Fallstudie: LLM-Wiki nach Karpathy – Context Engineering in der Praxis
Context Engineering als Konzept: ein persönliches, wachsendes Wiki als lokale Kontextquelle für LLM-Abfragen – strukturiert statt naiver Vektorsuche.
Context Engineering als Konzept – die Kern-Positionierung.
Tech-Stack: TypeScript · PostgreSQL · Qwen3 · Ollama
Problem
Notizen, Learnings und Recherche lagen verstreut in losen Dateien. Um ein LLM sinnvoll mit dem eigenen Wissen zu füttern, fehlte eine strukturierte, kontinuierlich wachsende Quelle statt einzelner Snippets.
Meine Rolle
Konzeption und Umsetzung im Alleingang – Datenmodell, Backend und lokale LLM-Anbindung.
Lösung
Ein eigenes, persönliches Wiki nach dem Karpathy-Muster: Wissen wird fortlaufend akkumuliert und strukturiert in PostgreSQL abgelegt, TypeScript als durchgängiger Stack, Qwen3 via Ollama für lokale LLM-Funktionen. Fokus auf Context Engineering – das Wiki liefert gezielt den richtigen Kontext ins Modell statt naiver Vektorsuche.
Ergebnis
Persönliche, wachsende Wissensbasis, die als lokale Kontextquelle für LLM-Abfragen dient – vollständig ohne Cloud.
Erkenntnisse
Context Engineering in der Praxis: strukturierte, akkumulierte Notizen schlagen naive Vektorsuche. Der Wert entsteht durch konsequente Pflege – ein Wiki ist nur so gut wie die Disziplin dahinter.