Quá khứ, hiện tại và tương lai của LLM Wiki

Vào tháng 4 năm 2026, Andrej Karpathy — đồng sáng lập OpenAI — đã đăng một gist ngắn nhưng khiến cộng đồng dậy sóng về "LLM Wiki".

Ba tháng sau, ý tưởng này đã được lan truyền và chấp nhận rộng rãi thông qua những sản phẩm từ Google và Anthropic, đồng thời cũng châm ngòi cho một cuộc tranh luận về những gì sẽ đến tiếp theo.

Khởi nguồn

Khoảnh khắc viral

Đoạn gist của Karpathy — một tập tin markdown đơn giản trên GitHub — đã đat được hơn 5.000 sao và 1.294 lượt fork chỉ trong vòng 48 giờ, và khoảng 300 điểm trên Hacker News. Tính đến giữa tháng 4, nó đã có 17.776 người thả sao (stargazers) (nguồn).

Ý tưởng cốt lõi rất tinh tế. Thay vì nhồi nhét cho AI một mớ tài liệu ngẫu nhiên mỗi khi bạn đặt câu hỏi (mô hình "RAG" tiêu chuẩn), bạn nên lưu trữ một cơ sở kiến thức có tổ chức — một wiki — mà AI có thể đọc và cập nhật theo thời gian. Karpathy đã mô tả ba lớp: nguồn dữ liệu thô, chọn lọc thành wiki, và một lược đồ (schema) chỉ cho AI cách tìm kiếm. "Obsidian là IDE; LLM là lập trình viên; wiki là codebase."

Không cần lý thuyết cao xa, ông chỉ đơn thuần mô tả những gì mình đã tự xây dựng — khoảng 100 bài viết, ~400.000 từ, tất cả đều chạy local trên chiếc laptop của ông.

Ý tưởng không mới

Nhưng mọi người không biết rằng: Tanmai đã nghĩ ra ý tưởng dùng wiki làm bộ nhớ chung từ nhiều tháng trước khi ghi chú của Karpathy xuất hiện — và đã xây dựng sản phẩm dựa trên đó. Karpathy chỉ là người đã làm cho ý tưởng này trở nên nổi tiếng.

Vào ngày 19 tháng 12 năm 2025, CEO của Hasura, Tanmai Gopal đã xuất bản bài viết "Lớp Ngữ nghĩa đã Chết. Wiki muôn năm." (The Semantic Layer is Dead. Long Live the Wiki.) — lập luận rằng cách tổ chức dữ liệu cũ cho bộ não doanh nghiệp ("semanic layer") nên được thay thế bằng một phương pháp tự nhiên hơn: một wiki cho phép mọi người cùng nhau đọc, viết và sửa đổi ngữ cảnh có cấu trúc.

Sau đó, vào ngày 18 tháng 3 năm 2026, ông đã xuất bản bài viết "Chia sẻ ngữ cảnh" (On Shared Context), đưa ra bảy nguyên tắc về cách các nhóm nên chia sẻ kiến thức với AI.

Vì vậy, Karpathy không phải là người đầu tiên phát minh ra LLM wiki. Điều làm cho ghi chú của Karpathy gây được tiếng vang lớn đến vậy là do ông đã đặt tên và đánh vào vấn đề mà nhiều người đều cảm nhận được. Sự thất vọng với "RAG" - vứt cả đống tài liệu vào một cái thùng và hy vọng AI sẽ nhặt đúng thứ mình cần.

Hiện tại: Xu Hướng trở nên phổ biến (07/2026)

Sau ba tháng, mọi chuyện trở nên thú vị. Ba công ty lớn — Google, Perplexity và Anthropic — đều tung ra các sản phẩm được xây dựng xoay quanh cùng một ý tưởng. Wiki LLM không còn chỉ là một ý tưởng nữa. Nó đã được ứng dụng trong các sản phẩm AI agent đầu ngành.

Google chuẩn hoá định dạng

d Vào ngày 12 tháng 6 năm 2026, Google Cloud đã công bố Định dạng Kiến thức Mở (Open Knowledge Format - OKF) — "một đặc tả mở chuẩn hóa mô hình LLM-wiki thành một định dạng có tính di động và có khả năng tương tác." Đặc tả này được cố ý làm cho tối giản: các tệp markdown với YAML frontmatter, chỉ có một trường bắt buộc duy nhất (type). Phần còn lại là tùy chọn. Nó gói gọn trong một trang duy nhất.

Google đã ghi nhận rõ ràng đóng góp từ bản gist của Karpathy: thông báo trích dẫn lời ông nói. Và Google nhấn mạnh răng: đây không phải là tính năng riêng của một tập đoàn nào. LLM-wiki là một tiêu chuẩn. "Giá trị của một chuẩn kiến thức đến từ sự đóng góp của nhiều bên, chứ không phải từ việc ai sở hữu nó."

