Donnez à votre IA un contexte mis à jour illimité

d’OpenAI) a publié un L’essentiel de GitHub plus tôt cette année.

Ça s’appelle «Wiki LLM.» Environ 1 500 mots. Il décrit un modèle où vous construisez un wiki personnel qu’un LLM maintient pour vous : un persistant, composition artefact qui s’enrichit à chaque fois que vous y ajoutez.

Connaissances compilées une seule fois et maintenues à jour, plutôt que redirigées à partir de zéro pour chaque requête.

La plupart des gens l’ont probablement lu, ont pensé « c’est intéressant » et ont fermé l’onglet !

Je l’ai construit et cet article montre comment le configurer et je vous raconte également ce que j’ai appris lors de la mise en œuvre.

Chaque conversation commence vide.

Vous ouvrez un chat, expliquez qui vous êtes, sur quoi vous travaillez, ce que vous avez décidé la semaine dernière. Vous obtenez une réponse utile. Vous fermez l’onglet. Demain tu le fais encore.

L’outil fonctionne bien, mais la couche de contexte en dessous est manquant!

Il est vrai que intégré mémoire ça aide un peu.

Claude se souvient de ton nom et titre d’emploi. ChatGPT sait que vous préférez les puces. Mais ni l’un ni l’autre ne connaît le détails sur vos projets actifs, la transaction que vous êtes sur le point de conclure, le fournisseur que vous avez exclu le mois dernier ou ce qui s’est passé dans votre pipeline cette semaine.

Ce genre d’état opérationnel n’existe nulle part persistant!

L’option que la plupart des ingénieurs choisissent ensuite est CHIFFON.

RAG est véritablement utilemais cela résout un problème différent.

Il récupère les connaissances à partir de zéro pour chaque requête. Vous intégrez documentsrécupérer morceaux au moment de la requête, et j’espère que les bons fragments feront surface. Rien ne s’accumule.

Une question qui nécessite synthèse cinq documents signifient que le LLM doit retrouver et réassembler ces fragments à chaque fois.

Le sauter L’approche de cet article compile connaissance une fois et le garde actuel. Lorsque vous ajoutez quelque chose de nouveau, le LLM l’indexe, le lit, l’intègre, met à jour les pages associées, signale les contradictions et maintient références croisées.

La synthèse est déjà faite avant que vous posiez votre prochaine question.

Karpathy le dit clairement : le wiki est un artefact persistant et complexe.

Les références croisées sont déjà là. L’analyse ne disparaît pas dans l’historique des discussions. Cela construit.

Salut! Je m’appelle Sara et je couvre chaque semaine la création pratique d’IA sur Apprenez l’IA. Outils, modèles et ce qui casse réellement pendant la production. Inscription gratuite.

L’architecture : deux dossiers et un fichier de schéma

La structure principale tient dans une seule arborescence de répertoires :

vault/
├── CLAUDE.md            ← schema file, entry point for any AI
├── Raw/                 ← immutable source documents
│   ├── Meeting Notes/
│   ├── Documents/
│   └── _pending.md      ← compilation queue
└── Wiki/                ← LLM-generated, structured, indexed
    ├── Projects/
    ├── People/
    ├── Decisions/
    ├── _hot.md          ← active cache
    ├── _log.md          ← audit trail
    └── _index.md        ← master index

(Ce n’est qu’un exemple. N’hésitez pas à le personnaliser)

Brut est votre source de vérité.

Transcriptions de réunions, fils de discussion Slack exportés, documents extraits de l’endroit où votre travail se déroule réellement. La règle est absolue : l’IA lit Raw, ne l’édite jamais. Ajouter-seulement.

Wiki c’est ce que l’IA construit et maintient. Un fichier par projet, personne, décision ou domaine de domaine. Structuréavec références croisées. C’est ce que l’IA lit en premier lorsque vous posez une question.

Si vous avez travaillé avec des données pipelinescette scission est familière. Brut est votre zone d’atterrissage. Wiki est votre couche organisée. Si le wiki dérive ou est corrompu, vous reconstruisez à partir de Raw. Vous ne perdez jamais la source.

Le fichier de schéma se trouve à la racine et indique à toute IA comment le coffre-fort est organisé, ce qu’il faut lire en premier et quelles sont les règles de fonctionnement. je l’appelle CLAUDE.md. Si vous utilisez Codex, AGENTS.md travaux. Nommez-le n’importe quoi, à condition de pointer l’IA vers lui au début de chaque session.

C’est la partie que la plupart des implémentations sautent, et c’est pourquoi la plupart des implémentations meurent tranquillement.

Un dossier de réduction les fichiers ne sont pas un système. Ces trois fichiers n’en font qu’un.

