Hoe Bouw je een LLM-kennisbase Met Save

Andrej Karpathy deelde onlangs hoe hij markdown-bestanden gebruikt om persoonlijke kennisbases te bouwen voor AI-onderzoek. Zijn aanpak is eenvoudig: brondocumenten verzamelen, ze omzetten naar markdown, organiseren in een map en een LLM de hele collectie laten bewerken.

Het resultaat? Een AI die daadwerkelijk weet wat jij weet.

Dit is geen techniek alleen voor onderzoekers. Iedereen die dagelijks Claude, ChatGPT of een LLM gebruikt, kan hetzelfde bouwen --- en het duurt minuten, niet uren.

Wat Is een LLM-kennisbase?

Het is een map op je computer gevuld met markdown-bestanden over onderwerpen die je interesseren. Artikelen die je hebt gelezen. YouTube-video’s die je hebt bekeken. Documentatie die je raadpleegt. Tweets die je denken hebben gevormd.

Wanneer je een LLM toegang geeft tot deze map, houdt het op een generieke assistent te zijn. Het wordt jouw assistent --- een die jouw domein, jouw bronnen en jouw context begrijpt.

Beschouw het als een tweede brein, maar eentje dat je AI daadwerkelijk kan lezen.

Stap 1: Verzamel Je Bronnen Met Save

Dit is waar de meeste mensen vastlopen. Handmatig webinhoud kopiëren, HTML opschonen, formatteren --- het is vervelend. Dat is precies wat Save oplost.

Save is een Chrome-extensie die elke webpagina omzet in schone, gestructureerde markdown. Eén klik.

Wat je kunt opslaan:

• Artikelen en blogposts
• YouTube-video’s (volledige transcriptie + samenvatting)
• Twitter/X-threads
• Documentatie en API-referenties
• Reddit-discussies
• Academische papers
• LinkedIn-posts
• Betaalde content waartoe je toegang hebt

Elke opslag produceert een schoon .md-bestand --- geen HTML, geen advertenties, geen navigatiemenu’s. Alleen de inhoud, correct gestructureerd met koppen, lijsten en codeblokken.

Stap 2: Organiseer Je Kennismap

Maak een mappenstructuur die zinvol is voor je werk. Houd het eenvoudig:

mijn-kennis/
  marketing/
    distributie-strategieën.md
    concurrentieanalyse.md
    prijsframeworks.md
  product/
    gebruikersonderzoek-bevindingen.md
    functie-prioritering.md
  industrie/
    markttrends-2026.md
    karpathy-llm-kennisbases.md
    ai-agent-workflows.md

Elke keer dat je iets waardevols online leest, sla je het op met Save en drop je het in de juiste map. Na verloop van tijd sommert dit op tot een uitgebreide kennisbase die geen generieke LLM kan evenaren.

Stap 3: Verbind Je Kennisbase met een LLM

Hier wordt het krachtig. Er zijn verschillende manieren om een LLM toegang te geven tot je kennismap:

Optie 1: Claude Code (Krachtigst)

Als je Claude Code gebruikt, open je een terminal in je kennismap en start een sessie. Claude krijgt volledige toegang tot elk bestand en kan zoeken, lezen, kruisverwijzen en redeneren over je hele collectie.

cd mijn-kennis
claude

Claude Code kan honderden markdown-bestanden lezen, verbindingen tussen ze vinden, complexe vragen beantwoorden en zelfs indexbestanden onderhouden --- precies zoals Karpathy beschrijft.

Dit is de krachtigste optie omdat Claude actief door je bestanden kan bladeren, ze niet alleen als context ontvangt.

Optie 2: Claude.ai Projects

Maak een Project op claude.ai en upload je markdown-bestanden naar de projectkennisbase. Elk gesprek in dat project heeft toegang tot je documenten.

• Bestanden direct slepen en neerzetten
• Ondersteunt 200+ bestanden per project
• Kennis blijft behouden over gesprekken heen
• Werkt op elk apparaat met een browser

Het beste voor: mensen die een eenvoudige setup willen zonder de terminal te gebruiken.

Optie 3: Claude Desktop + MCP

Als je Claude Desktop gebruikt, kun je de filesystem MCP-server installeren om Claude directe toegang te geven tot een map op je computer.

Voeg dit toe aan je Claude Desktop-configuratie:

{
  "mcpServers": {
    "knowledge-base": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/pad/naar/mijn-kennis"
      ]
    }
  }
}

Claude Desktop kan dan op aanvraag elk bestand in je kennismap lezen --- geen uploaden vereist.

Optie 4: Kopiëren en Plakken (Eenvoudigst)

Voor snelle vragen sleep je gewoon een of een paar markdown-bestanden in een Claude- of ChatGPT-gesprek. Geen setup vereist.

Dit werkt voor eenmalige queries maar schaalt niet. Gebruik voor een echte kennisbase-workflow een van de bovenstaande opties.

Waarom Markdown Dit Mogelijk Maakt

Je kunt geen ruwe HTML aan een LLM geven en goede resultaten verwachten. HTML is opgeblazen met navigatie, advertenties, scripts en styling --- ruis die tokens verspilt en het model verwarrt.

Markdown is de moedertaal van LLMs. Ze werden getraind op miljoenen markdown-bestanden van GitHub, documentatiesites en ontwikkelaarblogs. Wanneer je een LLM schone markdown geeft:

• 10x minder tokens vergeleken met ruwe HTML
• Beter begrip --- het model focust op inhoud, niet op parsen
• Juiste structuur --- koppen, lijsten en codeblokken worden bewaard
• Universele compatibiliteit --- werkt met Claude, ChatGPT, Gemini of elke LLM

Dit is waarom Save bestaat. Het kopieert niet alleen tekst --- het gebruikt AI om de betekenisvolle inhoud te extraheren en te structureren als schone markdown die LLMs perfect begrijpen.

Het Samengestelde Effect

Dit is wat er gebeurt wanneer je deze gewoonte opbouwt:

Week 1: Je hebt 10 markdown-bestanden. Claude kan vragen beantwoorden over die specifieke artikelen.

Maand 1: Je hebt 50+ bestanden. Claude kan bronnen kruisverwijzen, patronen vinden en je inzichten geven die je zelf nooit zou opmerken.

Maand 3: Je hebt 200+ bestanden. Je hebt een persoonlijke onderzoeksassistent gebouwd die jouw industrie, jouw concurrenten, jouw frameworks en jouw denken kent. Elke vraag die je stelt, krijgt een antwoord dat is gegrond in jouw geselecteerde kennis, niet generieke trainingsdata.

Zoals Karpathy opmerkte, zodra je kennisbase groot genoeg is, kun je complexe vragen stellen en zal de LLM de antwoorden onderzoeken over je hele collectie. Geen fancy RAG-setup nodig --- gewoon georganiseerde markdown-bestanden.

Kom in 60 Seconden aan de Slag

1. Installeer Save vanuit de Chrome Web Store (gratis)
2. Maak een mijn-kennis-map op je computer
3. Bezoek een artikel dat je onlangs waardevol vond
4. Klik op Save --- het markdown-bestand downloadt direct
5. Verplaats het naar je kennismap
6. Open de map in Claude Code, upload naar een Claude-project, of stel MCP in

Elk artikel dat je voortaan opslaat, maakt je AI slimmer. Het sommert op.

---

Begin vandaag met het bouwen van je LLM-kennisbase. Installeer Save --- gratis te starten.