Andrej Karpathy เพิ่งแชร์ว่าเขาใช้ไฟล์ Markdown เพื่อสร้างฐานความรู้ส่วนตัวสำหรับการวิจัย AI อย่างไร แนวทางของเขาเรียบง่าย: รวบรวมเอกสารต้นทาง แปลงเป็น Markdown จัดระเบียบในโฟลเดอร์ แล้วให้ LLM ทำงานกับคอลเลกชันทั้งหมด

ผลลัพธ์? AI ที่รู้ในสิ่งที่คุณรู้จริงๆ

นี่ไม่ใช่เทคนิคสำหรับนักวิจัยเท่านั้น ใครก็ตามที่ใช้ Claude, ChatGPT หรือ LLM ใดก็ตามในแต่ละวันสามารถสร้างสิ่งเดียวกันได้ — และใช้เวลาเป็นนาที ไม่ใช่ชั่วโมง

ฐานความรู้ LLM คืออะไร?

มันคือโฟลเดอร์ในคอมพิวเตอร์ของคุณที่เต็มไปด้วยไฟล์ Markdown เกี่ยวกับหัวข้อที่คุณสนใจ บทความที่คุณได้อ่าน วิดีโอ YouTube ที่คุณได้ดู เอกสารที่คุณอ้างอิง ทวีตที่กำหนดรูปแบบความคิดของคุณ

เมื่อคุณให้ LLM เข้าถึงโฟลเดอร์นี้ มันจะหยุดเป็นผู้ช่วยทั่วไป กลายเป็นผู้ช่วยของคุณ — ผู้ที่เข้าใจโดเมนของคุณ แหล่งข้อมูลของคุณ และบริบทของคุณ

คิดว่ามันเป็นสมองที่สอง แต่เป็นสมองที่ AI ของคุณอ่านได้จริงๆ

ขั้นตอนที่ 1: รวบรวมแหล่งข้อมูลของคุณด้วย Save

นี่คือจุดที่คนส่วนใหญ่ติดขัด การคัดลอกเนื้อหาเว็บด้วยตนเอง ทำความสะอาด HTML จัดรูปแบบ — มันน่าเบื่อ นั่นคือสิ่งที่ Save แก้ไขได้

Save คือส่วนขยาย Chrome ที่แปลงเว็บเพจใดก็ได้เป็น Markdown ที่สะอาดและมีโครงสร้าง ด้วยคลิกเดียว

สิ่งที่คุณสามารถบันทึก:

บทความและโพสต์บล็อก
วิดีโอ YouTube (ถอดความฉบับเต็ม + สรุป)
กระทู้ Twitter/X
เอกสารและข้อมูลอ้างอิง API
การสนทนา Reddit
บทความวิชาการ
โพสต์ LinkedIn
เนื้อหาที่ต้องสมัครสมาชิกที่คุณมีสิทธิ์เข้าถึง

การบันทึกแต่ละครั้งผลิตไฟล์ .md ที่สะอาด — ไม่มี HTML ไม่มีโฆษณา ไม่มีเมนูนำทาง แค่เนื้อหาที่มีโครงสร้างที่เหมาะสมพร้อมหัวข้อ รายการ และบล็อกโค้ด

ขั้นตอนที่ 2: จัดระเบียบโฟลเดอร์ความรู้ของคุณ

สร้างโครงสร้างโฟลเดอร์ที่สมเหตุสมผลสำหรับงานของคุณ ให้เรียบง่าย:

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

ทุกครั้งที่คุณอ่านสิ่งที่มีคุณค่าออนไลน์ บันทึกด้วย Save แล้วนำไปวางในโฟลเดอร์ที่เหมาะสม เมื่อเวลาผ่านไป สิ่งนี้จะสะสมกลายเป็นฐานความรู้ที่ครอบคลุมซึ่งไม่มี LLM ทั่วไปใดเทียบได้

ขั้นตอนที่ 3: เชื่อมต่อฐานความรู้ของคุณกับ LLM

นี่คือจุดที่มันทรงพลัง มีหลายวิธีในการให้ LLM เข้าถึงโฟลเดอร์ความรู้ของคุณ:

ตัวเลือกที่ 1: Claude Code (ทรงพลังที่สุด)

หากคุณใช้ Claude Code ให้เปิด terminal ในโฟลเดอร์ความรู้ของคุณแล้วเริ่ม session Claude จะได้รับการเข้าถึงทุกไฟล์อย่างเต็มที่และสามารถค้นหา อ่าน อ้างอิงแบบไขว้ และใช้เหตุผลทั่วทั้งคอลเลกชันของคุณ

cd my-knowledge
claude

Claude Code สามารถอ่านไฟล์ Markdown หลายร้อยไฟล์ หาความเชื่อมโยงระหว่างกัน ตอบคำถามที่ซับซ้อน และยังรักษาไฟล์ดัชนีได้ด้วย — ตรงกับที่ Karpathy อธิบาย

นี่คือตัวเลือกที่ทรงพลังที่สุดเพราะ Claude สามารถเรียกดูไฟล์ของคุณได้อย่างแข็งขัน ไม่ใช่แค่รับมันเป็นบริบท

ตัวเลือกที่ 2: Claude.ai Projects

สร้าง Project บน claude.ai และอัพโหลดไฟล์ Markdown ของคุณไปยังฐานความรู้ของโปรเจกต์ การสนทนาทุกครั้งในโปรเจกต์นั้นจะมีสิทธิ์เข้าถึงเอกสารของคุณ

