RAG è già vecchio? Il nuovo modo di costruire Knowledge Base per AI con LLM Wiki

Entra nella mia Accademia AI:https://www.rizzoaiacademy.com/ Vuoi sviluppare soluzioni AI avanzate: https://inferentia.xyz IG:   / simorizzo_ai   In questo video ti mostro il nuovo approccio per costruire una Knowledge Base per AI usando LLM Wiki. Partiamo dalle basi e facciamo un percorso completo: cos’è RAG (Retrieval Augmented Generation) e quali sono i suoi limiti come funziona Agentic File Search perché LLM Wiki rappresenta un’evoluzione importante per la memoria degli agenti AI come si struttura una wiki persistente in Markdown come installarla e usarla concretamente demo pratica step by step L’idea chiave è questa: invece di recuperare frammenti ogni volta da zero, la conoscenza viene compilata, aggiornata e mantenuta nel tempo. È un cambio di paradigma molto interessante per chi vuole costruire agenti AI più affidabili, con memoria esterna più utile, navigabile e cumulativa. Nel video vediamo anche: differenze pratiche tra RAG, Agentic Search e LLM Wiki struttura della knowledge base workflow di ingest, query e manutenzione casi d’uso reali per ricerca, team, studio e sistemi AI più avanzati Riferimenti: Post di Karpathy: https://x.com/karpathy/status/2039805... Repo ufficiale / gist: https://gist.github.com/karpathy/442a... Scrivimi nei commenti se vuoi che nel prossimo video ti mostri anche come costruire una LLM Wiki locale, integrarla con un agente, oppure confrontarla con un sistema RAG classico. 00:00 Introduzione a LLM Wiki e Andrej Karpathy 01:22 Perché gli LLM hanno bisogno di memoria esterna 02:03 Gen 1: Cos'è il RAG (Retrieval Augmented Generation) 05:05 Gen 2: Agentic File Search e File System 07:25 Limiti del RAG e vantaggi degli Agenti 09:56 Gen 3: LLM Wiki e la visione di Karpathy 11:46 La struttura tecnica: Raw, Wiki, Index e Log 13:11 Obsidian: l'interfaccia per la Knowledge Base 14:26 Come l'AI esplora e risponde usando la Wiki 16:43 Formato MARP e fase di Linting (Health Check) 18:00 I tre livelli dell'architettura 21:07 Tutorial: Installazione di Obsidian e Web Clipper 22:36 Configurazione dell'agente AI e prompt iniziale 24:39 Esempio pratico: Ingestione dati dal Web 27:36 Creazione della Knowledge Base in tempo reale 30:10 Querying: Interrogare la propria Wiki 32:38 Case Study: Inserimento e analisi di documenti PDF 37:32 Generare presentazioni automatiche con MARP 39:36 Manutenzione automatica della Wiki (Linting) 40:36 Confronto finale tra RAG, Agentic e LLM Wiki 42:31 Conclusioni e riflessioni finali #agenticai #llm #aiagent