Perplexity ra mắt "Brain"

Vào ngày 18 tháng 6 năm 2026, Perplexity đã ra mắt Perplexity Brain — một hệ thống bộ nhớ tự cải thiện cho "Computer" agent của họ. Bài viết ra mắt có đoạn: "Lớp ngữ cảnh có dạng một LLM wiki được tự động tải vào môi trường agent sandbox."

Các trang wiki thu thập "ý tưởng, thao tác của con người, dự án" và cập nhật vào cuối ngày. Mỗi ngữ cảnh đều liên kết ngược với tài liệu gốc của nó. Và Perplexity đã công bố những con số cụ thể: độ chính xác của câu trả lời tăng +25% cho các tác vụ lặp lại, độ thu hồi (recall) tăng +16%, chi phí giảm −13%.

Đây là lần đầu tiên một sản phẩm AI lớn ra mắt wiki như một tính năng cốt lõi — một lớp ngữ cảnh riêng chứ không phải một add-on hay bộ nhớ phụ kèm theo.

Anthropic tung ra "Claude Tag"

Vào ngày 23 tháng 6 năm 2026, Anthropic đã công bố Claude Tag — một cách để thêm Claude vào Slack của bạn như một thành viên trong nhóm. Vào ngày 24 tháng 6, họ đã xuất bản một bài viết chuyên sâu hơn về "Danh tính của agent" (Agent Identity), mô tả cách Claude có được tài khoản và quyền hạn riêng trong không gian làm việc của bạn. Thay vì hỏi 'người này có thể làm gì?', bạn có thể hỏi 'agent này có thể làm gì ở đây?'"

Mặt khác, Claude Tag cung cấp cho nhóm, tổ chức một ngữ cảnh chung được lưu trữ trên đám mây và cấp quyền cho AI agent đọc, ghi kiến thức lên đó.

PromptQL ra mắt câu trả lời của riêng mình: PromptQL Tag

Một tuần sau, vào ngày 30 tháng 6 năm 2026, PromptQL đã ra mắt PromptQL Tag — cách riêng của họ để đưa agent vào các nền tảng bên ngoài như Slack và Microsoft Teams. Nhìn bề ngoài, tính năng của PromptQL Tag và Claude Tag tương tự nhau. Thực tế triết lý thiết kế lại hoàn toàn trái ngược với Claude Tag. Chúng ta sẽ thảo luận về chủ đề này ở bài viết sau.

Hướng đi cho Tương lai

Vậy là chúng ta đã có một ý tưởng viral, một tiêu chuẩn chính thức, và ba đợt ra mắt sản phẩm lớn. Điều gì sẽ xảy ra tiếp theo?

LLM-wiki vẫn chưa hoàn hảo

Đọc qua các cuộc thảo luận về ghi chú của Karpathy và tiêu chuẩn định dạng của Google, bạn sẽ thấy một số phê phán phổ biến như:

1. OKF còn sơ khai. Google chỉ quy định chuẩn của tập tin OKF. Vẫn chưa có chuẩn chung làm thế nào để tự cập nhật ngữ cảnh.
2. LLM-wiki được xây dựng cho một người, chứ không phải cho một đội ngũ. Như bài phân tích của Towards AI đã chỉ ra thẳng thắn, các thiết lập dựa trên các tập tin wiki "không có cơ chế phân quyền RBAC". Cũng không có cơ chế bảo vệ khi nhiều AI cùng lúc chỉnh sửa một trang wiki, và không có bản ghi đối soát thay đổi, chống giả mạo — một điểm yếu chí mạng đối với các ngân hàng, bệnh viện, hoặc kiểm toán viên.
3. Ai sẽ kiểm tra công việc của AI? Mọi người đều đồng ý rằng các trang do AI viết sẽ dần lỗi thời và có sai sót nếu không được kiểm duyệt. Nhưng không ai thống nhất được việc kiểm duyệt đó là nhiệm vụ của ai.

Điều đó cũng cho thấy sự khác biệt giữa một cuốn sổ tay cá nhân và một hệ thống tri thức của công ty.

