在 AI Agent 快速發展的背景下，「個人化 AI」正從口號走向具體實踐。知名 AI 科學家 Andrej Karpathy 近日再次公開討論 Farzapedia，並直言這種「個人 Wiki」架構，是目前少數真正可落地的解法。
與主流強調「用越久越懂你」的黑箱記憶不同，Farzapedia 嘗試把個人資料轉為結構化知識，讓 AI 可以直接讀取、理解並操作，為個人 AI 建立更透明且可控的基礎。
Table of Contents
Farzapedia 核心理念：打造可被 AI 理解的個人 Wikipedia
Farzapedia 的關鍵，在於將個人資料轉化為一套結構清晰的知識系統。透過 Markdown 文件、目錄（index.md）與交叉連結，使用者可以建立屬於自己的「Wikipedia」。
在這樣的架構下，AI Agent 不再依賴模糊的上下文記憶，而是可以直接讀取具體文件，理解不同主題之間的關聯，甚至進行跨頁引用與更新。
Karpathy 特別強調，這種方式讓使用者可以清楚知道 AI 掌握了哪些資訊，也能隨時檢視與修正，解決過去 AI 記憶不可見的問題。
為何這種方法更實用？四個關鍵差異
相較於現有 AI 個人化方案，Farzapedia 的優勢並非來自更強模型，而是資料結構的改變。
首先是「顯性化」。所有知識都以 Wiki 形式存在，使用者可以直接查看與編輯，而不是依賴不可見的內部記憶。
其次是「資料主權」。所有檔案儲存在本地端，不受單一 AI 平台限制，避免資料被鎖定或無法遷移。
第三是「File over App」設計。資料以 Markdown 與圖片等通用格式存在，可被各種工具直接使用，從 Obsidian 到命令列工具都能整合。
最後是「BYOAI」。使用者可以自由選擇不同 AI 模型接入同一知識庫，甚至進一步微調開源模型，使 AI 在權重層級理解個人知識。
從 RAG 到 Wiki：個人 AI 架構的轉變
Karpathy 指出，過去一年流行的 RAG（Retrieval-Augmented Generation）雖然提升了資訊檢索能力，但多數仍停留在「聊天記錄延伸」的層級。
這種方式本質上仍是模糊搜尋，缺乏明確結構，也難以維護與擴展。
相比之下，Farzapedia 採用明確的檔案架構與內部連結，使 AI 能像閱讀文件一樣理解內容，並在不同主題之間建立邏輯關係，顯著提升可用性與準確度。
Agent 時代的新技能：管理知識，而不只是提問
Karpathy 也坦言，這種方法的門檻在於需要一定的檔案管理與結構設計能力。
但隨著 AI Agent 的進步，這些工作正在被自動化。Agent 可以協助整理資料、生成文章、維護連結，讓使用者專注於內容本身。
他認為，「善用 Agent」將成為關鍵能力。這些工具不僅能理解語言，也能操作電腦系統，正在改變人與軟體的互動方式。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
