LLM-Wiki nach Karpathy – Context Engineering in der Praxis
Context Engineering als Konzept: ein persönliches, wachsendes Wiki als lokale Kontextquelle für LLM-Abfragen – strukturiert statt naiver Vektorsuche.
Notizen, Learnings und Recherche lagen verstreut in losen Dateien. Um ein LLM sinnvoll mit dem eigenen Wissen zu füttern, fehlte eine strukturierte, kontinuierlich wachsende Quelle statt einzelner Snippets. Konzeption und Umsetzung – Datenmodell, Backend und lokale LLM-Anbindung – lagen im Alleingang bei mir.
Tech-Stack: TypeScript · PostgreSQL · Qwen3-32B · Ollama
Ein Wiki nach Karpathy-Muster
Wissen wird fortlaufend akkumuliert und strukturiert in PostgreSQL abgelegt, TypeScript ist der durchgängige Stack, Qwen3-32B via Ollama übernimmt die lokalen LLM-Funktionen. Der Fokus liegt auf Context Engineering – das Wiki liefert dem Modell gezielt den richtigen Kontext, statt auf naive Vektorsuche zu setzen.
Das Ergebnis
Eine persönliche, wachsende Wissensbasis, die als lokale Kontextquelle für LLM-Abfragen dient – vollständig ohne Cloud.
Was ich daraus mitnehme
Context Engineering funktioniert in der Praxis: strukturierte, akkumulierte Notizen schlagen naive Vektorsuche. Der Wert entsteht durch konsequente Pflege – ein Wiki ist nur so gut wie die Disziplin dahinter.