IVGraph
De dónde surge la idea
El 4 de abril de 2026, Andrej Karpathy — cofundador de OpenAI y exresponsable de IA en Tesla — publicó un breve gist llamado llm-wiki.md. No es una herramienta ni un repositorio: es un archivo con una idea, pensado para que se lo entregues a tu propio agente LLM (Claude Code, Codex y similares), que luego desarrolla contigo una implementación concreta. En pocos meses había acumulado más de 5,000 estrellas, dado lugar a implementaciones de la comunidad y convertido «wiki LLM» en un término que la gente busca activamente.
El propio gist resume la propuesta en una frase: «Obsidian es el IDE; el LLM es el programador; la wiki es la base de código» — tú sigues eligiendo las fuentes y haciendo las preguntas, mientras el LLM se encarga de toda la redacción, el archivo y la creación de referencias cruzadas.
Wiki LLM frente a RAG: compilar una vez frente a recuperar siempre
La mayoría de los productos que combinan IA y documentos funcionan con RAG (generación aumentada por recuperación): subes archivos y, cuando haces una pregunta, el modelo recupera fragmentos relevantes e improvisa una respuesta. Funciona, pero cada pregunta empieza desde cero. No se acumula nada entre consultas.
Una wiki LLM invierte este proceso. Cuando llega una nueva fuente, el LLM la lee de inmediato, extrae lo importante y lo integra en una red de páginas existente: actualiza páginas de entidades, revisa resúmenes y señala contradicciones con el material anterior. El conocimiento se compila una vez y después se mantiene actualizado, de modo que cada respuesta parte de una visión ya sintetizada en lugar de fragmentos sin procesar.
| RAG | Wiki LLM | |
|---|---|---|
| Cuándo se realiza la síntesis | En cada consulta | Al incorporar la fuente, una sola vez |
| Entre preguntas | No se acumula nada | El conocimiento se acumula y se enriquece |
| Contradicciones | Se redescubren (o pasan inadvertidas) | Se señalan al incorporar una fuente |
| Buenas respuestas | Se pierden en el historial del chat | Se guardan en la wiki como páginas |
Las tres capas
La arquitectura del gist es deliberadamente mínima:
- Fuentes sin procesar — artículos, trabajos de investigación, transcripciones y archivos de datos. Son inmutables: el LLM los lee, pero nunca los edita.
- La wiki — páginas interconectadas generadas por el LLM: resúmenes, páginas de entidades, páginas de conceptos y comparaciones. El LLM gestiona esta capa por completo; tú la lees.
- El esquema — un archivo de convenciones (CLAUDE.md, AGENTS.md) que indica al agente cómo se estructura la wiki y cómo debe actuar al incorporar fuentes, responder y realizar el mantenimiento. Esto es lo que convierte un chatbot genérico en un bibliotecario disciplinado.
En el día a día, la wiki funciona mediante tres operaciones: incorporar (añades una fuente y el LLM la integra; un solo artículo puede afectar a 10–15 páginas), consultar (haces preguntas; las buenas respuestas se guardan en la wiki como nuevas páginas) y revisar (una comprobación periódica del estado de la wiki para detectar contradicciones, afirmaciones desactualizadas y páginas huérfanas sin enlaces entrantes).
Wiki LLM frente a segundo cerebro frente a base de conocimiento
Los términos se solapan y los resultados de búsqueda los confunden constantemente. Así puedes distinguirlos con claridad:
| Término | Qué es | Quién lo mantiene |
|---|---|---|
| Base de conocimiento | Cualquier repositorio organizado de información | Quien se tome la molestia |
| Segundo cerebro | Una práctica personal para registrar y organizar lo que aprendes | Tú |
| Wiki LLM | Una base de conocimiento que el LLM compila y mantiene actualizada | El LLM |
La última columna lo explica todo. La gente abandona las wikis y los segundos cerebros porque las tareas de mantenimiento — actualizar referencias cruzadas, conciliar afirmaciones antiguas con nuevas fuentes — crecen más rápido que el valor que aportan. El LLM no se aburre, y por eso este enfoque perdura donde los sistemas manuales se abandonan sin hacer ruido.
Cómo crear una
Tres opciones prácticas, según dónde tengas ya tu conocimiento:
- Archivos Markdown + Obsidian — la configuración original de Karpathy. Una carpeta de fuentes, una carpeta de páginas de la wiki, un CLAUDE.md con convenciones y un agente en la terminal. El recortador web de Obsidian permite incorporar artículos; su vista de grafo muestra la estructura de la wiki a medida que crece.
- Notion + MCP — si tus notas y bases de datos ya están en Notion, no necesitas migrar nada: conecta un agente a través del servidor MCP de Notion y deja que lea y escriba páginas directamente. Documentamos todo el proceso en Wiki LLM para Notion: segundo cerebro con Claude + grafo de conocimiento 3D.
- Wiki de equipo — el mismo ciclo, alimentado por transcripciones de reuniones, documentos e hilos de chat, con personas que revisan las actualizaciones. La wiki se mantiene al día porque el LLM hace el mantenimiento que nadie del equipo quiere hacer.
Qué papel tiene el grafo de conocimiento
Una wiki es texto; su estructura es un grafo: las páginas son nodos y los enlaces son aristas. El propio gist de Karpathy recomienda la vista de grafo como la mejor forma de ver la estructura de una wiki en crecimiento: qué páginas se han convertido en centros de conexión, cuáles están huérfanas y dónde se forman grupos. La operación de revisión es, literalmente, una comprobación del estado del grafo.
Esto importa aún más cuando tu wiki LLM está en Notion, porque Notion no tiene una vista de grafo integrada. IVGraph cubre esa carencia: representa tu espacio de trabajo — cada página, backlink y Relación entre bases de datos — como un grafo de conocimiento 3D interactivo, para que puedas ver cómo va tomando forma la wiki que construye tu LLM. Los agentes también pueden consultar esa misma estructura de forma programática a través de la API LLM de IVGraph.
Preguntas frecuentes
¿Qué es una wiki LLM, en pocas palabras?
Una base de conocimiento que tu IA construye y mantiene por ti. Tú le proporcionas fuentes y preguntas; ella redacta las páginas, las enlaza entre sí y las actualiza. Se compila una vez y se mantiene al día: lo contrario de volver a buscar en archivos sin procesar en cada consulta.
¿Dónde está la wiki LLM de Karpathy en GitHub?
Es un gist, no un repositorio: llm-wiki.md, publicado el 4 de abril de 2026. Está pensado para que no haya nada que instalar: pegas la idea en tu propio agente y creas tu versión junto con él.
Wiki LLM o segundo cerebro: ¿cuál necesito?
No son rivales: un segundo cerebro es la práctica; una wiki LLM es aquello en lo que se convierte esa práctica cuando el LLM asume el mantenimiento. Si ya guardas notas, el siguiente paso es añadir un agente que las mantenga; consulta la tabla anterior para ver cómo se reparten las funciones.
¿Necesito Obsidian para esto?
No: sirve cualquier repositorio en el que el LLM pueda leer y escribir. Los archivos Markdown locales son la opción más ligera; Notion a través de MCP es la opción natural si tu conocimiento ya está allí (y además te ofrece bases de datos y colaboración).