Come far gestire all'agente la tua Knowledge Base: LLM Wiki + QMD | tutorial completo

Link al file .md usato nel video: https://www.dropbox.com/scl/fi/t3y95h... Nel video precedente abbiamo implementato LLM Wiki di Andrej Karpathy. In questa seconda parte facciamo un passo in più: aggiungiamo QMD per cercare dentro i file Markdown e trasformare la wiki in una vera knowledge base locale interrogabile da un agente AI come Opencode, Codex o Claude Code. L’obiettivo è semplice: dare all’LLM una sorta di memoria persistente sui file .md, così che possa ritrovare informazioni, note, decisioni, appunti e documentazione senza dover ricostruire tutto da zero ogni volta. Con LLM Wiki + QMD possiamo avvicinarci a un workflow molto interessante per chi usa AI agents, Obsidian, Markdown, note personali, documentazione tecnica o sistemi di knowledge management locali. [00:00] Introduzione a LLM Wiki e limiti di scalabilità [01:04] Cos'è QMD (Query Markdown Documents) per agenti IA [03:22] Architettura QMD: Query Expansion e LLM local [06:45] Ricerca Parallela: Vector Search vs Algoritmo BM25 [09:29] Reciprocal Rank Fusion e Reranking dei risultati [10:43] Installazione Portable di QMD e Node.js [13:35] Script di setup e configurazione del wrapper [17:15] Ottimizzazione retrieval: filtri e score di similarità [20:00] Calcolo degli embedding per documenti Markdown [23:41] Esempio di ricerca ibrida e analisi output JSON [27:23] Configurazione Agent.md per integrazione OpenCode [28:44] Test finale: Retrieval delle fonti e citazione automatica Nel video vediamo: come aggiungere QMD a LLM Wiki come cercare nei file Markdown .md come trasformare una wiki in una knowledge base AI come usare la ricerca locale con un agente LLM come far interrogare all’AI le proprie note differenze tra semplice RAG, wiki persistente e ricerca nei file come collegare LLM Wiki, QMD, Obsidian e workflow agentici perché i file Markdown possono diventare una memoria utile per un LLM come migliorare il workflow proposto da Karpathy per LLM Wiki L’idea alla base è che i file .md non siano solo appunti statici, ma una base di conoscenza leggibile, modificabile e interrogabile. QMD permette di aggiungere un livello di ricerca sopra la wiki, rendendo molto più pratico trovare informazioni quando la quantità di note, documenti e fonti cresce. Questo approccio può essere utile se stai cercando: LLM Wiki tutorial, come usare QMD con LLM Wiki, Karpathy LLM Wiki in italiano, ricerca semantica locale su file Markdown, knowledge base AI locale, memoria permanente per agenti AI, RAG locale con file .md, Obsidian AI workflow, AI agents con Markdown, personal knowledge base con LLM, AI note taking system, come far leggere le proprie note a un LLM, LLM con memoria sui documenti, knowledge management con intelligenza artificiale. Nel primo video abbiamo visto come implementare LLM Wiki partendo dal gist di Karpathy. Qui invece ci concentriamo sulla parte successiva: rendere quella wiki più utile, cercabile e integrabile in un workflow reale con strumenti come QMD, Obsidian e agenti AI. Se ti interessano temi come LLM Wiki, RAG locale, knowledge base personali, Obsidian + AI, Markdown, AI agents e sistemi per trasformare note e documenti in memoria consultabile da un modello linguistico, questo video è pensato per te. Gist originale di Andrej Karpathy: https://gist.github.com/karpathy/442a... File Markdown del gist LLM Wiki: https://gist.github.com/karpathy/442a... Repository QMD: https://github.com/philschmid/qmd Sito personale di Andrej Karpathy: https://karpathy.ai/ https://obsidian.md/ #LLMWiki #QMD #RAG #AI #Obsidian #Markdown #KnowledgeBase #AIAgents #LLM #Karpathy #ArtificialIntelligence #MachineLearning