Andrej Karpathyが今年最も興味深いAI実験の一つを支持しました。Farzapedia ― 2,500件の日記、Apple Notes、iMessageの会話から構築されたパーソナルWikipediaで、400本の詳細なwiki記事に自動整理されたものです。

しかしKarpathyが興奮したのは、その斬新さではありませんでした。彼が注目したのはアーキテクチャでした。彼はこれをAIパーソナライズの優れたアプローチと評しており、その理由は効果的なAIワークフローの構築を考えているすべての人にとって重要です。

「AIメモリ」の問題点

今日のほとんどのAI製品は、AIアシスタントが「使えば使うほど賢くなる」と約束しています。会話が分析され、パターンが検出され、AIはあなたが誰であるかを静かに理解していきます。

問題は？ブラックボックスであることです。

AIが自分についてどんなことを知っていると思っているかが見えません。誤った思い込みを修正することもできません。知識のコンテキストを別のAIツールと共有することもできません。そしてプロバイダーを変えると、ゼロからのスタートになります。

Karpathyは、パーソナルwikiが根本的に優れている3つの特性を挙げています：

明示的：AIが自分について何を知っていて何を知らないかが正確にわかります。知識は閲覧・ナビゲート・編集が可能で ― 不透明なモデルに埋もれていません。
ポータブル：データはあなたのものです。ただのファイルです。ツール間で移動でき、バックアップでき、一部を他者と共有できます。
コンポーザブル：異なるAIツールが同じナレッジベースを読み取れます。あなたのリサーチはChatGPTやClaudeのものではなく ― あなたのものです。

日記からWikipediaへ ― そしてウェブからWikipediaへ

FarzapediaはパーソナルノートからスタートしましたFarzapedia。しかし多くの人の知識は日記の中にあるのではなく、毎日読んでいるウェブページの中にあります。

考えてみてください。調査した記事、比較した製品ページ、参照したドキュメント、従ったチュートリアル。それがあなたの実務知識であり、最終的には忘れ去られる何百ものブラウザタブとブックマークに散らばっています。

それらすべてを自分だけのパーソナルWikipediaに変えられたら？

実践的なWiki LLMの構築

アプローチはシンプルです：

1. 覚える価値のあるものをすべてキャプチャする

ページをブックマークする（二度と見返さない）代わりに、ブラウジング中にクリーンで構造化されたMarkdownに変換します。これで実際のコンテンツが保存されます ― 壊れたり変更されたりするかもしれないURLだけでなく。

Saveを使えば、ワンクリックですべてのウェブページがMarkdownファイルになります。AIが意味のあるコンテンツを抽出し、ノイズを除去し、長期的な使用のために構造化します。

2. ナレッジベースに整理する

WikipediaにカテゴリがあるようにFarzapedia、あなたのパーソナルwikiにも構造が必要です。保存したページをトピック別にナレッジベースにグループ化します：

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

各ナレッジベースがあなたのパーソナル百科事典のカテゴリになります。

3. AIで検索可能にする

ここからが強力になります。パーソナルwikiがローカルフォルダのMarkdownファイルとして構造化されていると、AIアシスタントが直接検索・参照できます。

Save Vaultとその組み込みMCPサーバーにより、Claudeができること：

保存したすべてのページを横断検索
任意の記事を全文読み取り
異なるナレッジベース間の情報をクロスリファレンス
汎用トレーニングデータではなく、あなたが厳選した知識に基づいた質問への回答

Claudeに質問すると、まずあなたのパーソナルwikiを確認します。先週データベースアーキテクチャを比較した記事を保存していたなら、Claudeは汎用的な回答をするのではなく、その特定の記事を参照します。

4. 複利効果を活かす

本当の魔法は複利にあります。保存するページごとにパーソナルwikiがより完全になります。数週間・数ヶ月かけて、AIがゼロから再現できないナレッジベースが構築されます ― それはあなたの特定の興味、リサーチ履歴、プロフェッショナルな文脈を反映しているからです。

これがKarpathyの言う「明示的なパーソナライズ」の意味です。AIが会話パターンからあなたが何を気にしているかを推測するのではありません。あなたが意図的に構築した、構造化された・可視・編集可能な知識体系です。

なぜMarkdownが適切なフォーマットなのか

Karpathyのデータオーナーシップへの強調は偶然ではありません。フォーマットが重要なのです。

Markdownはユニバーサル：すべてのAIツールが読み取れます。どのプラットフォームにもロックインされません。
Markdownは人間が読める：どのテキストエディタでも任意のファイルを開いて読めます。
Markdownはバージョン管理できる：Gitで時系列の変更を追跡できます。
Markdownは軽量：何千もの記事がほとんどディスクスペースを取りません。

だからこそObsidian、Claude Code、SaveはすべてMarkdownをネイティブに話します。それはAIネイティブ知識スタックの共通語です。

パーソナルWikipediaワークフロー

実践的な完全なワークフロー：

普通にウェブを閲覧します。保存する価値のものを見つけたら、Saveをクリック。
SaveがMarkdownに変換 ― クリーン・構造化・メタデータ保存。
Save Vaultがローカルに保存 ― ナレッジベースフォルダに。
ClaudeがMCP経由でvaultを読み取り ― 質問するとき、保存した知識に基づいた回答を提供。
Wikiは自動的に成長 ― 保存するページごとに。

セットアップ不要。データベース不要。ナレッジ管理プラットフォームへのサブスクリプション不要。コンピューター上のMarkdownファイルだけで、あなたが選択したAIツールからアクセス可能。

知識の消費者から創造者へ

KarpathyのWiki LLMコンセプトは、AIパーソナライズについての考え方のシフトを表しています。AIの受動的な消費者 ― データを不透明なシステムに与えて学習することを期待する ― から、私たちは自分の知識の能動的なキュレーターになります。

あなたのパーソナルWikipediaは明示的・ポータブルで、あなたが所有しています。そしてAIがあなたの知識で作業し、単なるトレーニングデータだけでなく動くため、すべてのAIインタラクションがより良くなります。

2026年の最も賢いAI戦略は、より賢いモデルを使うことではありません。より賢いナレッジベースを構築することです。

SaveはどんなウェブページもクリーンなMarkdownに変換し、ローカルナレッジベースに保存します。Save VaultのMCPサーバーと組み合わせることで、Claudeはあなたの保存した知識を直接検索・参照できます。Saveを無料で試す。