Andrej Karpathy heeft zojuist een van de interessantste AI-experimenten van het jaar onderschreven: Farzapedia --- een persoonlijke Wikipedia gebouwd van 2.500 dagboekregistraties, Apple Notes en iMessage-gesprekken, automatisch georganiseerd in 400 gedetailleerde wiki-artikelen.

Maar Karpathy’s enthousiasme ging niet over de nieuwigheid. Het ging over de architectuur. Hij noemde het een superieure aanpak voor AI-personalisatie, en zijn redenering is belangrijk voor iedereen die nadenkt over hoe een effectieve AI-workflow te bouwen.

Het Probleem met “AI-geheugen”

De meeste AI-producten beloven vandaag dat je AI-assistent “beter wordt naarmate je het meer gebruikt.” Je gesprekken worden geanalyseerd, patronen worden gedetecteerd, en de AI bouwt stilletjes een begrip van wie je bent.

Het probleem? Het is een zwarte doos.

Je kunt niet zien wat de AI denkt te weten over jou. Je kunt onjuiste aannames niet corrigeren. Je kunt je kenniscontext niet delen met een ander AI-tool. En als je van provider wisselt, begin je opnieuw.

Karpathy identificeerde drie eigenschappen die een persoonlijke wiki fundamenteel beter maken:

Expliciet: Je kunt precies zien wat de AI wel of niet over jou weet. De kennis is zichtbaar, navigeerbaar en bewerkbaar --- niet begraven in een ondoorzichtig model.
Draagbaar: De data is van jou. Het zijn gewoon bestanden. Je kunt het verplaatsen tussen tools, back-uppen of delen met anderen.
Samenstelbaar: Verschillende AI-tools kunnen dezelfde kennisbase lezen. Je onderzoek behoort niet toe aan ChatGPT of Claude --- het behoort toe aan jou.

Van Dagboek naar Wikipedia --- en Van Web naar Wikipedia

Farzapedia begon met persoonlijke aantekeningen. Maar de meeste kennis van mensen woont niet in hun dagboeken --- het woont in de webpagina’s die ze elke dag lezen.

Denk erover na: artikelen die je hebt onderzocht, productpagina’s die je hebt vergeleken, documentatie die je hebt geraadpleegd, tutorials die je hebt gevolgd. Dat is jouw werkkennis, verspreid over honderden browsertabbladen en bladwijzers die uiteindelijk vergeten zullen worden.

Wat als je dat allemaal kon omzetten in je eigen persoonlijke Wikipedia?

Je Wiki LLM in de Praktijk Bouwen

De aanpak is eenvoudig:

1. Leg Alles Vast Wat de Moeite Waard Is om Te Onthouden

In plaats van pagina’s als bladwijzer te bewaren (die je nooit meer zult bezoeken), converteer ze tijdens het browsen naar schone, gestructureerde Markdown. Dit bewaart de eigenlijke inhoud --- niet alleen een URL die kan breken of veranderen.

Met Save wordt elke webpagina met één klik een Markdown-bestand. De AI extraheert de betekenisvolle inhoud, verwijdert de ruis en structureert het voor langdurig gebruik.

2. Organiseer in Kennisbases

Net zoals een Wikipedia categorieën heeft, heeft jouw persoonlijke wiki structuur nodig. Groepeer je opgeslagen pagina’s in kennisbases per onderwerp:

Save Vault/
  React Onderzoek/
  Concurrentieanalyse/
  Productontwerp/
  Branchetrends/
  Koken/

Elke kennisbase wordt een categorie in je persoonlijke encyclopedie.

3. Maak Het Doorzoekbaar voor AI

Hier wordt het krachtig. Wanneer je persoonlijke wiki is gestructureerd als Markdown-bestanden in een lokale map, kunnen AI-assistenten het direct doorzoeken en raadplegen.

Met Save Vault en zijn ingebouwde MCP-server kan Claude:

Zoeken door al je opgeslagen pagina’s
Elk artikel volledig lezen
Informatie koppelen tussen verschillende kennisbases
Vragen beantwoorden op basis van jouw geselecteerde kennis, niet generieke trainingsdata

Wanneer je Claude een vraag stelt, controleert het eerst je persoonlijke wiki. Als je vorige week een artikel hebt opgeslagen over het vergelijken van databasearchitecturen, zal Claude dat specifieke artikel raadplegen in plaats van een generiek antwoord te geven.

4. Laat Het Compounderen

De echte magie zit in het compounderen. Elke pagina die je opslaat maakt je persoonlijke wiki completer. Over weken en maanden bouw je een kennisbase die geen enkele AI van scratch zou kunnen repliceren --- omdat het jouw specifieke interesses, onderzoeksgeschiedenis en professionele context weerspiegelt.

Dit is wat Karpathy bedoelt met “expliciete personalisatie.” Het is niet een AI die raadt waar je om geeft op basis van gesprekspatronen. Het is een gestructureerd, zichtbaar, bewerkbaar kennisgeheel dat je bewust hebt opgebouwd.

Waarom Markdown het Juiste Formaat Is

Karpathy’s nadruk op data-eigendom is niet toevallig. Het formaat telt.

Markdown is universeel: Elk AI-tool kan het lezen. Het is niet opgesloten in een platform.
Markdown is door mensen leesbaar: Je kunt elk bestand openen in een teksteditor en het lezen.
Markdown is versiebeheersbaar: Je kunt wijzigingen bijhouden met Git.
Markdown is lichtgewicht: Duizenden artikelen nemen bijna geen schijfruimte in.

Dit is waarom tools zoals Obsidian, Claude Code en Save allemaal van nature Markdown spreken. Het is de lingua franca van de AI-native kennisstack.

De Persoonlijke Wikipedia-workflow

Hier is de complete workflow in de praktijk:

Browse het web normaal. Wanneer je iets vindt dat de moeite waard is om te bewaren, klik op Save.
Save converteert het naar Markdown --- schoon, gestructureerd, met metadata bewaard.
Save Vault slaat het lokaal op in je kennisbasemappen.
Claude leest je vault via MCP wanneer je vragen stelt, en grondvest antwoorden in jouw opgeslagen kennis.
Je wiki groeit automatisch met elke pagina die je opslaat.

Geen setup. Geen database. Geen abonnement op een kennisbeheersplatform. Gewoon Markdown-bestanden op je computer, toegankelijk voor elk AI-tool dat je kiest.

Van Consument naar Maker van Kennis

Karpathy’s Wiki LLM-concept vertegenwoordigt een verschuiving in hoe we denken over AI-personalisatie. In plaats van passieve consumenten van AI te zijn --- onze data invoeren in ondoorzichtige systemen en hopen dat ze leren --- worden we actieve beheerders van onze eigen kennis.

Jouw persoonlijke Wikipedia is expliciet, draagbaar en jouw eigendom. En het maakt elk AI-interactie beter omdat de AI werkt met jouw kennis, niet alleen zijn trainingsdata.

De slimste AI-strategie voor 2026 is niet het gebruik van een slimmer model. Het is het bouwen van een slimmere kennisbase.

Save converteert elke webpagina naar schone Markdown en slaat het op in je lokale kennisbase. Gecombineerd met de MCP-server van Save Vault kan Claude je opgeslagen kennis direct doorzoeken en raadplegen. Probeer Save gratis.