Étude de cas : wiki LLM à la Karpathy – le context engineering en pratique
Le context engineering comme concept : un wiki personnel et évolutif comme source de contexte locale pour les requêtes LLM – structuré plutôt qu’une recherche vectorielle naïve.
Le context engineering comme concept – le positionnement central.
Stack technique : TypeScript · PostgreSQL · Qwen3 · Ollama
Problème
Les notes, apprentissages et recherches étaient éparpillés dans des fichiers isolés. Pour nourrir utilement un LLM avec mon propre savoir, il manquait une source structurée et en croissance continue, au lieu de bribes éparses.
Mon rôle
Conception et réalisation en solo – modèle de données, backend et intégration des LLM locaux.
Solution
Un wiki personnel suivant le modèle de Karpathy : le savoir est accumulé en continu et stocké de façon structurée dans PostgreSQL, TypeScript comme stack de bout en bout, Qwen3 via Ollama pour les fonctions LLM locales. L’accent est mis sur le context engineering – le wiki fournit précisément le bon contexte au modèle au lieu d’une recherche vectorielle naïve.
Résultat
Une base de connaissances personnelle et évolutive qui sert de source de contexte locale pour les requêtes LLM – entièrement hors cloud.
Enseignements
Le context engineering en pratique : des notes structurées et accumulées battent la recherche vectorielle naïve. La valeur naît d’un entretien rigoureux – un wiki ne vaut que par la discipline qui le soutient.