Andrej Karpathy acabou de endossar um dos experimentos de AI mais interessantes do ano: Farzapedia — uma Wikipedia pessoal construída a partir de 2.500 entradas de diário, Apple Notes e conversas no iMessage, auto-organizada em 400 artigos wiki detalhados.

Mas o entusiasmo de Karpathy não era sobre a novidade. Era sobre a arquitetura. Ele chamou de uma abordagem superior à personalização AI, e o seu raciocínio importa para qualquer pessoa pensando em como construir um workflow AI eficaz.

O Problema com a “Memória AI”

A maioria dos produtos de AI hoje promete que seu assistente AI “fica melhor quanto mais você usa.” Suas conversas são analisadas, padrões são detectados e a AI silenciosamente constrói uma compreensão de quem você é.

O problema? É uma caixa preta.

Você não consegue ver o que a AI pensa que sabe sobre você. Você não pode corrigir suposições erradas. Você não pode compartilhar seu contexto de conhecimento com uma ferramenta de AI diferente. E quando você muda de provedor, começa do zero.

Karpathy identificou três propriedades que tornam uma wiki pessoal fundamentalmente melhor:

Explícita: Você pode ver exatamente o que a AI sabe ou não sabe sobre você. O conhecimento é visível, navegável e editável — não enterrado dentro de um modelo opaco.
Portável: Os dados são seus. São apenas arquivos. Você pode movê-los entre ferramentas, fazer backup ou compartilhar partes com outros.
Componível: Diferentes ferramentas de AI podem ler a mesma base de conhecimento. Sua pesquisa não pertence ao ChatGPT ou ao Claude — pertence a você.

Do Diário à Wikipedia — e Da Web à Wikipedia

Farzapedia começou com notas pessoais. Mas o conhecimento da maioria das pessoas não vive em seus diários — vive nas páginas web que leem todos os dias.

Pense nisso: artigos que você pesquisou, páginas de produto que você comparou, documentação que você consultou, tutoriais que você seguiu. Esse é o seu conhecimento de trabalho, espalhado por centenas de abas do navegador e favoritos que eventualmente serão esquecidos.

E se você pudesse transformar tudo isso em sua própria Wikipedia pessoal?

Construindo Seu Wiki LLM na Prática

A abordagem é direta:

1. Capture Tudo que Vale a Pena Lembrar

Em vez de favoritar páginas (que você nunca vai revisitar), converta-as em Markdown limpo e estruturado enquanto navega. Isso preserva o conteúdo real — não apenas uma URL que pode quebrar ou mudar.

Com o Save, cada página web se torna um arquivo Markdown com um clique. A AI extrai o conteúdo significativo, elimina o ruído e estrutura para uso de longo prazo.

2. Organize em Bases de Conhecimento

Assim como a Wikipedia tem categorias, sua wiki pessoal precisa de estrutura. Agrupe suas páginas salvas em bases de conhecimento por tópico:

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

Cada base de conhecimento se torna uma categoria em sua enciclopédia pessoal.

3. Torne-a Pesquisável pela AI

Aqui é onde fica poderoso. Quando sua wiki pessoal é estruturada como arquivos Markdown em uma pasta local, assistentes AI podem pesquisar e consultá-la diretamente.

Com o Save Vault e seu servidor MCP integrado, Claude pode:

Pesquisar em todas as suas páginas salvas
Ler qualquer artigo na íntegra
Fazer referência cruzada de informações entre diferentes bases de conhecimento
Responder perguntas baseadas no seu conhecimento curado, não em dados de treinamento genéricos

Quando você faz uma pergunta ao Claude, ele primeiro verifica sua wiki pessoal. Se você salvou um artigo comparando arquiteturas de banco de dados na semana passada, Claude vai referenciar aquele artigo específico em vez de dar uma resposta genérica.

4. Deixe Crescer por Composição

A verdadeira mágica está na composição. Cada página que você salva torna sua wiki pessoal mais completa. Ao longo de semanas e meses, você constrói uma base de conhecimento que nenhuma AI poderia replicar do zero — porque ela reflete seus interesses específicos, histórico de pesquisa e contexto profissional.

É isso que Karpathy quer dizer com “personalização explícita.” Não é uma AI adivinhando o que você se importa a partir de padrões de conversa. É um corpo de conhecimento estruturado, visível e editável que você construiu intencionalmente.

Por Que Markdown É o Formato Certo

A ênfase de Karpathy na propriedade dos dados não é acidental. O formato importa.

Markdown é universal: Toda ferramenta de AI consegue lê-lo. Não está preso em nenhuma plataforma.
Markdown é legível por humanos: Você pode abrir qualquer arquivo em qualquer editor de texto e lê-lo.
Markdown é versionável: Você pode rastrear mudanças ao longo do tempo com Git.
Markdown é leve: Milhares de artigos ocupam quase nenhum espaço em disco.

É por isso que ferramentas como Obsidian, Claude Code e Save falam Markdown nativamente. É a língua franca da pilha de conhecimento nativa de AI.

O Workflow da Wikipedia Pessoal

Aqui está o workflow completo na prática:

Navegue na web normalmente. Quando encontrar algo que vale guardar, clique em Save.
Save converte para Markdown — limpo, estruturado, com metadados preservados.
Save Vault armazena localmente nas suas pastas de base de conhecimento.
Claude lê seu vault via MCP quando você faz perguntas, baseando as respostas no seu conhecimento salvo.
Sua wiki cresce automaticamente com cada página que você salva.

Sem configuração. Sem banco de dados. Sem assinatura de plataforma de gerenciamento de conhecimento. Apenas arquivos Markdown no seu computador, acessíveis a qualquer ferramenta de AI que você escolher.

De Consumidor a Criador de Conhecimento

O conceito Wiki LLM de Karpathy representa uma mudança em como pensamos sobre personalização AI. Em vez de sermos consumidores passivos de AI — alimentando nossos dados em sistemas opacos e esperando que aprendam — nos tornamos curadores ativos do nosso próprio conhecimento.

Sua Wikipedia pessoal é explícita, portável e de sua propriedade. E torna cada interação com AI melhor porque a AI está trabalhando com seu conhecimento, não apenas com seus dados de treinamento.

A estratégia de AI mais inteligente para 2026 não é usar um modelo mais inteligente. É construir uma base de conhecimento mais inteligente.

Save converte qualquer página web em Markdown limpo e armazena em sua base de conhecimento local. Combinado com o servidor MCP do Save Vault, Claude pode pesquisar e referenciar seu conhecimento salvo diretamente. Experimente o Save gratuitamente.