ลากและวางไฟล์โดยตรง
รองรับไฟล์มากกว่า 200 ไฟล์ต่อโปรเจกต์
ความรู้ยังคงอยู่ตลอดการสนทนา
ใช้งานได้บนอุปกรณ์ใดก็ตามที่มีเบราว์เซอร์

เหมาะที่สุดสำหรับ: ผู้ที่ต้องการการตั้งค่าที่เรียบง่ายโดยไม่ต้องใช้ terminal

ตัวเลือกที่ 3: Claude Desktop + MCP

หากคุณใช้ Claude Desktop คุณสามารถติดตั้ง filesystem MCP server เพื่อให้ Claude เข้าถึงโฟลเดอร์ในคอมพิวเตอร์ของคุณโดยตรง

เพิ่มสิ่งนี้ลงในการตั้งค่า Claude Desktop ของคุณ:

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

จากนั้น Claude Desktop สามารถอ่านไฟล์ใดก็ได้ในโฟลเดอร์ความรู้ของคุณตามต้องการ — ไม่ต้องอัพโหลด

ตัวเลือกที่ 4: คัดลอก-วาง (ง่ายที่สุด)

สำหรับคำถามด่วน เพียงลากไฟล์ Markdown หนึ่งหรือสองไฟล์เข้าไปในการสนทนา Claude หรือ ChatGPT ใดก็ได้ ไม่ต้องตั้งค่า

วิธีนี้ใช้ได้สำหรับการสืบค้นครั้งเดียวแต่ไม่สามารถขยายได้ สำหรับเวิร์กโฟลว์ฐานความรู้จริง ให้ใช้ตัวเลือกหนึ่งข้างต้น

เหตุผลที่ Markdown ทำให้สิ่งนี้ได้ผล

คุณไม่สามารถป้อน HTML ดิบให้ LLM แล้วคาดหวังผลลัพธ์ที่ดีได้ HTML มีน้ำหนักมากด้วยการนำทาง โฆษณา สคริปต์ และการจัดรูปแบบ — สัญญาณรบกวนที่สิ้นเปลือง token และทำให้โมเดลสับสน

Markdown คือภาษาแม่ของ LLM พวกมันถูกฝึกบนไฟล์ Markdown หลายล้านไฟล์จาก GitHub เว็บไซต์เอกสาร และบล็อกนักพัฒนา เมื่อคุณให้ Markdown ที่สะอาดแก่ LLM:

token น้อยกว่า 10 เท่า เมื่อเทียบกับ HTML ดิบ
ความเข้าใจที่ดีขึ้น — โมเดลมุ่งเน้นที่เนื้อหา ไม่ใช่การแยกวิเคราะห์
โครงสร้างที่เหมาะสม — หัวข้อ รายการ และบล็อกโค้ดได้รับการเก็บรักษา
ความเข้ากันได้สากล — ใช้งานได้กับ Claude, ChatGPT, Gemini หรือ LLM ใดก็ตาม

นี่คือเหตุผลที่ Save มีอยู่ มันไม่ได้แค่คัดลอกข้อความ — มันใช้ AI เพื่อดึงเนื้อหาที่มีความหมายและจัดโครงสร้างเป็น Markdown ที่สะอาดที่ LLM เข้าใจได้อย่างสมบูรณ์

ผลกระทบแบบทบต้น

นี่คือสิ่งที่เกิดขึ้นเมื่อคุณสร้างนิสัยนี้:

สัปดาห์ที่ 1: คุณมีไฟล์ Markdown 10 ไฟล์ Claude สามารถตอบคำถามเกี่ยวกับบทความเฉพาะเหล่านั้นได้

เดือนที่ 1: คุณมีไฟล์มากกว่า 50 ไฟล์ Claude สามารถอ้างอิงแบบไขว้ หาแบบรูป และให้ข้อมูลเชิงลึกที่คุณไม่เคยสังเกตเห็นด้วยตัวเอง

เดือนที่ 3: คุณมีไฟล์มากกว่า 200 ไฟล์ คุณสร้างผู้ช่วยวิจัยส่วนตัวที่รู้จักอุตสาหกรรมของคุณ คู่แข่งของคุณ กรอบการทำงานของคุณ และความคิดของคุณ ทุกคำถามที่คุณถามจะได้คำตอบที่อ้างอิงจากความรู้ของคุณที่คัดสรรมา ไม่ใช่ข้อมูลการฝึกทั่วไป

ดังที่ Karpathy กล่าวไว้ เมื่อฐานความรู้ของคุณใหญ่พอ คุณสามารถถามคำถามซับซ้อนได้และ LLM จะค้นหาคำตอบทั่วทั้งคอลเลกชันของคุณ ไม่จำเป็นต้องตั้งค่า RAG แบบพิเศษ — แค่ไฟล์ Markdown ที่จัดระเบียบแล้ว

เริ่มต้นใน 60 วินาที

ติดตั้ง Save จาก Chrome Web Store (ฟรี)
สร้างโฟลเดอร์ my-knowledge ในคอมพิวเตอร์ของคุณ
เยี่ยมชมบทความที่คุณพบว่ามีคุณค่าเมื่อเร็วๆ นี้
คลิก Save — ไฟล์ Markdown ดาวน์โหลดทันที
ย้ายไปยังโฟลเดอร์ความรู้ของคุณ
เปิดโฟลเดอร์ใน Claude Code อัพโหลดไปยัง Claude Project หรือตั้งค่า MCP

ทุกบทความที่คุณบันทึกตั้งแต่นี้ไปจะทำให้ AI ของคุณฉลาดขึ้น มันทบต้น

เริ่มสร้างฐานความรู้ LLM ของคุณวันนี้ ติดตั้ง Save — เริ่มต้นฟรี