IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 2 个项目
清除筛选以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
一套结合纵向时间线与横向竞品对比的AI驱动深度研究框架
横纵分析法是由自媒体人“数字生命卡兹克”提出并开源的一套通用深度研究方法论与AI Prompt框架，核心理念来自语言学（索绪尔的历时/共时分析）和社会科学（纵向/横截面研究），经过作者在金融行业多年实战打磨，再结合AI深度研究能力封装而成。它通过纵向（时间维度）和横向（截面维度）两条分析轴交叉还原研究对象的完整面貌，配合AI模型的Deep Research功能，能在约30分钟内生成一份1-2万字的系统性研究报告。该方法论旨在解决传统深度研究中信息碎片化、质量参差不齐、缺乏时间纵深感、横向对比缺失以及AI生成报告质量不稳定等痛点，提供可复用、结构化、AI友好的研究流水线。框架包含纵向分析、横向分析和写作风格引擎三个核心模块，适用于快速了解陌生技术、行业竞品分析、投资标的研究、跨领域学习等多种场景。
让 LLM 成为知识库的编译器和维护者，实现知识的持续积累与复利增长
LLM Wiki 是 Karpathy 于 2026 年 4 月提出的一种用 LLM 构建和维护个人知识库的方法论。其核心主张是不再把 LLM 当作临时问答工具，而是让它成为知识库的编译器和维护者，像程序员维护代码库一样，持续读取源材料、写入 Wiki 页面、更新交叉引用、标记矛盾。该方法论横跨个人知识管理、LLM 应用范式和知识编译三个领域，旨在解决传统 RAG 模式没有知识积累、无法发现矛盾、无法跨文档综合、查询结果无法沉淀以及人类维护负担过重等痛点。其核心思想是让 LLM 成为知识库的编译器和维护者，而非临时检索引擎。底层基于三层架构：Raw Sources（原始源材料）、The Wiki（知识库）和 The Schema（配置规范），并通过 Ingest（摄入）、Query（查询）、Lint（健康检查）三个核心操作实现知识的增量编译和持续维护。该方法论适合长期深度研究、个人知识管理等场景，但存在 Token 消耗高、冷启动成本高、幻觉风险等局限。