IVGraph
De onde vem a ideia
Em 4 de abril de 2026, Andrej Karpathy — cofundador da OpenAI e ex-diretor de IA da Tesla — publicou um breve gist chamado llm-wiki.md. Não é uma ferramenta nem um repositório: é um arquivo com uma ideia, escrito para ser entregue ao seu próprio agente de LLM (Claude Code, Codex e similares), que então desenvolve uma implementação concreta com você. Em poucos meses, ele acumulou mais de 5,000 estrelas, deu origem a implementações da comunidade e tornou "wiki com LLM" um termo que as pessoas buscam ativamente.
A proposta, em uma frase do próprio gist: "O Obsidian é o IDE; o LLM é o programador; a wiki é a base de código" — você continua responsável por escolher as fontes e fazer perguntas, enquanto o LLM cuida de toda a escrita, do arquivamento e das referências cruzadas.
Wiki com LLM vs. RAG: compilar uma vez vs. recuperar sempre
A maioria dos produtos que combinam IA e documentos funciona com RAG (geração aumentada por recuperação): você envia arquivos e, na hora da pergunta, o modelo busca trechos relevantes e improvisa uma resposta. Funciona — mas cada pergunta começa do zero. Nada se acumula entre as consultas.
Uma wiki com LLM inverte essa lógica. Quando chega uma nova fonte, o LLM a lê imediatamente, extrai o que importa e integra esse conteúdo a uma rede de páginas existente: atualiza páginas de entidades, revisa resumos e sinaliza contradições com materiais anteriores. O conhecimento é compilado uma vez e depois mantido atualizado — assim, cada resposta parte de uma visão já sintetizada, em vez de fragmentos brutos.
| RAG | Wiki com LLM | |
|---|---|---|
| Quando a síntese acontece | No momento de cada consulta | Na ingestão, uma única vez |
| Entre perguntas | Nada se acumula | O conhecimento se acumula e se amplia |
| Contradições | Redescobertas (ou não percebidas) | Sinalizadas quando uma fonte é incorporada |
| Boas respostas | Somem no histórico do chat | São arquivadas na wiki como páginas |
As três camadas
A arquitetura do gist é propositalmente mínima:
- Fontes brutas — artigos, trabalhos científicos, transcrições e arquivos de dados. São imutáveis; o LLM as lê, mas nunca as edita.
- A wiki — páginas geradas pelo LLM e interligadas: resumos, páginas de entidades, páginas de conceitos e comparações. O LLM cuida inteiramente dessa camada; você a lê.
- O esquema — um arquivo de convenções (CLAUDE.md, AGENTS.md) que orienta o agente sobre a estrutura da wiki e como agir ao incorporar fontes, responder e fazer manutenção. É isso que transforma um chatbot genérico em um bibliotecário disciplinado.
No dia a dia, a wiki funciona com três operações: ingestão (você adiciona uma fonte e o LLM a integra — um único artigo pode afetar 10–15 páginas), consulta (você faz perguntas; boas respostas são arquivadas na wiki como novas páginas) e verificação (uma checagem periódica de integridade para encontrar contradições, afirmações desatualizadas e páginas órfãs, sem links apontando para elas).
Wiki com LLM vs. segundo cérebro vs. base de conhecimento
Os termos se sobrepõem, e os resultados de busca os confundem o tempo todo. Uma forma clara de diferenciá-los:
| Termo | O que é | Quem faz a manutenção |
|---|---|---|
| Base de conhecimento | Qualquer repositório organizado de informações | Quem se dispõe a fazer isso |
| Segundo cérebro | Uma prática pessoal de registrar e organizar o que você aprende | Você |
| Wiki com LLM | Uma base de conhecimento que o LLM compila e mantém atualizada | O LLM |
A última coluna explica tudo. As pessoas abandonam wikis e segundos cérebros porque o trabalho de organização — atualizar referências cruzadas, conciliar afirmações antigas com novas fontes — cresce mais rápido que o valor gerado. O LLM não se entedia, e é por isso que esse modelo se sustenta onde sistemas manuais acabam morrendo em silêncio.
Como criar uma
Três caminhos práticos, dependendo de onde seu conhecimento já está:
- Arquivos Markdown + Obsidian — a configuração original de Karpathy. Uma pasta de fontes, uma pasta de páginas da wiki, um CLAUDE.md com convenções e um agente no terminal. A ferramenta de captura do Obsidian importa artigos; sua visualização em grafo mostra a forma do que está crescendo.
- Notion + MCP — se suas notas e seus bancos de dados já estão no Notion, você não precisa migrar nada: conecte um agente pelo servidor MCP do Notion e deixe que ele leia e escreva páginas diretamente. Documentamos esse processo de ponta a ponta em Wiki com LLM para Notion: segundo cérebro com Claude + grafo de conhecimento 3D.
- Wiki da equipe — o mesmo ciclo, alimentado por transcrições de reuniões, documentos e conversas de chat, com pessoas revisando as atualizações. A wiki se mantém atualizada porque o LLM faz a manutenção que ninguém da equipe quer fazer.
Onde entra o grafo de conhecimento
Uma wiki é texto; sua estrutura é um grafo — páginas são nós, links são arestas. O próprio gist de Karpathy recomenda a visualização em grafo como a melhor forma de enxergar a estrutura de uma wiki em crescimento: quais páginas se tornaram centrais, quais estão órfãs, onde se formam agrupamentos. A operação de verificação é, literalmente, uma checagem de integridade do grafo.
Isso importa ainda mais quando sua wiki com LLM está no Notion, porque o Notion não tem visualização em grafo nativa. O IVGraph preenche essa lacuna: ele representa seu espaço de trabalho — cada página, backlink e Relação de banco de dados — como um grafo de conhecimento 3D interativo, para você ver a wiki que seu LLM está construindo realmente tomar forma. Os agentes também podem consultar essa mesma estrutura de forma programática pela API de LLM do IVGraph.
Perguntas frequentes
Em termos simples, o que é uma wiki com LLM?
Uma base de conhecimento que sua IA constrói e mantém para você. Você fornece fontes e perguntas; ela escreve, cria links entre as páginas e as atualiza. Compilada uma vez, mantida atualizada — o oposto de pesquisar novamente nos arquivos brutos a cada consulta.
Onde está a wiki com LLM de Karpathy no GitHub?
É um gist, não um repositório: llm-wiki.md, publicado em 4 de abril de 2026. A proposta é justamente não ter nada para instalar — você cola a ideia no seu próprio agente e constrói sua versão junto com ele.
Wiki com LLM ou segundo cérebro — de qual eu preciso?
Não são rivais: o segundo cérebro é a prática; a wiki com LLM é o que essa prática se torna quando o LLM assume a manutenção. Se você já mantém notas, adicionar um agente que cuide delas é o caminho para evoluir — veja na tabela acima como as responsabilidades se dividem.
Preciso do Obsidian para isso?
Não — qualquer repositório em que o LLM possa ler e escrever funciona. Arquivos Markdown locais são a opção mais leve; o Notion via MCP é a escolha natural se seu conhecimento já está lá (e ainda oferece bancos de dados e colaboração).