Андрей Карпаты недавно поделился тем, как он использует Markdown-файлы для создания персональных баз знаний для AI-исследований. Его подход прост: собирать исходные документы, конвертировать в Markdown, организовывать в папке и позволять LLM работать со всей коллекцией.

Результат? AI, который действительно знает то, что знаете вы.

Это не только исследовательская техника. Любой, кто ежедневно использует Claude, ChatGPT или любой LLM, может создать то же самое — и это занимает минуты, а не часы.

Что такое база знаний LLM?

Это папка на вашем компьютере, заполненная Markdown-файлами по темам, которые вас интересуют. Статьи, которые вы читали. YouTube-видео, которые вы смотрели. Документация, на которую вы ссылаетесь. Твиты, повлиявшие на ваше мышление.

Когда вы даёте LLM доступ к этой папке, он перестаёт быть общим ассистентом. Он становится вашим ассистентом — тем, кто понимает вашу область, ваши источники и ваш контекст.

Думайте об этом как о втором мозге, но таком, который ваш AI действительно может прочитать.

Шаг 1: Собирайте источники с Save

Здесь большинство людей застревают. Ручное копирование веб-контента, очистка HTML, форматирование — это утомительно. Именно это и решает Save.

Save — расширение Chrome, конвертирующее любую веб-страницу в чистый, структурированный Markdown. Один клик.

Что можно сохранять:

Статьи и посты в блогах
YouTube-видео (полный транскрипт + резюме)
Треды Twitter/X
Документацию и API-справочники
Обсуждения на Reddit
Академические работы
Посты в LinkedIn
Платный контент, к которому у вас есть доступ

Каждое сохранение даёт чистый .md файл — без HTML, рекламы, навигационных меню. Только контент, правильно структурированный с заголовками, списками и блоками кода.

Шаг 2: Организуйте папку знаний

Создайте структуру папок, имеющую смысл для вашей работы. Держите просто:

my-knowledge/
  marketing/
    distribution-strategies.md
    competitor-analysis.md
    pricing-frameworks.md
  product/
    user-research-findings.md
    feature-prioritization.md
  industry/
    market-trends-2026.md
    karpathy-llm-knowledge-bases.md
    ai-agent-workflows.md

Каждый раз, когда вы находите в сети что-то ценное, сохраняйте с Save и помещайте в правильную папку. Со временем это накапливается в исчерпывающую базу знаний, которую никакой общий LLM не сможет сравнять.

Шаг 3: Подключите базу знаний к LLM

Вот несколько способов дать LLM доступ к вашей папке знаний:

Вариант 1: Claude Code (Самый мощный)

Если вы используете Claude Code, откройте терминал в папке знаний и начните сессию. Claude получает полный доступ к каждому файлу и может искать, читать, перекрёстно ссылаться и рассуждать по всей коллекции.

cd my-knowledge
claude

Claude Code может читать сотни Markdown-файлов, находить связи между ними, отвечать на сложные вопросы и даже поддерживать индексные файлы — именно так, как описывает Карпаты.

Это самый мощный вариант, потому что Claude может активно просматривать ваши файлы, а не просто получать их как контекст.

Вариант 2: Claude.ai Projects

Создайте Project на claude.ai и загрузите Markdown-файлы в базу знаний проекта. Каждый разговор в этом проекте будет иметь доступ к вашим документам.

Прямое перетаскивание файлов
Поддержка 200+ файлов на проект
Знания сохраняются между разговорами
Работает на любом устройстве с браузером

Лучше всего для: людей, которые хотят простую настройку без терминала.

Вариант 3: Claude Desktop + MCP

Если вы используете Claude Desktop, можно установить MCP-сервер файловой системы, чтобы дать Claude прямой доступ к папке на вашем компьютере.

Добавьте это в конфигурацию Claude Desktop:

{
  "mcpServers": {
    "knowledge-base": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/my-knowledge"
      ]
    }
  }
}

Claude Desktop сможет читать любой файл в вашей папке знаний по запросу — без загрузки.

Вариант 4: Копирование-вставка (Самый простой)

Для быстрых вопросов просто перетащите один или несколько Markdown-файлов в любой разговор с Claude или ChatGPT. Настройка не нужна.

Это работает для разовых запросов, но не масштабируется. Для настоящего рабочего процесса с базой знаний используйте один из вариантов выше.

Почему Markdown делает это возможным

Нельзя подавать сырой HTML LLM и ожидать хороших результатов. HTML переполнен навигацией, рекламой, скриптами и стилями — шум, который тратит токены и сбивает модель с толку.

Markdown — родной язык LLM. Они обучены на миллионах Markdown-файлов из GitHub, сайтов документации и блогов разработчиков. Когда вы даёте LLM чистый Markdown:

В 10 раз меньше токенов по сравнению с сырым HTML
Лучшее понимание — модель фокусируется на содержимом, а не на разборе
Правильная структура — заголовки, списки и блоки кода сохранены
Универсальная совместимость — работает с Claude, ChatGPT, Gemini или любым LLM

Именно для этого существует Save. Он не просто копирует текст — он использует AI для извлечения значимого контента и структурирует его как чистый Markdown, который LLM прекрасно понимает.

Эффект накопления

Вот что происходит, когда вы строите эту привычку:

Неделя 1: У вас 10 Markdown-файлов. Claude может отвечать на вопросы об этих конкретных статьях.

Месяц 1: У вас 50+ файлов. Claude может перекрёстно ссылаться на источники, находить паттерны и давать вам инсайты, которые вы никогда не заметили бы самостоятельно.

Месяц 3: У вас 200+ файлов. Вы создали персонального исследовательского ассистента, который знает вашу отрасль, конкурентов, фреймворки и мышление. На каждый ваш вопрос приходит ответ, основанный на вашей кураторской базе знаний, а не на общих обучающих данных.

Как отметил Карпаты, когда ваша база знаний достаточно велика, можно задавать сложные вопросы, и LLM будет исследовать ответы по всей вашей коллекции. Никакой специальной RAG-установки не нужно — просто организованные Markdown-файлы.

Начните за 60 секунд

Установите Save из Chrome Web Store (бесплатно)
Создайте папку my-knowledge на вашем компьютере
Зайдите на статью, которая недавно показалась вам ценной
Нажмите Save — Markdown-файл скачивается мгновенно
Переместите его в папку знаний
Откройте папку в Claude Code, загрузите в Claude Project или настройте MCP

Каждая статья, которую вы сохраните с этого момента, делает вашего AI умнее. Это накапливается.

Начните создавать вашу базу знаний LLM сегодня. Установите Save — бесплатно с первого дня.