Andrej Karpathy氏が提唱するLLM Wikiパターンが、AI駆動のナレッジマネジメントにおける新たな標準として注目されている。従来のRAGがクエリごとに都度ドキュメントを読み込むのに対し、このパターンは言語モデルに永続的な相互リンク付きテキストウィキの構築と維持を委ねる。知識は断片化せず蓄積され矛盾は自動検出され、利用するほどに高精度化する生きたアーティファクトへと進化するという。 実装構造は簡潔だ。元ドキュメント格納用のrawフォルダとLLMが生成・保守するwikiフォルダを基本とする。wiki内のスキーマファイルがページ構成、ルール、矛盾処理、命名規則、およびインジェストとクエリ、定期点検のワークフローを定義する。開発環境にルールファイルを配置するだけでLLMが自動的に処理を実行する。運用は取り込み、本番クエリ、隔週程度の健康診断の三段階で構成され、手動編集の負担が大幅に軽減される。 技術的な優位性は明確である。従来のRAGは毎回の検索で知識を再導出するため記憶の連続性が脆弱だった。一方LLM Wikiは知識を一度コンパイルし状態を保持するため、処理件数が増えるほど組織化されたリサーチアシスタントのような挙動を示す。関係性はIDE、プログラマ、コードベースに例えられる。 導入には三十から四十五分程度を要するが本質的な課題は継続的な自動保守への信頼である。初期段階では単一の良質なソースを適切にインポートするだけで知識の複利効果が期待できる。技術コミュニティでは手動キュレーションからLLM自動保守への移行パターンとしてデータ中心の生産性ツールとして急速に展開が進んでいる。