Andrej Karpathy baru saja mendukung salah satu eksperimen AI paling menarik tahun ini: Farzapedia — sebuah Wikipedia pribadi yang dibangun dari 2.500 entri buku harian, Apple Notes, dan percakapan iMessage, yang secara otomatis diorganisasi menjadi 400 artikel wiki terperinci.

Namun kegembiraan Karpathy bukan soal kebaruan. Melainkan soal arsitekturnya. Ia menyebutnya sebagai pendekatan yang lebih unggul untuk personalisasi AI, dan alasannya penting bagi siapa pun yang memikirkan cara membangun alur kerja AI yang efektif.

Masalah dengan “Memori AI”

Sebagian besar produk AI saat ini menjanjikan bahwa asisten AI Anda “semakin pintar seiring penggunaan.” Percakapan Anda dianalisis, pola terdeteksi, dan AI secara diam-diam membangun pemahaman tentang siapa Anda.

Masalahnya? Itu adalah kotak hitam.

Anda tidak bisa melihat apa yang dikira AI tentang Anda. Anda tidak bisa memperbaiki asumsi yang salah. Anda tidak bisa berbagi konteks pengetahuan Anda dengan alat AI lain. Dan ketika Anda berganti penyedia, Anda mulai dari nol.

Karpathy mengidentifikasi tiga properti yang membuat wiki pribadi jauh lebih baik:

Eksplisit: Anda bisa melihat persis apa yang diketahui atau tidak diketahui AI tentang Anda. Pengetahuannya dapat dilihat, dinavigasi, dan diedit — tidak terkubur dalam model yang tak transparan.
Portabel: Datanya milik Anda. Hanya berupa file. Anda bisa memindahkannya antar alat, mencadangkannya, atau berbagi sebagian dengan orang lain.
Dapat Dikombinasikan: Berbagai alat AI bisa membaca basis pengetahuan yang sama. Riset Anda bukan milik ChatGPT atau Claude — milik Anda.

Dari Buku Harian ke Wikipedia — dan Dari Web ke Wikipedia

Farzapedia dimulai dari catatan pribadi. Namun pengetahuan kebanyakan orang tidak tinggal di buku harian — melainkan di halaman web yang mereka baca setiap hari.

Pikirkan: artikel yang Anda teliti, halaman produk yang Anda bandingkan, dokumentasi yang Anda jadikan referensi, tutorial yang Anda ikuti. Itulah pengetahuan kerja Anda, tersebar di ratusan tab browser dan bookmark yang akhirnya akan terlupakan.

Bagaimana jika Anda bisa mengubah semua itu menjadi Wikipedia pribadi Anda sendiri?

Membangun Wiki LLM dalam Praktik

Pendekatannya sederhana:

1. Tangkap Semua yang Layak Diingat

Daripada menandai halaman (yang tidak akan pernah Anda kunjungi lagi), konversikan ke Markdown yang bersih dan terstruktur saat Anda menjelajah. Ini melestarikan konten sebenarnya — bukan hanya URL yang mungkin rusak atau berubah.

Dengan Save, setiap halaman web menjadi file Markdown hanya dengan satu klik. AI mengekstrak konten yang bermakna, menghilangkan kebisingan, dan menyusunnya untuk penggunaan jangka panjang.

2. Organisasi ke dalam Basis Pengetahuan

Seperti halnya Wikipedia memiliki kategori, wiki pribadi Anda pun perlu struktur. Kelompokkan halaman tersimpan ke dalam basis pengetahuan berdasarkan topik:

Save Vault/
  React Research/
  Competitor Analysis/
  Product Design/
  Industry Trends/
  Cooking/

Setiap basis pengetahuan menjadi satu kategori dalam ensiklopedia pribadi Anda.

3. Buat Dapat Dicari oleh AI

Di sinilah semuanya menjadi powerful. Ketika wiki pribadi Anda disusun sebagai file Markdown di folder lokal, asisten AI dapat mencari dan mereferensikannya secara langsung.

