Skjoldemose.AI
ArtiklerReposBaggrund

Skjoldemose.AI

Navigation

ArtiklerReposBaggrund

Nyhedsbrev

Trending Open Source, en gang om måneden.

Kontakt

skjoldemosejohansen@gmail.comLinkedInYouTube

© 2026 Skjoldemose.AI. Alle rettigheder forbeholdes.

←Open Source
1. maj 2026

Obsidian LLM Wiki: En wiki der vedligeholder sig selv

ObsidianVidensstyringAI-agenterOpen Source

Overblik

Projekt

Obsidian LLM Wiki


Udgiver

Andrej Karpathy


Format

GitHub Gist (guide, ikke kode)


Forudsætning

Claude Code eller andet agentisk udviklingsværktøj


Målgruppe

Studerende, medarbejdere og virksomheder der vil løfte deres vidensstyring


Pris

Gratis

Andrej Karpathy

Tidl.Tesla Autopilot
MedstifterOpenAI
StatusAI-pioner

De fleste studerende, medarbejdere og virksomheder drømmer om professionel vidensstyring. De fleste ved dog også, hvor udfordrende den øvelse er i praksis.

Der findes mange IT-systemer med mangelfuld dokumentation, og tilsvarende findes der mange virksomheder, som ikke har dokumenteret deres processer optimalt. Det er der mange gode grunde til, og den vigtigste af dem er vedligeholdelse. Processer og systemer udvikler sig, hvilket betyder, at dokumentation også skal udvikle sig, hvis den ikke skal ende med at være ligegyldig.

Idéen

En pioner har adresseret problemet

Denne udfordring har Andrej Karpathy taget fat på. Han er en pioner i AI-verdenen, har været en af hovedarkitekterne bag Tesla Autopilot og er medstifter af OpenAI. Når han udgiver noget, bliver der lyttet.

Denne blog handler om open source-projekter, så det her er lidt specielt. Omdrejningspunktet er nemlig ikke et repository med kodefiler, som udgør et system. Det er en gist, altså en kort guide, der beskriver en metode til at anvende Obsidian.

Guiden har spredt sig som en steppebrand. En masse af de YouTubere, jeg selv følger, har bygget systemer på baggrund af idéen.

Konceptet

En wiki der vedligeholdes af en sprogmodel

Kort forklaret er idéen en personlig wiki, hvor en sprogmodel står for al vedligeholdelsen. Du tilføjer kilder som artikler, rapporter eller mødenoter og spørger til indholdet. Sprogmodellen læser kilderne, opsummerer, opretter sider, opdaterer eksisterende og holder krydshenvisninger konsistente.

Rollefordeling. Du står for kuratering, retning og de gode spørgsmål. Sprogmodellen gør alt det kedelige, det Karpathy selv kalder “the grunt work”: at opsummere, krydshenvise, arkivere og holde styr. Wikien vokser ikke af sig selv. Den vokser, når du føder den med kilder.

Det er heller ikke et produkt eller et system, man installerer. Det er et idé-dokument eller mønster, man kopierer ind i sin LLM-agent, og som agenten derefter hjælper med at bygge ud i praksis.

Sådan virker det

Tre operationer: Ingest, Lint og Query

Hele arbejdet med wikien kredser om tre kommandoer, du giver til sprogmodellen.

Ingest

Nye filer skal inkorporeres i wikien.

Lint

Kig efter uoverensstemmelser og ret til.

Query

Stil et spørgsmål og få et svar på tværs af alt, wikien ved.

Anvendelse

Fra kodedokumentation til personligt vidensunivers

Jeg har set eksempler på udviklere, der anvender metoden til at gøre dokumentation automatisk. Jeg har set folk bruge den til at skabe deres personlige, professionelle vidensunivers. Uanset hvad man vil bruge det til, er det super nemt at sætte op.

Jeg har personligt anvendt det til at dokumentere et system hos KMD. Fordi vi bruger Azure, kan man synkronisere Obsidian med en Azure DevOps-wiki, hvilket betyder, at hver gang Obsidian opdaterer, så gør Azure-wikien det også.

Jeg dokumenterede et temmelig omfattende system på to dage. Det er hæftige sager.

Værdien

Bedre, billigere, mere tilgængelig

I mine øjne kan metoden gøre dokumentation markant bedre, mere tilgængelig og minimere omkostningerne ved at skabe dokumentation drastisk.

Bedre

Når vedligeholdelsen ikke længere afhænger af, at nogen husker at opdatere en side, holdes dokumentationen mere konsistent, fordi sprogmodellen ikke bliver træt af bogføring.

Mere tilgængelig

Obsidian håndterer links og struktur automatisk, så man kan finde tingene igen. Og med synkronisering til f.eks. Azure DevOps kan hele organisationen læse med.

Billigere

At dokumentere et omfattende system på to dage i stedet for uger ændrer regnestykket for, hvorår det overhovedet kan betale sig at lave grundig dokumentation.

Ærlig vurdering

Skaleringsudfordringerne

Det skal nævnes, at mønstret bygger på simple markdown-filer og en indeksfil som sprogmodellen læser for at finde rundt. Det virker overraskende godt op til f.eks. 100 kilder og flere hundrede wiki-sider.

Ved større skalaer bliver man nødt til at supplere med rigtig søgning. Et oplagt supplement er værktøjet qmd, en lokal søgemotor til markdown-filer med hybrid søgning og AI-rerangering. For de fleste personlige vidensbaser og mindre systemdokumentationer ligger man dog under den grænse.

Video

Sådan sætter du det op

Jeg har lavet en video, der viser hvordan man sætter en Obsidian LLM Wiki op på sin egen computer fra bunden.

Det er en forudsætning, at man har Claude Code eller et andet agentisk udviklingsværktøj til rådighed.

Læs mere

Karpathys oprindelige gist

Den originale guide til Obsidian LLM Wiki

→

Download Obsidian

Gratis app til personlig videnstyring

→

Claude Code

Agentisk udviklingsværktøj fra Anthropic

→

Nyhedsbrev

Jeg sender en lignende gennemgang af et Open Source-projekt ca. en gang om måneden.