Andrej Karpathy har just godkänt ett av årets mest intressanta AI-experiment: Farzapedia --- en personlig Wikipedia byggd från 2 500 dagboksposter, Apple Notes och iMessage-konversationer, automatiskt organiserade i 400 detaljerade wiki-artiklar.

Men Karpathys entusiasm handlade inte om nyheten. Det handlade om arkitekturen. Han kallade det ett överlägset tillvägagångssätt för AI-personalisering, och hans resonemang är viktigt för alla som funderar på hur man bygger ett effektivt AI-arbetsflöde.

Problemet med “AI-minne”

De flesta AI-produkter lovar idag att din AI-assistent “blir bättre ju mer du använder den.” Dina konversationer analyseras, mönster detekteras, och AI:n bygger tyst upp en förståelse av vem du är.

Problemet? Det är en svart låda.

Du kan inte se vad AI:n tror sig veta om dig. Du kan inte korrigera felaktiga antaganden. Du kan inte dela ditt kunskapskontext med ett annat AI-verktyg. Och om du byter leverantör börjar du om från noll.

Karpathy identifierade tre egenskaper som gör en personlig wiki fundamentalt bättre:

Explicit: Du kan exakt se vad AI:n vet eller inte vet om dig. Kunskapen är synlig, navigerbar och redigerbar --- inte begravd i en ogenomskinlig modell.
Portabel: Datan tillhör dig. Det är bara filer. Du kan flytta dem mellan verktyg, säkerhetskopiera dem eller dela dem med andra.
Sammansättbar: Olika AI-verktyg kan läsa samma kunskapsbas. Din forskning tillhör inte ChatGPT eller Claude --- den tillhör dig.

Från Dagbok till Wikipedia --- och Från Webb till Wikipedia

Farzapedia började med personliga anteckningar. Men de flesta människors kunskap bor inte i deras dagböcker --- den bor i webbsidorna de läser varje dag.

Tänk på det: artiklar du har forskat på, produktsidor du har jämfört, dokumentation du har konsulterat, handledningar du har följt. Det är din arbetskunskap, spridd över hundratals webbläsarflikar och bokmärken som så småningom kommer att glömmas bort.

Tänk om du kunde omvandla allt detta till din egen personliga Wikipedia?

Bygga Din Wiki LLM i Praktiken

Tillvägagångssättet är enkelt:

1. Fånga Allt som är Värt att Komma Ihåg

Istället för att bokmärka sidor (som du aldrig kommer att besöka igen), konvertera dem till ren, strukturerad Markdown medan du surfar. Detta bevarar det faktiska innehållet --- inte bara en URL som kan brytas eller förändras.

Med Save blir varje webbsida en Markdown-fil med ett klick. AI:n extraherar det meningsfulla innehållet, tar bort bruset och strukturerar det för långvarig användning.

2. Organisera i Kunskapsbaser

Precis som en Wikipedia har kategorier behöver din personliga wiki struktur. Gruppera dina sparade sidor i kunskapsbaser per ämne:

Save Vault/
  React Forskning/
  Konkurrentanalys/
  Produktdesign/
  Branschtrender/
  Matlagning/

Varje kunskapsbas blir en kategori i din personliga encyklopedi.

3. Gör Det Sökbart för AI

Här blir det kraftfullt. När din personliga wiki är strukturerad som Markdown-filer i en lokal mapp kan AI-assistenter direkt söka och konsultera den.

Med Save Vault och dess inbyggda MCP-server kan Claude:

Söka igenom alla dina sparade sidor
Läsa varje artikel i sin helhet
Koppla samman information mellan olika kunskapsbaser
Besvara frågor baserat på din utvalda kunskap, inte generisk träningsdata

När du ställer Claude en fråga kontrollerar den först din personliga wiki. Om du förra veckan sparade en artikel om jämförelse av databasarkitekturer kommer Claude att konsultera den specifika artikeln istället för att ge ett generiskt svar.

4. Låt Det Förstärkas

Den verkliga magin ligger i förstärkningen. Varje sida du sparar gör din personliga wiki mer komplett. Under veckor och månader bygger du en kunskapsbas som ingen AI skulle kunna replikera från grunden --- för att den speglar dina specifika intressen, forskningshistoria och professionella kontext.

Det är vad Karpathy menar med “explicit personalisering.” Det är inte en AI som gissar vad du bryr dig om baserat på konversationsmönster. Det är en strukturerad, synlig, redigerbar kunskapskropp som du medvetet har byggt upp.

Varför Markdown är Rätt Format

Karpathys betoning på dataägande är inte slumpmässig. Formatet spelar roll.

Markdown är universellt: Alla AI-verktyg kan läsa det. Det är inte låst i en plattform.
Markdown är läsbart för människor: Du kan öppna vilken fil som helst i en textredigerare och läsa den.
Markdown är versioneringsbart: Du kan spåra ändringar med Git.
Markdown är lätt: Tusentals artiklar tar nästan inget diskutrymme.

Det är därför verktyg som Obsidian, Claude Code och Save alla talar Markdown naturligt. Det är lingua franca för den AI-native kunskapsstacken.

Det Personliga Wikipedia-arbetsflödet

Här är det kompletta arbetsflödet i praktiken:

Surfa på webben normalt. När du hittar något värt att spara, klicka på Save.
Save konverterar det till Markdown --- rent, strukturerat, med metadata bevarat.
Save Vault lagrar det lokalt i dina kunskapsbasmappar.
Claude läser ditt vault via MCP när du ställer frågor och grundar svar i din sparade kunskap.
Din wiki växer automatiskt med varje sida du sparar.

Ingen setup. Ingen databas. Inget abonnemang på en kunskapshanteringsplattform. Bara Markdown-filer på din dator, tillgängliga för alla AI-verktyg du väljer.

Från Kunskapskonsument till Kunskapsskapare

Karpathys Wiki LLM-koncept representerar ett skifte i hur vi tänker på AI-personalisering. Istället för att vara passiva konsumenter av AI --- mata in vår data i ogenomskinliga system och hoppas att de lär sig --- blir vi aktiva förvaltare av vår egen kunskap.

Din personliga Wikipedia är explicit, portabel och din. Och den gör varje AI-interaktion bättre för att AI:n arbetar med din kunskap, inte bara sin träningsdata.

Den smartaste AI-strategin för 2026 är inte att använda en smartare modell. Det är att bygga en smartare kunskapsbas.

Save konverterar vilken webbsida som helst till ren Markdown och lagrar den i din lokala kunskapsbas. Kombinerat med Save Vaults MCP-server kan Claude direkt söka och konsultera din sparade kunskap. Prova Save gratis.