_hot.md est le cache. Chaque matin, le quotidien réécritures d’automatisation ce fichier avec le plus fils de discussion actifsn’importe lequel clé des chiffres ou des délais qui ont fait surface, et une ligne sur n’importe quoi urgent. Il reste sous 500 jetons. Lorsque vous ouvrez une conversation et souhaitez un briefing rapide, l’IA lit _hot.md tout d’abord, pas besoin de charger le wiki complet.

_pending.md est le file d’attente. Chaque fois qu’un nouveau fichier arrive dans Raw, son nom de fichier et sa date sont ajoutés ici. Lorsque la compilation hebdomadaire s’exécute, elle lit ce fichier, processus chaque entrée, la compile dans Wiki et la marque [COMPILED — 2026-05-01]. Sans ce fichier, l’ingestion quotidienne et la compilation hebdomadaire ne peuvent pas se coordonner. Vous obtenez des fichiers bruts orphelins et un wiki en retard de plusieurs semaines.

_log.md est l’audit piste. Chaque automatisé run ajoute une entrée horodatée : ce qui a été exécuté, quels fichiers ont été traités, quelles pages Wiki ont été créées ou mises à jour. Si le système dérive, c’est ainsi que vous trouvez où. L’essentiel de Karpathy contient ici un conseil utile : commencez chaque entrée de journal avec un préfixe cohérent comme ## [2026-05-01] daily-ingest donc l’ensemble du journal est analysable par grep avec les outils Unix de base.

Un coffre-fort sans ces fichiers accumule de la poussière. Avec eux, vous disposez d’un pipeline fonctionnel.

Le fichier de schéma : apprendre à toute IA à lire votre coffre-fort

CLAUDE.md est le point d’entrée. Chaque session commence ici.

Ce qu’il y a dedans :

• Le carte des dossiers (qu’y a-t-il dans Raw, qu’y a-t-il dans Wiki, à quoi sert chaque sous-répertoire)
• Lire commande (_hot.md toujours en premier, puis l’index du domaine concerné)
• Dur règles: « ne modifiez jamais les fichiers dans Raw/ », « n’inventez jamais de faits non présents dans les fichiers source », « toujours ajouter à _log.md après chaque exécution »
• Domaine structure (quels index existent, comment ils sont nommés)

Le fichier de schéma est également l’endroit où vous encodez votre incitant valeurs par défaut. J’utilise un pattern très connu, adapté directement dans le schéma :

I want to [TASK] so that [WHAT SUCCESS LOOKS LIKE].

First, read the uploaded files completely before responding.

DO NOT start executing yet. Ask me clarifying questions so we
can refine the approach together.

Only begin work once we've aligned.

Lorsque cela est intégré à votre schémachaque IA qui lit votre coffre-fort le sait déjà demander avant exécution. Vous arrêtez d’obtenir des résultats à moitié cuits d’un modèle qui supposait qu’il comprenait la tâche.

La philosophie d’incitation qui mérite d’être codée explicitement :

• Contexte bat les invites. Nourrissez les fichiers AI, pas les instructions.
• Exemples battre les ordonnances. Montrez ce que vous voulez, ne le décrivez pas.
• Contraintes battre les règles. Dites quel n’est PAS le résultat, laissez l’IA choisir comment.
• Objectifs battre les instructions. Dites quoi réaliser, pas comment.
• État la tâche et les critères de réussite. Deux phrases.

La couche d’automatisation : trois cadences, pas une

Deux échec modes que j’ai vus : vous mettez à jour le coffre-fort manuellement et tout va bien pendant une semaine, puis la vie arrive et cela fait trois semaines que rien n’a été classé.

Ou vous créez un gros travail automatisé qui ingère, synthétise et audite en un seul passage, et maintenant votre ingest quotidien consiste à éditer des fichiers Wiki auxquels ils ne devraient jamais toucher.

La solution est de séparer les emplois. Explorons-le ci-dessous.

Quotidien (matin de semaine) : ingestion uniquement

Tirer de vos sources. Déposez les nouveaux fichiers dans Raw/. File d’attente eux dans _pending.md. Récrire _hot.md basé sur ce qui a fait surface.

Aucune modification du wiki. Le travail quotidien est mécanique, rapide et suffisamment sûr pour être exécuté sans surveillance tous les jours.

Voici à quoi ressemble l’invite en pratique :

Every weekday morning, do the following:

1. Check [your project management tool] for items updated or
   created in the last 24 hours.

2. Check [your meeting notes source] for new transcripts. For
   each one found, save it as a markdown file in Raw/Meeting Notes/
   using the format YYYY-MM-DD — [meeting title].md.
   Add a line to Raw/_pending.md with the filename and date.

3. Check [your team communication tool] for messages in key
   channels. Extract decisions, action items, and anything
   that affects an active project.

