Мало кто обратил внимание, но парадигма работы с персональными базами знаний тихо смещается от сложных RAG-пайплайнов к файловой персистентности. Главная проблема стандартного векторного поиска заключается в том, что нейросеть каждый раз переоткрывает контекст заново, не накапливая понимание. Недавно Андрей Карпати сформулировал более изящный подход: модель должна не вытаскивать куски текста на лету, а работать как автономный редактор, который непрерывно читает исходники и структурирует локальную директорию.

Именно эта механика легла в основу проекта Claude Wiki. Скрипт превращает агента Claude Code в полноценного куратора базы знаний для Obsidian. Система опирается на три слоя: неизменяемые документы в директории raw, сгенерированные страницы в папке wiki и скрытый файл CLAUDE.md. Последний действует как жесткая схема, заставляя агента сохранять правила маршрутизации и логику связей между терминальными сессиями.

Если копнуть глубже, меняется сам процесс усвоения информации. Когда вы передаете агенту новый источник командой /ingest, он не просто генерирует изолированное саммари. Нейросеть автономно обновляет страницы связанных сущностей в графе, переписывает устаревшие тезисы и фиксирует смысловые противоречия. Вся черновая работа по связыванию заметок перекладывается на LLM, а база знаний наконец-то получает свойство кумулятивного роста.