4 月 3 日，Karpathy 在 GitHub 丟了一份 1,500 字的 gist。
不是程式碼。
是一份「idea file」，他在裡面描述自己怎麼用 LLM 把一個資料夾自動長成 10 萬篇文章、40 萬字的個人維基。
48 小時後，GitHub 上冒出一個叫 Graphify 的工具。一條指令把任何資料夾變成可查詢的知識圖譜，剛好把 Karpathy 描述的東西實作完。
沒有人 fork、沒有人 PR、沒有人開 issue。有人讀完那份 idea file，直接叫 agent 把它寫出來，傳上 GitHub。
那條推文，4 天累積 1,600 萬次瀏覽。前 OpenAI 聯合創辦人剛親身示範了一件事：在 LLM agent 時代，「分享 idea」的價值已經追上「分享 code」。
Karpathy 那份 gist 到底寫了什麼
先把背景補齊。Karpathy 是前 OpenAI 創始團隊成員、前 Tesla AI 總監，這幾年靠 YouTube 教學和 nanoGPT 系列累積了一票死忠的工程師粉絲。他的推文發出來，工程圈就會接力把概念變成可跑的 repo。
這次他公開的是個人工作流：不再讓 AI 幫他寫 code，而是叫 AI 幫他蓋一個會自己長大的知識庫。
架構簡單到讓人懷疑「就這？」，但能跑：
- raw/ 資料夾：放原始素材（PDF、論文、會議紀錄、研究筆記、截圖）。這層 LLM 只讀不改。
- wiki/ 資料夾：LLM 自己維護的 markdown，包括摘要、概念頁、時間線、交叉連結。完全不用人手改。
- CLAUDE.md（schema）：一份規則檔，告訴 agent 要怎麼讀 raw、怎麼寫 wiki、出現新檔案要怎麼處理。
用法只有三個動作：
- Ingest：丟新資料進 raw/，agent 讀完自動寫 wiki，幫忙補連結。
- Query：問問題的時候從 wiki/ 拿答案，不從 raw/ 臨時拼湊。
- Lint：定期掃整個 wiki，找出矛盾、孤兒頁、過期內容。
這跟主流 RAG 反著做。RAG 是「查詢的時候才現場拼」，Karpathy 這套是「先把整理成本一次付清，每次查詢都在享受複利」。差別不在效能，差別在誰承擔工作。他把整理工作從每次查詢移到了背景跑的 agent 身上。
48 小時內，Graphify 把它實作完了
原本以為這份 gist 會是「啟發了一些人，過幾個月有人寫出來」。結果 48 小時就上了 GitHub。
Graphify 的 README 寫得很清楚：把任何一個資料夾（code、docs、論文、圖片、影片）變成可查詢的知識圖譜。一條指令觸發，三個 pass 跑完：
- AST pass（決定性）：用 Tree-sitter 把 code 拆成 class、function、import、call graph 跟 docstring，這層完全不用 LLM，速度快、結果穩定。
- 多媒體 pass：影片、音檔在本機用 faster-whisper 轉錄，配合領域 prompt 把專有名詞抓對。
- 語義 pass（並行）：Claude subagent 平行掃 docs、論文、圖片、字幕，抽出概念、關係、設計理由。
支援的客戶端列了一長串：Claude Code、Codex、OpenCode、Cursor、Gemini CLI、GitHub Copilot CLI、VS Code Copilot Chat、Aider、OpenClaw、Factory Droid、Trae、Hermes、Kiro、Google Antigravity。基本上你用什麼 AI coding agent，它都能接。
官方數據是「每次查詢省 71 倍 token、code 不離開本機」。我比較在意的是後半句。它把 Karpathy 那個「整理一次、查很多次」的精神搬進工程師日常。你在 IDE 問「這個 function 為什麼要這樣設計」，agent 不用每次重新讀整個 repo，直接從 graph 拿答案。
Karpathy 描述了一個概念，48 小時後 GitHub 上有了能跑的版本。中間沒有 PRD、沒有 spec review、沒有人開會。只有一個人讀完 idea，叫 agent 寫出來。
以前發 code 等別人 fork，現在發 idea 等別人 agent
Karpathy 自己在後續的推文補了一刀：在 LLM agent 時代，分享 idea 的價值，會逼近甚至超過分享 code。
這句話聽起來很玄，但 Graphify 就是它的實證。
過去十年的 GitHub 玩法是這樣的：你寫了一個 repo，丟上去，等人 star、fork、開 issue。有人覺得有用會 PR，有人覺得方向對會自己 fork 一份做變體。整個鏈路靠「code」這個共同產物銜接。
2026 年開始的玩法是：你把概念寫清楚（資料夾結構、規則檔、用法範例），丟到 X 或 gist 上。讀者直接把這份描述塞給 Claude Code 或 Codex，半天到兩天，agent 把第一版交出來。code 變成 idea 的副產品。
這背後的邏輯轉變：
| 項目 | 過去（pre-LLM 時代） | 現在（LLM agent 時代） |
