mindbase

MindBase — Karpathy の LLM Wiki を製品化

Andrej Karpathy の LLM Wiki のアイデアを実装したオープンソースプロジェクトです。AI があなたのソースから Wiki を作成し、維持します。 ベクトル DB による RAG ではありません。ディスク上に実際の Markdown Wiki があり、会話の合間に LLM が手入れをします。

npx mindbase-app

コマンドを 1 つ実行するだけで、ローカルサーバーを起動し、ウェブアプリを開き、RAM に合った無料のローカルモデルの選択を案内します。API キーは不要で、データがマシンの外に出ることもありません。（Node 20 以上）

MindBase は Andrej Karpathy の LLM-Wiki パターンを実装しています。ソース（論文、記事、考えなど）を渡すと、LLM が読み込み、相互参照し、矛盾を指摘し、構造化された Wiki ページを書き込みます。その後、質問すると、Wiki にはすでに統合された回答があります。質問のたびにベクトル検索で再導出する必要はありません。

ステータス： 早期アクセス、積極的に開発中です。最新情報：CHANGELOG · リリース

MindBase を選ぶ理由

あなたは論文、記事、ツイート、ドキュメントをたくさん読みます。それらを覚え、結び付け、そこから意見を形成したいと思っています。現在、選択肢は 2 つありますが、どちらも不十分です。

• Notion / Obsidian / Roam： 受動的な入れ物です。整理はすべて自分で行います。AI 機能は後付けの生成機能であり、メンテナンスではありません。
• NotebookLM / Perplexity Pages / ChatGPT search： RAG ベースです。情報は蓄積されません。質問するたびに、未加工のソースから回答を再導出します。

MindBase は第 3 の選択肢です。 ソースを渡していくと、LLM が永続的で構造化された Wiki を積極的に維持します。知識が蓄積されていきます。ソースを追加するたびに context.md の内容が洗練されます。あなたの考えはチャット履歴に保存されて要約で消えてしまうのではなく、Markdown ファイルに書き留められるため、AI はセッションをまたいであなたを覚えています。

AI インターンが代わりに書いてくれる個人用 Wikipediaのようなものです。常に最新で、相互参照され、わからないことについても正直です。

仕組み（30 秒）

ディスク上の 3 つの物理レイヤー（Karpathy のモデル）：

このループは 3 つの操作で実行されます。ingest（AI がソースを読み、要点を話し合い、Wiki の更新をあなたが承認します）、build（未構築のすべての内容から context.md を再生成します）、lint（AI が自分の Wiki を監査し、矛盾、古くなった主張、孤立したページを探します）。

他との違い

• AIは書き込む前に確認します。 取り込みのたびに要点とチェックボックス付きの計画が表示され、承認した内容だけが書き込まれます。ナレッジがブラックボックスで編集されることはありません。
• Wikiにメモが取り込まれる様子を確認できます。 各メモにはステータスチップが表示され、取り込み前は✨ Wikiに追加、取り込み後は✓ Wikiに掲載となります。
• ナレッジを自分で監査します。 1つのコマンドでWiki全体を再読し、矛盾があれば、相反する文を正確に引用して報告します。NotionやNotebookLMでは、構造上これを実行できません。
• デフォルトで無料、ローカルで動作します。 ハードウェア検出ウィザードが、お使いのRAMに最適なOllamaモデルをインストールします。クラウドキーは任意です。
• ディスク上のプレーンなMarkdownです。 grepやgitで扱ったり、Obsidianで開いたり、いつでも離れたりできます。

インストール

ブラウザー（最速）： npx mindbase-app — 上記の手順を参照してください。すべてlocalhost:4321でローカルに動作します。

Claude Code（主力）： サブエージェント、スラッシュコマンド、エージェントごとのツール境界を備えた、Karpathyの8ステップ完全取り込み機能です。

/plugin marketplace add frankchu91/mindbase-llm-wiki
/plugin install mb@mindbase

再起動を求められたら再起動し、/と入力してください。/mb:contribute、/mb:build、/mb:ask、/mb:lintなど、さらに8個が表示されます。厳格なツール許可リストを持つ5つのサブエージェントが利用できます（ビルダーにはファイル書き込みツールがなく、アトミック書き込みのMCP呼び出しのみを使用します）。さらに、プロジェクトのコンテキストを自動挿入するSessionStartフックも利用できます。

{ "mcpServers": { "mindbase": { "command": "npx", "args": ["-y", "mindbase-mcp"] } } }

{ "mcpServers": { "mindbase": { "command": "npx", "args": ["-y", "mindbase-mcp"] } } }

