Несколько независимых разработчиков — rohitg00, NicholasSpisak, GhelburLabs — после реализации оригинального паттерна столкнулись с одинаковыми проблемами. В Substack-статье «I rebuilt Karpathy's LLM Wiki. Here's what's missing» сформулированы три фундаментальных пробела:
1. Устаревание без сигнала. Когда LLM добавляет новую информацию, старые утверждения тихо противоречат новым. Нет механизма «supersession» — замены устаревшей версии факта.
2. Нет уверенности (confidence). Оригинальный Wiki не различает «это прямая цитата из источника» и «это я — LLM — вывел из нескольких источников». Провенанс-маркеры решают это.
3. Нет аналитики по форме vault'а. Нет понимания, какие страницы — «хабы», какие — изолированы, где пробелы. «Wiki-status» как команда стала стандартом в v2-реализациях.
extracted / inferred / ambiguous), Teaching Loop, wiki-lint на 8 проверок и cross-linker с scoring. Паттерн 2BRAIN опережает большинство публичных реализаций.
Опубликован 4 апреля 2026. 16M+ просмотров в X за первую неделю. Паттерн: raw/ → LLM → wiki/. Obsidian = IDE для работы с базой знаний. CLAUDE.md = «конституция» для LLM-агента.
Karpathy использует систему для личного AI-исследования. Его vault: ~100 статей и 400 000 слов — весь контент создан агентом инкрементально, пока он занимался обычными делами.
Dsébastien формулирует следующий этап после PKM: не ты организуешь базу знаний, а AI-агент проактивно наблюдает, предлагает действия и выполняет задачи на основе накопленных знаний.
Три принципиальных отличия от PKM: агент не ждёт запроса (он инициирует), он может действовать (не только отвечать), он учится на исправлениях (Teaching Loop).
2BRAIN реализует AKM через scheduled tasks, hooks, session-start.sh и Teaching Loop в memory/.
Каждое утверждение в wiki-странице тегируется по источнику:
Frontmatter содержит суммарный провенанс-блок: extracted: 0.72 / inferred: 0.25 / ambiguous: 0.03. Это позволяет аудировать, насколько wiki «галлюцинирует».
Новая slash-команда /wiki-status анализирует не контент, а граф: какие страницы — хабы (много входящих ссылок), какие — изолированные острова, где пробелы тем, какие кластеры тегов несвязаны.
Три вывода: hubs (топ-10 по входящим), orphans (0 ссылок), suggested connections (страницы, которые должны ссылаться друг на друга, но не делают).
В v2-реализациях скриншоты, фото досок и слайды ingested по тем же правилам, что текст: агент транскрибирует видимый текст как extracted, интерпретирует диаграммы как inferred.
Позволяет обрабатывать знания из любого формата без предварительной конвертации.
Третья волна реализаций добавила автоматический синтез без участия пользователя. Vault сам запускает агента по cron, агент сканирует _raw/, обрабатывает stub-файлы и обновляет wiki.
Именно этот паттерн реализован в 2BRAIN через research-synthesizer.sh + scheduled tasks Cowork.
Главное: Полностью переработана панель Settings — открывается в отдельном окне, поиск по названию и описанию настроек, навигация стрелками.
Редактор изображений: Картинки теперь выделяются клавиатурой, Delete удаляет изображение, работают Ctrl+C / Ctrl+X.
Mermaid: Диаграммы рендерятся сразу после разрешения в vault (без перезагрузки).
Mobile: iOS — исправлен краш при шаринге скриншотов.
Sébastien Dubois (автор AKM концепции) анонсировал плагин Life Tracker — интеграция трекинга жизненных метрик прямо в Obsidian. Позволяет вести journal с структурированными данными (сон, энергия, фокус) и строить Dataview-отчёты по ним.
Философия: PKM должна охватывать не только знания, но и паттерны поведения владельца.
Dsebastien публикует детальный разбор концепции Agentic Knowledge Management: рынок KM к 2026 — $16.2B, к 2034 ожидается $74B (CAGR 13.8%). Драйвер — интеграция генеративного AI в knowledge workflows.
Ключевой тезис: в 2026 проблема не в доступе к знаниям. Проблема — выживание в потоке: рассылки, фиды, встречи, подкасты, AI-ответы. PKM эволюционирует в AKM именно как ответ на этот вызов.
grep -rL "\[\[" wiki/ --include="*.md"grep -rL "^summary:" wiki/ --include="*.md"