhedsværdien. Den handlede om arkitekturen. Han kaldte det en overlegen tilgang til AI-personalisering, og hans ræsonnement er vigtigt for alle, der tænker over, hvordan man bygger et effektivt AI-workflow.

Problemet med “AI-hukommelse”

De fleste AI-produkter lover i dag, at din AI-assistent “bliver bedre, jo mere du bruger den.” Dine samtaler analyseres, mønstre detekteres, og AI’en opbygger stille og roligt en forståelse af, hvem du er.

Problemet? Det er en sort boks.

Du kan ikke se, hvad AI’en tror, den ved om dig. Du kan ikke rette forkerte antagelser. Du kan ikke dele din videnskontekst med et andet AI-værktøj. Og når du skifter udbyder, starter du fra nul.

Karpathy identificerede tre egenskaber, der gør en personlig wiki fundamentalt bedre:

Eksplicit: Du kan se præcist, hvad AI’en ved eller ikke ved om dig. Viden er synlig, navigerbar og redigerbar — ikke begravet i en uigennemsigtig model.
Portabel: Dataen er din. Det er bare filer. Du kan flytte dem mellem værktøjer, sikkerhedskopiere dem eller dele dele af dem med andre.
Sammensætbar: Forskellige AI-værktøjer kan læse den samme vidensbase. Din forskning tilhører ikke ChatGPT eller Claude — den tilhører dig.

Fra dagbog til Wikipedia — og fra web til Wikipedia

Farzapedia startede fra personlige noter. Men de fleste menneskers viden lever ikke i deres dagbøger — den lever på de websider, de læser hver dag.

Tænk over det: artikler du har undersøgt, produktsider du har sammenlignet, dokumentation du har refereret til, tutorials du har fulgt. Det er din arbejdsviden, spredt ud over hundredvis af browserfaner og bogmærker, der til sidst vil blive glemt.

Hvad nu, hvis du kunne gøre alt det til din egen personlige Wikipedia?

Sådan bygger du din Wiki LLM i praksis

Tilgangen er ligetil:

1. Fang alt, der er værd at huske

I stedet for at bogmærke sider (som du aldrig gensøger), konverter dem til rent, struktureret Markdown, mens du browser. Dette bevarer det faktiske indhold — ikke blot en URL, der måske brydes eller ændres.

Med Save bliver enhver webside til en Markdown-fil med ét klik. AI’en udtrækker det meningsfulde indhold, fjerner støjen og strukturerer det til langsigtet brug.

2. Organiser i videnbaser

Ligesom en Wikipedia har kategorier, har din personlige wiki brug for struktur. Gruppér dine gemte sider i videnbaser efter emne:

Save Vault/
  React Research/
  Konkurrentanalyse/
  Produktdesign/
  Branchetrends/
  Madlavning/

Hver videnbase bliver en kategori i din personlige encyklopædi.

3. Gør det søgbart af AI

Her bliver det kraftfuldt. Når din personlige wiki er struktureret som Markdown-filer i en lokal mappe, kan AI-assistenter søge og referere til den direkte.

Med Save Vault og dens indbyggede MCP-server kan Claude:

Søge på tværs af alle dine gemte sider
Læse enhver artikel i sin helhed
Krydshenvise information mellem forskellige videnbaser
Besvare spørgsmål forankret i din kuraterede viden, ikke generiske træningsdata

Når du stiller Claude et spørgsmål, tjekker det din personlige wiki først. Hvis du gemte en artikel om sammenligning af databasearkitekturer i sidste uge, vil Claude referere til den specifikke artikel frem for at give dig et generisk svar.

4. Lad det akkumulere

Den virkelige magi ligger i akkumuleringen. Hver side du gemmer, gør din personlige wiki mere komplet. I løbet af uger og måneder opbygger du en vidensbase, som ingen AI kunne replikere fra bunden — fordi den afspejler dine specifikke interesser, forskningshistorie og professionelle kontekst.

Det er det, Karpathy mener med “eksplicit personalisering.” Det er ikke en AI, der gætter, hvad du interesserer dig for ud fra samtalemønstre. Det er et struktureret, synligt, redigerbart videnskorpus, som du har bygget bevidst.

Hvorfor Markdown er det rigtige format

Karpathys fokus på dataejerskab er ikke tilfældig. Formatet har betydning.

Markdown er universelt: Ethvert AI-værktøj kan læse det. Det er ikke låst til nogen platform.
Markdown er menneskelæsbart: Du kan åbne enhver fil i enhver teksteditor og læse den.
Markdown er versionsstyrebart: Du kan spore ændringer over tid med Git.
Markdown er letvægt: Tusindvis af artikler fylder næsten ingen diskplads.

Det er derfor, værktøjer som Obsidian, Claude Code og Save alle taler Markdown nativt. Det er lingua franca i den AI-native vidensstack.

Den personlige Wikipedia-workflow

Her er den komplette workflow i praksis:

Browser normalt på nettet. Når du finder noget værd at beholde, klik Save.
Save konverterer det til Markdown — rent, struktureret, med metadata bevaret.
Save Vault gemmer det lokalt i dine vidensbasemapper.
Claude læser dit vault via MCP, når du stiller spørgsmål, og forankrer svar i din gemte viden.
Din wiki vokser automatisk med hver side du gemmer.

Ingen opsætning. Ingen database. Intet abonnement på en vidensstyringplatform. Bare Markdown-filer på din computer, tilgængelige for ethvert AI-værktøj du vælger.

Fra forbruger til skaber af viden

Karpathys Wiki LLM-koncept repræsenterer et skift i, hvordan vi tænker på AI-personalisering. I stedet for at være passive forbrugere af AI — der feeder vores data ind i uigennemsigtige systemer og håber, de lærer — bliver vi aktive kuratorer af vores egen viden.

Din personlige Wikipedia er eksplicit, portabel og ejet af dig. Og den gør hvert AI-samspil bedre, fordi AI’en arbejder med din viden, ikke blot sine træningsdata.

Den klogeste AI-strategi for 2026 er ikke at bruge en klogere model. Det er at bygge en klogere vidensbase.

Save konverterer enhver webside til rent Markdown og gemmer det i din lokale vidensbase. Kombineret med Save Vault’s MCP-server kan Claude søge og referere til din gemte viden direkte. Prøv Save gratis.