アンドレイ・カルパシーが開発した自己進化型知識システムは、AIモデルが自動的にメモを整理し、構造化された知識ベースを構築・維持する革新的なアプローチである。このシステムをClaude Codeなどのコーディングエージェントに接続することで、AIは散在する情報を整理されたウィキとして管理し、コード生成の精度と効率を大幅に向上させる。Obsidianをフロントエンドとして使用し、生のデータファイルとAI生成のマークダウンファイルを分離することで、AIエージェントは必要な情報を的確に参照しながらタスクを実行できるようになる。この手法により、従来のAIコーディングアシスタントが抱えていたメモリの問題が解決され、より賢く自己改善するシステムへと進化する。
自己進化型知識システムの登場
アンドレイ・カルパシーが数日前に投稿したツイートで、AIモデルを活用した自己進化型知識システムの構築について発表しました。このシステムの核となるアイデアは、人間がメモを書いたり知識を整理したりする代わりに、大規模言語モデルがそれを代行してくれるというものです。AIが生データを読み込み、要約を作成し、構造を構築し、一貫性を維持し、質問に答え、そして時間の経過とともに自己改善していくのです。
このツイートが大きな反響を呼んだ理由は、自己改善システムによってAIエージェントが根本的に賢くなるからです。そしてこれをコーディングエージェントに接続すれば、新たな可能性の扉が開かれます。これから紹介するのは、5分以内にセットアップできる超簡単な方法です。皆さんのAIコーディングエージェントに革命をもたらすものになるでしょう。
実際の活用事例:個人用ウィキペディア
実際にこのシステムを構築した人がいます。「Farza Pedia」と呼ばれるシステムで、日記のメモ、Appleのメモ、メッセージなど約2,500件の個人的なエントリーを取り込みました。そして大規模言語モデルがそれを完全な個人用ウィキペディアに変換し、友人、アイデア、興味、さらにはクリエイティブなインスピレーションをカバーする数百の構造化された記事を作成したのです。
しかし重要な違いは、これが人間のために作られたのではなく、エージェントのために作られたということです。すべてが構造化された相互リンクファイルとして整理されているため、エージェントは簡単にナビゲートでき、コンテキストを引き出して実際のタスクを完了するために使用できます。単に質問に答えるだけでなく、過去のインスピレーション、アイデア、経験から引き出して、ランディングページのデザインを支援するといったことができるのです。すべて自動的にです。
新しい情報が追加されると、システムは自動的に更新され、複数の領域にリンクしたり、まったく新しいページを作成したりします。基本的には、あなたの脳のための超知的な司書のような役割を果たし、知識の整理、接続、改善を決して止めることがありません。
アイデアファイルという新しいアプローチ
そして今日、カルパシーはこのアイデアをさらに洗練させました。コードやアプリを共有する代わりに、彼はアイデアファイル、つまりAIエージェントが受け取って構築し、ワークフローに合わせてカスタマイズできる高レベルの設計図を共有したのです。彼はこのファイルのGistを投稿したので、エージェントに渡して独自の自己進化型知識システムを作成できます。使い方は無数にあるため、意図的に抽象的に保たれています。
これは大きな転換点です。ソフトウェアを共有することから、アイデアを共有してAIに実行を任せることへと移行しているのです。自己改善する知識ベースと組み合わせることで、エージェントはあなたのためにツールを構築し、時間の経過とともに継続的に賢くなっていくことができます。
大規模言語モデルウィキの仕組み
カルパシーが導入した新しいファイル、大規模言語モデルウィキがどのように機能するかを説明しましょう。これは3層システムです。まず、生のソースがあります。これは本質的に、Claude Codeやその他のAIコーディングエージェントが使用する変更可能な記事、メモ、データです。次にウィキがあり、これは大規模言語モデルが生成したマークダウンファイルで、リンクとともに常に更新され、一貫性が保たれています。
最後にスキーマルールがあり、これは大規模言語モデルにすべてをどのように整理、更新、維持するかを指示します。Claude CodeのようなAIエージェントに接続し、ウィキのindex.mdを指定すると、質問をするたびにエージェントが必要なページを正確に掘り下げることができます。
そこからのループは簡単です。新しいソースを追加したり、質問をしたり、出力を生成したりすると、大規模言語モデルが自動的にウィキを更新し、時間の経過とともに改善していきます。魔法のような点はこれです。人間はアイデアを探求するのは得意ですが、メンテナンスは苦手です。大規模言語モデルは退屈な記録管理、リンク作成、一貫性の維持を処理します。
そのため、知識ベースは維持され、自動的により賢く、より有用になり続けます。この大規模言語モデルウィキ、この新しいアーキテクチャをClaude Codeに接続すると、エージェント、つまり接続するあらゆるAIコーディングエージェントが、構造化されたウィキを直接読み取り、ナビゲートし、推論できるようになります。そのため、あなたの知識を使って複雑な質問に答えたり、自動的に出力を生成したりできます。