{ "mcpServers": { "mindbase": { "command": "npx", "args": ["-y", "mindbase-mcp"] } } }

{ "experimental": { "modelContextProtocolServers": [ { "transport": { "type": "stdio", "command": "npx", "args": ["-y", "mindbase-mcp"] } } ] } }

次のステップ： 最初のプロジェクトを作成し、日常的に使う4つのワークフローを**ガイド →**で確認しましょう。

Web UI

0.3 以降、ブラウザーアプリは単体で動作します。フル機能の WYSIWYG エディターでメモを作成し（Cmd+N）、どこからでも素早く情報を取り込み（Cmd+I）、承認カードを使って AI 操作を実行できます：/contribute、/build、/lint、/research。ライブデモは ウェブサイト でご覧いただけます。

無料のローカルモデル： セットアップウィザードがハードウェアを検出し、適切なモデルをインストールします — llama3.2:3b（8GB）、qwen3:14b（24GB 以上）、または Meta の Muse Glimmer 30B（Apple Silicon で 32GB 以上、Ollama ≥ 0.32.7）。実測に基づく目安：対話型の作業には qwen3:14b（約 30 秒）、バックグラウンドの lint/build には Glimmer が適しています。処理は遅くなりますが、競合する文を正確に引用して指摘します。チャット入力欄のモデル切り替えを使えば、2 回のクリックで切り替えられます。

データの保存場所

すべてのデータは ~/mindbase-data/ 配下のプレーンな Markdown です（上書きする場合：MINDBASE_DATA_DIR）。

~/mindbase-data/projects/my-research/
├── README.md                 # Ops manual — you edit, LLM reads
├── context.md                # Synthesized truth — LLM writes, you approve
├── index.yaml                # Auto-generated catalog
├── sources/
│   ├── contributors/<you>/   # Your dated entries + notes (append-only)
│   ├── research/             # LLM-authored wiki pages
│   └── raw/                  # PDFs, HTML captures
├── logs/                     # Chronological operation log
├── artifacts/                # Briefs, exports, lint findings
└── state/builder/snapshots/  # context.md snapshots for rollback

独自仕様のデータベースはありません。ディスク上に見えるものが MindBase の持つ情報です。git init で Git リポジトリを初期化したり、任意の方法でバックアップしたり、rm -rf でプロジェクトを削除したりできます。

アーキテクチャの概要

 Claude Code / Cursor / any MCP editor          Web UI (npx mindbase-app)
        │  MCP · sub-agents with                       │  /commands ·
        │  per-agent tool allowlists                   │  approval cards
        └─────────────┬─────────────────────────┬──────┘
                      ▼                         ▼
        ┌──────────────────────────────────────────────┐
        │  One ops engine: gather context → single     │
        │  constrained JSON completion → human         │
        │  approval → whitelisted executors → log      │
        └─────────────────────┬────────────────────────┘
                              ▼
              ~/mindbase-data/ · plain markdown
              (LLM: Ollama local models or any cloud key)

モノレポ：packages/core（TS strict ライブラリ）・apps/mcp（49 ツールの MCP サーバー）・apps/server + apps/web（Express + React UI）・apps/app（npx ランチャー）・apps/plugin（Claude Code バンドル）。

ドキュメントとヘルプ

• ガイド — 最初のプロジェクト、日々使う 4 つのワークフロー、複数プロジェクトのルーティング、トラブルシューティング
• ウェブサイト — ライブデモ
• 変更履歴 · Issue — ベータ期間中、すべての Issue に当日中に返信します
• アイデアの源： Karpathy の LLM Wiki gist

ロードマップ

次の予定： ワンクリックでページを取り込めるブラウザー拡張機能 · Whisper による音声入力 · Cursor/Windsurf でスラッシュコマンドのような UX を実現する統合メタツール。 その後： 人間が介在するレビュー付きチームプロジェクト · 音声ダイジェスト · デスクトップアプリ · モバイルからの情報取り込み。

フィードバック

ベータ版は 2026-Q4 までです。MindBase を試してみたものの、使うのをやめてしまった方は、理由をぜひ教えてください：Issue または [email protected]。遭遇した問題は、今後の改善にとても役立ちます。

ライセンス

MIT — 自由にご利用ください。保証はありません。これをベースに面白いものを作ったら、ぜひ教えてください。

AI がもたらす最も価値ある贈り物は「必要に応じた生成」ではなく、「自分が所有する永続的な成果物を育てること」だという信念のもとに開発されています。