無料メモアプリObsidianにAIを組み合わせるだけで、
ブックマークの山が「使える辞典」に変わる。
元Tesla AIディレクター・OpenAI創業メンバーのAndrej Karpathyが公開した「LLMナレッジベース」という手法で、
プログラミング知識なしで始められる。
集める→整理→つなげる→質問→チェックの5ステップを、
実際の手順つきで解説する。
情報は集めてるけど整理ができてない人。
過去に調べたことが思い出せなくなる人。
「あの記事どこだっけ」が口癖になってる人。
そういう人のための記事だ。
ブックマーク管理とKarpathy式ナレッジベース、何が違う？
情報の管理方法って、
大きく3パターンある。
ブックマークで貯める。
AIに「まとめて」と頼む。
そしてKarpathy式。
違いを表にした。
| ブックマークで管理 | AIに「まとめて」 | Karpathy式 | |
|---|---|---|---|
| 情報のつながり | 見えない | 1回きりの要約 | AIが自動でリンクを張る |
| 蓄積 | フォルダが増えるだけ | 会話が終わったらリセット | 記事が増えるほど賢くなる |
| 検索 | 自力で探す | 毎回ゼロから聞く | 過去の調査結果から回答 |
| 矛盾チェック | 自分で気づくしかない | 単発の指摘 | 定期的にAIが全体を点検 |
| 維持コスト | 高い（自分で整理） | なし（蓄積もなし） | 低い（AIが自動管理） |
注目してほしいのは「蓄積」の行だ。
ChatGPTに「まとめて」と聞いても、
会話が終わったら消える。
先週聞いたことは覚えてない。
でもKarpathy式は知識がファイルとして残る。
増えれば増えるほどAIの回答が正確になる。
Karpathyさんの表現を借りると「AIの長期記憶を、
自分で設計してる」。
これがこの方法の本質だと思ってる。
Obsidian AIナレッジベースはどんな場面で使える？
毎日AIニュースを追ってるのに「先週のあのツール」が出てこない
自分はAI情報の発信をやってる。
毎日記事を書いて、
X投稿を作って、
TikTokも作る。
情報量がえぐい。
「あのツール、
先週の記事で書いたっけ？」「KlingとVeoの比較、
前に調べたよな……」毎回こうなる。
ナレッジベースがあれば話が変わる。
「先週Klingで書いた記事の要点は？」と聞くだけだ。
過去記事を全部覚えてるアシスタントが手に入る。
しかもヘルスチェックで「最近コーディング系の記事が減ってますよ」と教えてくれる。
ネタの偏りにも気づけるわけだ。
週刊まとめ記事の下書きにも使える。
発信者にとっては最強の裏方ツールだと思う。
自分の場合、
AI活用の記事を毎日書いてるのでネタの管理が一番の課題だった。
ナレッジベースに過去記事を全部入れておけば「このツール前に書いた？」「最近手薄なジャンルは？」がAIに聞けるようになる。
週刊まとめ記事の下書きにも使ってる。
100ページの報告書を全部読む前に「大事なとこ」を把握したい
取引先から届いた長い資料。
全部読んでる時間はない。
でも「要約して」だと大事な部分が落ちる。
ナレッジベースに放り込んで「核心は？」と聞く。
AIが全体を読んで、
要点を出してくれる。
しかも「3ページと47ページで数字が違う」みたいな矛盾まで見つけてくれる。
全部読むより圧倒的に早い。
過去の調べ物に「あとから質問できる」のが地味にすごい
Karpathyさんによると、
Wikiが100記事・約40万語になるとかなり使えるようになる。
「この分野で注目すべきトレンドは？」「AとBのアプローチ、
何が違う？」「今のWikiに足りない視点は？」
こういう質問に、
自分の過去の調査から答えが返ってくる。
Google検索じゃない。
自分専用の検索エンジンだ。
ネットの一般論じゃなく、
自分の興味に基づいた答え。
これがKarpathy式の一番の価値だと思う。
Obsidian AIナレッジベースの料金・必要なものは？
必要なものは3つだけ。
1. Obsidian（無料）
パソコンにインストールするメモアプリだ。
個人利用は完全無料。
サインアップも不要。
Windows、
Mac、
Linux、
iOS、
Androidに対応している。
インターフェースは設定画面から日本語に切り替えられる。
NotionやEvernoteとは違う。
データが全部自分のパソコンに保存される。
クラウドに預けない。
だからAIに「このフォルダ読んで」がそのままできる。
これがKarpathy式との相性がいい理由だ。
2. Obsidian Web Clipper（無料）
ブラウザの拡張機能。
ネット記事をワンクリックでObsidianに保存できる。
Chrome、
Safari、
Firefox、
Edge、
Brave、
Arcに対応。
オープンソースで無料だ。
テンプレート機能もあるので、
記事の種類によって保存形式を自動で変えられる。
3. AI（Claude Code推奨）
Claude Code、
ChatGPT、
Geminiなど、
ふだん使ってるAIでOK。