本質的には、Claude Codeを単純なコーディングアシスタントから、自己更新するコンテキスト認識型の知識ワーカーに変えるものです。これにより、Claude Codeが抱えている多くのメモリの問題が解決され、出力品質も大幅に向上します。
セットアップの手順
始めるにあたって、アンドレイが述べているように、IDにはObsidianをフロントエンドとして使用します。これにより、生データを視覚化し、データをウィキにコンパイルすることができます。まだインストールしていない場合は、Obsidianをインストールすることをお勧めします。次に、コーディングエージェントがインストールされていることを確認してください。そうすれば、簡単に接続して、この新しいアプローチを構造化できます。
Obsidianがインストールされたら、新しいボールトを作成する必要があります。これは本質的に、すべての生ファイルと大規模言語モデルが生成したウィキを保持するコンピューター上のローカルディレクトリです。好きな場所を選択できます。私はこのように作成して名前を付けます。
次に、作成したばかりのボールト内でClaude Codeインスタンスを開く必要があります。個人的には、VS Code内でClaude Codeを使用します。これらの要素をすべて操作して視覚化するのがはるかに簡単だからです。Claude Codeインスタンス内に入ったら、LLM wiki.mdにアクセスする必要があります。
ここで、このシステムプロンプトのすべてのコンポーネントをコピーする必要があります。これはカルパシーが生成した指示です。これはアイデアファイルで、プロンプトのように大規模言語モデルに貼り付けることができます。コピーしたら、Claude Codeインスタンスに貼り付けることができます。
実装のための詳細な指示
カルパシーのGistファイル、アイデアファイルをコピーした後、明らかにClaude Codeエージェントや使用している他のAIエージェントに貼り付けることができますが、実装を支援するためのより良いプロンプトを提供する必要があります。ほとんどの人は単に「Obsidian内で大規模言語モデル知識ベースLMウィキ実装計画を実装してください」と入力するだけでしょう。
しかし、より詳細な指示を提供すれば、エージェントは、アンドレイが設定したルールセットに基づいて、適切な構造、初期スクリプトプロンプト、ワークフローですべてを構築できます。この指示は説明欄に残しておきます。
そして、Claude Codeエージェントに送信するだけです。これで、与えられた指示とともにアイデアファイルをセットアップし、完全な大規模言語モデルウィキを生成します。そして、Obsidian内にセットアップされます。ここで最初の2つのファイルが作成されます。
生のソースドキュメント、記事、メモ、画像をすべて変更せずに保持するrawフォルダがあります。これが真実のソースと言えるでしょう。次に、完全に大規模言語モデルが生成したマークダウンファイルであるwikiフォルダがあります。これには要約、エンティティ、大規模言語モデルがいつでも参照できるさまざまな相互リンク概念ページが含まれています。実際、必要なときに常に更新、維持、相互参照されるものです。
基本的に、Claude Codeは、この新しいシステムで新しいデータを取り込んだり、質問をしたり、ウィキが自動的に自己改善したりするために必要なスクリプトやツールをセットアップします。
実際の使用例:フロントエンドデザインへの応用
私がClaude Codeと協力してカルパシーが開発したこの新しいウィキまたはGistでボールトをセットアップしたとき、フロントエンドデザイン、UIインスピレーション、ランディングページの例で機能するように説明しました。
rawファイル内に、Claude Codeエージェントが実際に使用する複数のアセットを提供します。ここでは、スクリーンショット、Figmaリンク、HTML、CSSスニペット、色、フォント、開発で本当に気に入っているデザインシステムに関するメモを追加できます。これにより、コーディングエージェントは、この組み込みメモリに従うように指示され、幻覚を起こしたり、他のものを生成したりしません。
これらは、デザインライブラリで自己更新されるさまざまなサブフォルダを持つ2つの異なるフォルダで、Claude Codeや他のエージェントが関連情報を引き出し、必要に応じて新しいデザインアイデアを生成できます。たとえば、大規模モデルに参照させたい新しいパッケージやドキュメントがある場合、これは単なる例です。
インストールしたばかりの新しい拡張機能であるObsidian web clipperを使用できます。基本的に、必要なファイルに正確に追加できます。Obsidianに追加をクリックすると、Obsidianを開いて、生のマークダウン形式を正確に提供できます。関連する画像をローカルにダウンロードして、大規模言語モデルが見られるようにするという優れた仕事をしているのがわかります。