|---|---|---|
| 稀缺資源 | 會寫 code 的人 | 講得清楚要做什麼的人 |
| 分享單位 | repo | idea file / spec |
| 實作門檻 | 幾週到幾個月 | 幾小時到兩天 |
| 差異化關鍵 | 實作品質 | idea 的清晰度與洞察力 |
| 採用路徑 | fork → 改 → 部署 | 讀 idea → 餵 agent → 跑 |
不是說 code 不重要了。是說 code 不再是傳遞 know-how 的最佳容器。idea file 才是。
Tony 的判斷：這不是 vibe coding 1.0，是 2.0
2025 年那波 vibe coding，講的是「不用會寫 code，用自然語言指揮 AI 把產品做出來」。但那時候你還是要自己想清楚要做什麼、自己驗證、自己 iterate。AI 是雙手，你是腦。
Karpathy + Graphify 這次示範的是 2.0：連「想清楚」這件事都可以分散外包。
他丟出一份 idea，1,600 萬人看到，其中有人覺得這個方向對、自己也想用，就直接餵給 agent 寫成 Graphify。Karpathy 沒寫一行 code，那個寫 Graphify 的人也沒花幾週開發。兩個人合作完成了一個工具，靠的不是 git，靠的是「同一份概念」加上「兩台 agent」。
對散戶有什麼實際意義？我看到三件事值得馬上動手：
- 把你的工作流寫成 idea file：你每天在做什麼、用什麼工具、處理什麼資料，寫成 markdown，叫 Claude 把它變成可重複的 agent skill。你會發現自己 80% 的工作其實都能自動化。
- 用 Graphify 把你的素材夾整理一次：你電腦裡那堆 PDF、論文、截圖、會議紀錄，跑一次 Graphify，你會看到自己這幾年在想什麼、卡在哪裡。比讀 10 本書有用。
- 從「fork」改成「ingest」：以後看到別人的 GitHub 不是先 fork 下來改，而是把它的 idea file 丟給你的 agent，讓 agent 用你的習慣重寫一份。少很多無謂的兼容地獄。
接下來會發生什麼
幾個值得追蹤的方向：
- Idea file 格式戰：Anthropic 的 CLAUDE.md、OpenAI 的 codex.md、各家 agent 都在搶「描述任務的標準格式」。誰先變成事實標準，誰就拿到這層的話語權。
- Graphify-like 工具會分裂：個人版（PKM、Obsidian 整合）、團隊版（codebase 文件圖譜）、投研版（券商研報、財報語義圖）。每一個垂直都是一個新賽道。
- 「prompt 工程師」這個職位會消失：取而代之的是「會寫 idea file 的人」，能把模糊的問題拆成 agent 看得懂的步驟、規則、例外。這比 prompt tuning 高一個層級。
Karpathy 從來沒在喊「未來會怎樣」，他都是把自己的工作流公開出來，讓你自己看出趨勢。這次也一樣。他停止讓 AI 幫他寫 code，改用 AI 幫他整理知識，這個動作本身就是訊號。
我之前那篇《Karpathy 不寫 code 了：把 AI 當員工的「LLM Wiki」拆解》已經把 LLM Wiki 的架構講過一輪。如果你還沒搭起自己的 wiki，從那篇開始；如果你已經有了，這次該升級到 Graphify 跑一次完整的 ingest，把整個資料夾的隱藏結構挖出來。
結論：分享 idea 的時代，誰想清楚誰拿到複利
過去十年，GitHub 的紅利屬於會寫 code 的人。下個五年，紅利會慢慢轉移到能把問題講清楚的人手上。
Karpathy 一條推文點燃 1,600 萬次瀏覽，48 小時內被人 agent 成 Graphify。這不是個案，是常態的開始。從現在到 2027，會看到越來越多「一個人發 idea，另一個人交付 code，第三個人做產品」的接力。
你想當哪一個？
我先去把這個月的研究筆記丟進 Graphify 跑一遍，回來再寫一篇實測心得。你也可以同步動手，idea file 不是 Karpathy 的特權，你也能寫。
免責聲明：本文僅為知識分享與工具觀察，不構成任何投資建議。AI 工具迭代極快，本文截至 2026 年 4 月 25 日。GitHub repo 與外部連結請自行驗證後再使用。
延伸閱讀：更多 AI 工具與趨勢
- Karpathy 2026 演講拆解：vibe coding 抬高地板，agentic engineering 抬高天花板，普通人該練哪一個？
- Vibe Coding 玩完了？GitHub 上週悄悄開源 Spec-Kit，要把「憑感覺寫」變回「先寫規格書」
- Vibe-Trading 是什麼？港大開源「私人交易 agent」：一句話生成＋回測策略，A 股港美股加密全支援（2026）
延伸閱讀：站內相關文章
- Karpathy 最新推文：過去 2 個月我寫的代碼從 80% 掉到 20%——這不是漸進，是 9 級地震
- Karpathy 剛剛承認「我從未這麼落後過」——會用 AI 的人正在被「會指揮 AI」的人取代
發表迴響