Dengan Save Vault dan server MCP bawaannya, Claude bisa:

Mencari di semua halaman tersimpan Anda
Membaca artikel mana pun secara lengkap
Merujuk silang informasi antara basis pengetahuan yang berbeda
Menjawab pertanyaan berdasarkan pengetahuan yang Anda kurasi, bukan data pelatihan umum

Ketika Anda mengajukan pertanyaan ke Claude, ia memeriksa wiki pribadi Anda terlebih dahulu. Jika Anda menyimpan artikel yang membandingkan arsitektur database minggu lalu, Claude akan merujuk artikel spesifik itu daripada memberikan jawaban umum.

4. Biarkan Berkembang

Keajaiban sesungguhnya ada pada akumulasinya. Setiap halaman yang Anda simpan membuat wiki pribadi Anda lebih lengkap. Dari minggu ke minggu dan bulan ke bulan, Anda membangun basis pengetahuan yang tidak bisa direplikasi AI dari awal — karena mencerminkan minat Anda yang spesifik, riwayat riset, dan konteks profesional.

Inilah yang dimaksud Karpathy dengan “personalisasi eksplisit.” Bukan AI yang menebak apa yang Anda pedulikan dari pola percakapan. Melainkan kumpulan pengetahuan terstruktur, terlihat, dan dapat diedit yang Anda bangun dengan sengaja.

Mengapa Markdown adalah Format yang Tepat

Penekanan Karpathy pada kepemilikan data bukan kebetulan. Format itu penting.

Markdown bersifat universal: Setiap alat AI bisa membacanya. Tidak terkunci pada platform mana pun.
Markdown dapat dibaca manusia: Anda bisa membuka file apa pun di editor teks mana pun dan membacanya.
Markdown bisa dikontrol versinya: Anda bisa melacak perubahan dari waktu ke waktu dengan Git.
Markdown ringan: Ribuan artikel hampir tidak memakan ruang disk.

Itulah mengapa alat-alat seperti Obsidian, Claude Code, dan Save semuanya menggunakan Markdown secara alami. Itu adalah lingua franca dari tumpukan pengetahuan berbasis AI.

Alur Kerja Wikipedia Pribadi

Inilah alur kerja lengkapnya dalam praktik:

Jelajahi web seperti biasa. Ketika Anda menemukan sesuatu yang layak disimpan, klik Save.
Save mengonversinya ke Markdown — bersih, terstruktur, dengan metadata terjaga.
Save Vault menyimpannya secara lokal di folder basis pengetahuan Anda.
Claude membaca vault Anda melalui MCP ketika Anda mengajukan pertanyaan, mendasarkan jawaban pada pengetahuan tersimpan Anda.
Wiki Anda tumbuh otomatis dengan setiap halaman yang Anda simpan.

Tidak perlu pengaturan rumit. Tidak ada database. Tidak ada langganan platform manajemen pengetahuan. Hanya file Markdown di komputer Anda, dapat diakses oleh alat AI mana pun yang Anda pilih.

Dari Konsumen menjadi Pencipta Pengetahuan

Konsep Wiki LLM dari Karpathy mewakili pergeseran dalam cara kita berpikir tentang personalisasi AI. Alih-alih menjadi konsumen AI yang pasif — memasukkan data kita ke sistem yang tak transparan dan berharap mereka belajar — kita menjadi kurator aktif pengetahuan kita sendiri.

Wikipedia pribadi Anda bersifat eksplisit, portabel, dan dimiliki oleh Anda. Dan itu membuat setiap interaksi AI menjadi lebih baik karena AI bekerja dengan pengetahuan Anda, bukan hanya data pelatihannya.

Strategi AI paling cerdas untuk tahun 2026 bukan menggunakan model yang lebih pintar. Melainkan membangun basis pengetahuan yang lebih cerdas.

Save mengonversi halaman web mana pun ke Markdown yang bersih dan menyimpannya di basis pengetahuan lokal Anda. Dikombinasikan dengan server MCP Save Vault, Claude dapat mencari dan mereferensikan pengetahuan tersimpan Anda secara langsung. Coba Save gratis.