Karpathy X Radar

Karpathy X Radar

目标

以 Andrej Karpathy 的 X/Twitter 信息流为种子，持续扩散到他提到、转发、关注或被高质量讨论关联的人与主题，筛选出对 AI 知识库有长期价值的材料，并沉淀到 wiki/ai/。

这不是普通“追热点”，而是一个面向知识库建设的 social radar：

1. 从 Karpathy 的近期 posts / replies / quoted links 出发。
2. 识别反复出现的概念、人物、项目、论文、工具。
3. 对每个候选项判断：是否值得进入 LLM-Wiki。
4. 只把有结构价值的内容落库：概念页、实体页、来源页、比较页或实践想法。
5. 每日输出一份简短 digest，避免噪音污染 wiki。

种子账号

• X: @karpathy
• 个人站点: karpathy.ai
• 已知相关主题: AI education, LLM Wiki, vibe coding, agency, neural network training, AI-native learning, Tesla/FSD, OpenAI/Anthropic history

扩散规则

优先扩散到以下对象：

1. Karpathy 明确转发、引用、回复的人。
2. Karpathy 文章或长帖中提到的人/项目/论文。
3. 与已有 wiki 页面强相关的人：Anthropic, Claude, Matt-Pocock, Lilian-Weng, OpenSpec, Superpowers, gstack。
4. 对同一主题提供高信号反驳或补充的人，不只收同温层内容。

暂不扩散到：

• 纯营销账号。
• 只复述热点、无原创观点的 thread。
• 没有可验证来源的“爆料”。
• 与 AI 知识库主线无关的生活内容。

每日处理流程

1. 抓取 Karpathy 近期 X 内容；如 X API 不可用，则用公开 web 搜索兜底。
2. 抽取 links、引用账号、回复对象、关键词。
3. 对候选内容打分：

- relevance：是否贴近 AI/agent/engineering/education。

- novelty：是否带来新概念或新证据。

- durability：一周后是否仍值得读。

- actionability：能否转成 skill、workflow、eval 或 wiki page。

1. 只摄入高分内容；低分内容只在 digest 里简述或忽略。
2. 生成每日 raw note：raw/notes/x-karpathy-radar-YYYY-MM-DD.md。

1. 更新 _index.md 和 log.md。

质量门槛

进入 wiki 的内容至少满足一个条件：

• 提供一个可复用方法论。
• 指向一篇高质量长文、论文、代码库或课程。
• 解释一个已有概念的新角度。
• 能转化为 Hermes/LLM Wiki 的实践改进。
• 是 AI 领域重要人物或项目的原始观点。

当前状态

• 2026-06-18：已建立 radar 主题页。
• 本机已安装 xurl CLI，但当前 xurl auth status 显示没有注册 X app / OAuth token，因此不能直接执行 follow 或读取 authenticated timeline。
• 在用户完成 xurl OAuth 前，自动化任务使用公开 web 搜索作为兜底；完成授权后可切换为官方 X API。

2026-06-30 调整：默认 Web / 浏览器雷达

用户明确纠正：技术雷达不应默认走 xurl/X 抓取。新的默认入口是 web search + 无头浏览器打开原文：先发现最新文章、论文、项目、release、官网/博客内容，再筛选是否值得深度入库。

X/Twitter 只作为可选补充信号；除非用户明确要求看 X，否则不把 xurl 作为默认入口。高价值材料仍然按 LLM-Wiki 的 deep ingest 流程落库：保存 raw、更新 source/concept/entity、更新索引和日志，并在必要时重建向量索引。