4. Check [your email] for flagged or important messages.
   Summarize what needs attention.

After completing the above, rewrite Wiki/_hot.md with:
- The most active threads or open decisions from today's scan
- Any key numbers or deadlines that surfaced
- One line on anything urgent

Keep _hot.md under 500 tokens.

Remplacer les espaces réservés entre crochets avec vos outils réels. La structure fonctionne que vous utilisiez Linear et Slack, ou Notion et le courrier électronique, ou toute autre chose.

Hebdomadaire (lundi matin) : compilation

Lire _pending.md. Pour chacun non transformé fichier, lisez-le dans son intégralité, créez un structuré Page Wiki dans le bon dossier de domaine, mise à jour l’index pertinent, ajouter des backlinks vers des pages associées, marque l’entrée compilée.

Le hebdomadaire le travail fait de l’interprétation. Il synthétise le contenu brut en connaissances structurées. C’est plus lent, plus cher et cela vaut la peine de le revoir de temps en temps pour vérifier que l’IA classe correctement les choses.

Mensuel (1er du mois) : peluchage

Bilan de santé uniquement. Analysez l’intégralité du wiki à la recherche de pages obsolètes (dates ou statuts remplacés par un contenu plus récent), de backlinks manquants, de contradictions entre les pages, de lacunes de couverture et de pages orphelines non référencées dans aucun index.

Écrivez un fichier de rapport. Publiez un résumé en anglais simple. Ne réparez rien automatiquement.

Le mensuel le travail ne touche jamais directement le contenu du Wiki. Cette limite est ce qui permet de courir en toute sécurité sans surveillance.

Chaque cadence a une tolérance au risque différente : le quotidien est mécanique, le hebdomadaire fait l’interprétation et le mensuel fait le diagnostic. Les mélanger en une seule tâche est la façon dont les coffres-forts sont corrompus.

Sur l’outillage : tout système avec planification fonctionne ici. Une tâche cron avec une CLI compatible MCP, n8n ou un outil de bureau AI qui prend en charge les tâches planifiées.

Les invites ci-dessus sont la logique. Le coureur est interchangeable.

Ce qui change réellement

Tu t’arrêtes se réexpliqueret les conversations changent de caractère.

Quand contexte est déjà chargé, vous arrêtez d’utiliser l’IA pour des questions isolées et commencez à l’utiliser pour un travail réel.

L’IA sait vos projets ouverts, vos décisions récentes, votre équipe. Vous demandez : « que dois-je prioriser aujourd’hui ? » et ça lit _hot.md ainsi que vos fichiers de projet et vous donne une réponse fondée.

Portabilité c’est l’autre chose !

Votre contexte vit dans un dossier sur votre machine, pas dans le système de mémoire d’un IA. Indiquer une IA différente dans le même dossier et elle lit les mêmes fichiers. Changez d’outil quand vous le souhaitez. Le coffre-fort voyages.

Quelques modes de défaillance à connaître avant de construire :

_pending.md sauvegarde si l’ingestion quotidienne est trop large et si la compilation hebdomadaire ne peut pas la drainer assez rapidement. Resserrez ce que vous tirez quotidiennement.

Wiki dérives si personne ne lit _log.md. Le linter mensuel détecte cela, mais seulement si vous lisez réellement le rapport.

L’ensemble du système se brise si l’automatisation touche Raw. Un travail qui écrit à Raw « juste cette fois » et vous avez perdu la garantie de la source de vérité. Cette frontière ne se plie pas.

Le fastidieux Une partie du maintien d’une base de connaissances n’est pas la lecture ou la réflexion.

C’est le comptabilité. Mettre à jour les références croisées, maintenir les résumés à jour, noter lorsque de nouvelles données contredisent d’anciennes affirmations. Les humains abandonnent les wikis parce que entretien le fardeau augmente plus vite que la valeur.

LLM ne vous ennuyez pas, n’oubliez pas de mettre à jour une référence croisée et pouvez toucher 15 fichiers en un seul passage.

Karpathy fait remonter cela au concept Memex de Vannevar Bush de 1945, un projet personnel magasin de connaissances avec des pistes associatives entre les documents. La vision de Bush était plus proche de cela que de ce qu’est devenu le Web. La partie qu’il ne pouvait pas résoudre était de savoir qui effectuait la maintenance.

Le sauter J’ai utilisé Claude comme couche d’IA et un outil de démarque comme frontal.

Le modèle fonctionne avec n’importe quelle IA qui lit des fichiers et n’importe quel planificateur capable d’exécuter une invite sur une horloge ! Le dossier n’est qu’un dossier. Les fichiers ne sont que du texte.

Vous avez configuré cela une fois. Après cela, votre IA arrête de repartir de zéro.

Merci d’avoir lu!