Claude Codeなら一番相性がいい。
フォルダの中身を直接読めるから、
「このフォルダ読んでWikiにして」で終わる。
他のAIだとファイルのアップロードが手間になる。
オプション: Obsidian Sync
複数デバイスで同期したい場合に使う。
年払いで月4ドル、
月払いで月5ドル。
学生・教員・NPO職員は40%オフになる。
GoogleドライブやiCloudでも代用できるので、
なくても始められる。
Obsidian × AIナレッジベースの作り方は？（5ステップ）
ステップ1: Obsidianを入れてフォルダを作る
Obsidian公式サイト（obsidian.md）からダウンロードする。
インストールはふつうのアプリと同じ。
起動したら「保管庫を作成」を選ぶ。
保管庫とは、
メモを入れるフォルダのことだ。
名前は好きなもので大丈夫。
その中に2つのフォルダを作る。
「raw」と「wiki」。
rawは生データを入れる場所。
wikiはAIが整理した辞典を置く場所。
Karpathyさんのパイプラインはこの2層構造が基本だ。
ステップ2: Web Clipperで素材を集める
Obsidian Web Clipperをブラウザに追加する。
Chrome Web StoreやFirefox Add-onsから入れるだけ。
気になった記事を見つけたら、
拡張機能のアイコンをクリック。
ワンクリックでraw/フォルダに保存される。
画像も一緒に保存するのがポイント。
AIが画像も読めるようにするためだ。
この段階では整理しなくていい。
とにかく「気になったら入れる」。
整理はAIの仕事。
人間は選球眼だけ発揮すればいい。
ステップ3: AIに「Wiki化して」と頼む（ここが核心）
ここがKarpathy式の一番おもしろいところ。
「コンパイル」と呼ばれてるステップだ。
要は「バラバラの素材を使える形にまとめる」こと。
Claude Codeならこう伝えるだけでいい。
「raw/フォルダの中身を全部読んで、
トピックごとにまとめたWikiをwiki/フォルダに作って。
関連するトピック同士はリンクでつないで。
index.mdも作って」
AIがやることはこう。
全データの要約を作る。
トピックごとの記事を書く。
関連する記事同士をリンクでつなぐ。
カテゴリに分類する。
index.md（目次ファイル）を作る。
log.md（更新履歴）を作る。
散らかった素材から、
整理された辞典が出来上がる。
しかもリンクが双方向に張られる。
AからBを参照してたら、
BからもAに戻れる。
Obsidianの「グラフビュー」で見ると、
知識の関連図が視覚的に見える。
どこが密集してて、
どこがスカスカか一目で分かるわけだ。
新しい素材を追加したら？「この新しいファイルをWikiに統合して」と頼むだけ。
AIが既存記事を更新して、
リンクも張り直してくれる。
ステップ4: 蓄積して質問する
Wikiが育ってきたら、
質問を投げる。
Claude Codeに「wiki/フォルダを読んで、
○○について教えて」と聞くだけ。
「動画生成ツールで一番コスパがいいのは？」「先月調べたAIコーディングツールの比較は？」「このテーマで記事書くなら、
どの角度がまだ手薄？」
AIは自分が集めた情報から答えてくれる。
ネットの一般論じゃない。
自分の調査結果に基づいた答えだ。
もっとおもしろいのは、
Karpathyさんは質問への回答自体もWikiに保存してること。
質問と回答が知識として蓄積されていく。
聞けば聞くほどナレッジベースが育つ。
よくできた仕組みだなと思う。
ステップ5: AIにヘルスチェックさせる
これがKarpathy式の隠し球。
AIにWiki全体の「健康診断」をさせる。
Karpathyさんは「lint（リント）」と呼んでる。
プログラムの品質チェックと同じ発想だ。
Claude Codeにこう頼む。
「wiki/フォルダを全部読んで、
矛盾してる箇所、
古くなった情報、
抜けてるトピック、
リンク切れを教えて。
次に調べるべきことも提案して」
こういう指摘が返ってくる。
「記事Aと記事Bで数字が違います」「この分野の記事が少ないです」「次はこのテーマを調べるといいです」
自分じゃ気づかない穴を、
AIが見つけてくれる。
知識の偏りや矛盾に人間が気づくのは、
正直むずかしい。
定期的にチェックさせることで、
ナレッジベースの質が保たれるわけだ。
なぜKarpathy式で知識が「育つ」のか？
どんな質問をするか
選球眼を発揮する
リンク接続
矛盾チェック・品質管理
「AIにメモ整理させるなんて前からできたでしょ」と思うかもしれない。
でもKarpathy式が根本的に違うのは「蓄積の仕組み」だ。
ふつうのAIチャットは会話が終わったらリセットされる。先週の会話は覚えてない。
Karpathy式は知識がマークダウンファイルとして残る。
ただのテキストファイルだから、
10年後でも開ける。
ツールが変わっても中身はそのまま使い回せる。
クラウドサービスが終了しても、
データは手元にある。
しかもAIに任せてるのは「つまんない部分」だ。
リンクを張る。