ここで見られるRAWファイルにすべてをドロップできます。さらに、大規模言語モデルに新しい生ファイルをウィキにコンパイルするように指示することもできます。要約を作成し、概念を抽出し、さらにバックリンクを追加してindex.mdを更新します。これが私がやろうとしていることです。
Claude Codeインスタンスに戻って、新しい生ファイルをウィキにコンパイルするように指示できます。そして、indexファイルにアクセスできます。これで、エージェントは、主にフロントエンド開発に焦点を当てたボールト内に設定した機能を相互参照できます。これにより、Claude Codeがフロントエンドをより適切に生成できるようになります。
シンプルなワークフロー
これは非常にシンプルです。生ファイルを提供するだけです。次に、それをindex.mdに取り込むだけで、すべての生素材とクリーンな大規模言語モデルが生成したウィキが、AIコーディングエージェントがいつでも参照できるように適切に保存されます。これにより、AIエージェントのパフォーマンスが向上します。なぜなら、いつでも使用できる相互リンクされたすべてのソースを参照する能力があるからです。
生ファイル内に散在するメモを、Claudeが読んで推論できる接続された個人的な知識ベースに変換し、コーディングと回答をよりスマートで正確にします。注意すべき点として、Obsidianボールト内にはグラフビューがあり、構造化されたデータベースの一部であるすべての要素をより良く理解し、視覚化できます。
実践例:CRMダッシュボードの作成
実際に今できることは、index.mdを参照して、参照したチャートとUIコンポーネントをより適切に実装できるCRMダッシュボードのようなものを作成することです。これは、大規模モデルに実行させたい大量のデータがある場合に非常にうまく機能します。皆さんもご存知のように、Anthropicのモデル、Geminiモデル、これらすべてのモデルは怠惰で、適切にプロンプトを出すまで最高の能力を発揮できません。
しかし、プロンプトを出しても、幻覚の発生が多く見られます。そのため、生成をより適切に完了できるように、これらのさまざまなメモリシステムを導入する必要があります。そして完成しました。このように、生のインデックス内で提供したさまざまなコンポーネントを参照して使用することができました。
これが本質的に、Shadcnから実装されたさまざまなチャートへのすべてのクロスリンク参照がアプリに組み込まれている場所です。これは信じられないことです。ここで確認できます。これが非常に優れたツールである理由は、大規模言語モデルが実際に使用するコンテンツをスクレイピングする作業をしているため、トークンの支出を大幅に節約できるからです。
また、どのようなユースケースでも何を使用するか、いつ使用するかを理解して特化するのに多くの時間を節約できるという事実もあります。そして、これをかなり迅速に行ったという事実は信じられないことです。
自己改善機能の重要性
皆さん、覚えておいてください。自己改善の部分がこれについて最も重要なことです。なぜなら、定期的に使用するにつれて積極的に改善されるからです。lintコマンドまたはヘルスチェックコマンドを実行すると、ウィキ内に記載されているプロンプトを実行するだけで、矛盾、古い情報、欠落しているリンク、または新しい接続についてウィキ全体をレビューし、修正して改善できます。
これも説明欄に残しておきますが、基本的に大規模言語モデルは自分の以前の作業を読み、ギャップを見つけ、問題を解決し、より良い要約を追加し、時間の経過とともにすべてをより豊かで接続されたものにします。
そのため、大規模言語モデルがこの情報を使用する場合、手動編集を必要とせずに、より賢くなり続ける知識ベースを自己修復できます。したがって、より多くのデータを供給してlintするほど、Claudeまたはリンクする他のAIコーディングエージェントが改善され、提供する生データに基づいて質問に答えたり、コードをより適切に記述したりします。
基本的に、できるだけ多くのデータを提供し、可能な限り毎回lintする必要があります。
まとめ
このビデオが気に入って、チャンネルをサポートしたい場合は、下のスーパーサンクスオプションを通じてチャンネルに寄付することを検討できます。または、プライベートDiscordへの参加を検討できます。そこでは、月単位でさまざまなAIツールへの複数のサブスクリプションに無料でアクセスでき、さらに毎日のAIニュースや限定コンテンツなど、さらに多くのものがあります。
しかし、以上です、皆さん。これは、あらゆるAIコーディングエージェントを質問への回答とコードの記述においてより優れたものにするものです。説明欄のリンクでぜひ確認することを強くお勧めします。このような優れたシステムを開発したアンドレイに大きな称賛を送ります。セカンドチャンネルもぜひご覧ください。
そこでは、毎日AIニュースを投稿し続けています。ニュースレターに参加し、Discordに参加し、Twitterでフォローし、最後に、必ず購読し、通知ベルをオンにし、このビデオに「いいね」をし、最新のAIニュースを常に把握できるように、以前のビデオもご覧ください。しかし、それでは皆さん、素晴らしい一日をお過ごしください。ポジティビティを広め、またすぐにお会いしましょう。
コメント