目次を更新する。
矛盾を探す。
人間がやると10分で飽きる作業を、
AIは文句も言わずにやってくれる。
Karpathyさんの言葉がうまい。
「ナレッジベース維持でめんどくさいのは帳簿管理。
それをLLMがやってくれる」。
人間は「何を集めるか」「どんな質問をするか」に集中する。
AIは「整理・接続・チェック」に集中する。
この役割分担が、
知識を「使い捨て」から「育てるもの」に変える。
これが広まったら「情報格差」の意味が変わると思ってる。
「どれだけ知ってるか」じゃなくて「どれだけ構造化できるか」の勝負になる。
同じ100記事を読んでも、
散らかったままの人と構造化した人では出てくるアイデアの質が違う。
Obsidian AIナレッジベースのよくある疑問は？
Q. プログラミングの知識がなくても使える？
使える。
Obsidianのインストールはふつうのアプリと同じだ。
Web Clipperも拡張機能を追加するだけ。
AIへの指示は日本語の文章でOK。
Claude Codeなら「このフォルダ読んでWikiにして」で完結する。
分からないことが出てきたら、
それもAIに聞けばいい。
Q. NotionじゃなくてObsidianを使う理由は？
一番の違いは「AIがファイルを直接読み書きできるか」。
Obsidianはデータがマークダウン（テキストファイルの一種）で保存される。
Claude Codeに「このフォルダ読んで」と言えば一発で読める。
Notionはデータがクラウドにある。
API連携やエクスポートが必要で、
ひと手間増える。
ただしNotionの強みはチームでの共同編集。
ひとりで知識を育てるならObsidian、
チームならNotion。
そういう使い分けがいいと思う。
Q. 何記事くらいから使い物になる？
Karpathyさんは「100記事・40万語で複雑な質問に答えられる」と言っている。
でもそこまで待たなくていい。
10記事でもカテゴリ分けやリンク作成はできる。
30記事あれば、
思わぬ関連の発見がおもしろくなってくる。
完璧を目指さなくていい。
入れ始めて、
育てていく感覚だ。
Q. Claude Code以外のAIでもできる？
できる。
ChatGPTやGeminiでもファイルをアップロードすれば同じことが可能だ。
ただしClaude Codeはフォルダの中身を直接読み書きできる。
「このフォルダ読んで」「ここに保存して」で完結する。
他のAIだとアップロードとダウンロードが手間になる。
スムーズさでいえばClaude Codeが一番だと思う。
Obsidian AIナレッジベースの注意点と限界は？
万能じゃない。正直に書いておく。
まず、
最初のセットアップに時間がかかる。
Obsidianを入れて、
Web Clipper入れて、
フォルダ作って。
慣れるまで30分〜1時間は見ておいたほうがいい。
ただ、
分からないことはClaude Codeに「Obsidianのセットアップ教えて」と聞きながらやれる。
AIへの指示は自分で出す必要がある。
「入れたら自動で整理」まではまだいってない。
「この中身読んで、
こう整理して」と伝える工程が必要だ。
AIの回答精度は元データの質に左右される。
ゴミを入れたらゴミが返ってくる。
「何を集めるか」の選球眼は人間の仕事。
あと、
メモが10個しかないなら正直オーバースペックだ。
ふつうにフォルダ管理したほうが早い。
「情報が多すぎて困ってる人」にこそ効く方法。
逆に言えば、
情報を日常的に集めてる人にとっては革命的だと思う。
Obsidian AIナレッジベースを始めるなら何からやればいい？
Karpathyさんが公開したのは「AIの使い方の次のステージ」だ。
質問して答えをもらうだけじゃなくて、
知識を育てる道具として使う。
集める→整理する→つなげる→質問する→チェックする。
このサイクルが回り始めたら、
情報との付き合い方が変わる。
まずObsidianを入れて、
気になった記事を5本rawフォルダに入れてみてほしい。
で、
Claude Codeに「これ全部読んでWikiにして」と頼んでみてください。
5分で「お、
これは……」ってなるはず。
参考リンク
- Andrej Karpathy「LLM Knowledge Bases」: https://x.com/karpathy/status/2039805659525644595
- Karpathy's LLM Wiki（GitHub Gist）: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
- Obsidian 公式サイト: https://obsidian.md
- Obsidian Web Clipper: https://obsidian.md/clipper
- Obsidian Web Clipper GitHub: https://github.com/obsidianmd/obsidian-clipper
※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。