Wiki cá nhân vs. wiki tổ chức: cùng một ý tưởng, bài toán khác biệt

Thiết kế của Karpathy và PromptQL đều thống nhất ở những điểm cơ bản: kiến thức nằm trong các trang đơn giản, mỗi trang một chủ đề; các trang liên kết với nhau; và AI đảm nhận các công việc nhàm chán như bảo trì. Nhưng từ nền tảng đó, chúng đi theo hai hướng hoàn toàn khác biệt:

	LLM Wiki của Karpathy	Wiki của PromptQL
Đối tượng sử dụng	Một người, trên máy tính cá nhân.	Cả một đội ngũ hoặc công ty cùng sử dụng.
Cách thức cập nhật	Bạn thả tài liệu vào; AI phân loại chúng; bạn tự mình dọn dẹp.	AI đề xuất các cập nhật từ công việc thực tế; một thành viên trong nhóm kiểm duyệt và "Thêm vào wiki." Bộ não chung cần có sự kiểm soát của con người.
Khả năng kết nối	Không.	Cơ sở dữ liệu và công cụ kinh doanh thực tế của công ty, để AI có thể hành động dựa trên những gì nó biết, chứ không chỉ học vẹt.
Kiểm soát chất lượng	Kỷ luật cá nhân.	Theo phong cách Wikipedia: lịch sử trang, tác giả định danh, kiểm duyệt trước khi xuất bản.
Bảo mật	Phụ thuộc vào bảo mật laptop của bạn.	Quyền hạn của mỗi người được thực thi nghiêm ngặt. AI hoạt động thay cho bạn chỉ có thể xem những gì bạn được phép xem.
Khả năng mở rộng	Tuỳ vào độ thông minh của người dùng.	Bí quyết tập thể của tổ chức, được chia sẻ, thảo luận và phát triển.

Bản thân Karpathy từng đề cập đến một phiên bản dành cho nhóm — một wiki nội bộ tự cải thiện từ tin nhắn Slack, bản ghi chép cuộc họp và các cuộc gọi với khách hàng — nhưng ông chỉ dừng lại ở mức ý tưởng. Định dạng của Google tiêu chuẩn hóa việc đóng gói kiến thức, chứ không giải quyết việc bảo trì. Ngay cả tính năng Brain của Perplexity — phiên bản sản phẩm được trau chuốt nhất — cũng chỉ là một wiki cá nhân cho từng người dùng, chứ không phải một wiki dùng chung cho công ty.

Khoảng trống đó — giữa một cuốn sổ tay cá nhân và một "bộ não" công ty chia sẻ chung, có liên kết và giám sát — chính là những mảnh ghép còn thiếu mà cộng đồng liên tục nhắc đến. Và đó cũng chính xác là những gì PromptQL đã xây dựng.

Vòng lặp tích lũy

Satya Nadella đã gói gọn tầm nhìn dài hạn này trong một bài viết vào tháng 6 năm 2026: "Đây là lần đầu tiên chúng ta có thể tạo ra một vòng lặp nhận thức thực sự giữa con người và các hệ thống kỹ thuật số. Vòng lặp này trở thành Tài sản Trí tuệ (IP) mới của doanh nghiệp.

Ông ấy đang mô tả chính xác những gì một wiki LLM cấp tổ chức mang lại. Mọi cuộc trò chuyện, mọi quyết định, mọi truy vấn — thay vì bị trôi vào quên lãng — sẽ trở thành một phần của bộ nhớ doanh nghiệp. AI trở nên thông minh hơn vì wiki ngày càng phong phú. Wiki ngày càng phong phú vì AI giúp ghi nhận và tổ chức lại những gì mọi người biết.

Đó chính là tương lai mà PromptQL đang hướng tới: không chỉ là một chatbot để trả lời câu hỏi, mà là một hệ thống tri thức dùng chung giúp toàn bộ tổ chức ngày càng trở nên thông minh hơn theo thời gian.

Bài toán bảo mật

Cuộc tranh luận quan trọng nhất trong 12 tháng tới sẽ không phải là "chúng ta có nên dùng wiki không?" mà sẽ là "ai có quyền kiểm soát nó?"

Claude Tag của Anthropic đi theo hướng tiếp cận "tự cấp quyền" (self-authorized): cấp cho AI một danh tính riêng, một bộ quyền hạn riêng và để nó hoạt động độc lập. Như trên blog của họ đã viết: "hãy cấp cho nó quyền truy cập ngay từ đầu."

PromptQL lại chọn hướng tiếp cận "người dùng cấp quyền" (user-authorized): AI hành động theo quyền hạn của bạn và trong ngữ cảnh của bạn. Nó chỉ có thể thấy những gì bạn thấy. Điều này giúp ngăn chặn AI có quyền truy cập quá rộng khiến dữ liệu bị đánh cắp hoặc rò rỉ trái phép.

Vào ngày 25 tháng 6 năm 2026 — chỉ một ngày sau bài đăng của Anthropic — Hasura đã xuất bản bài viết "Thiết kế mô hình xác thực cho AI nhiều người dùng" (Designing an auth model for multiplayer AI), lập luận rằng bảo mật dựa trên người dùng cấp quyền là mô hình duy nhất có thể đáp ứng quy mô của các ngành công nghiệp bị quản lý chặt chẽ, các tổ chức có nhiều phòng ban và các yêu cầu về kiểm toán.

Tương lai rất có thể sẽ tồn tại song song cả hai mô hình. Nhưng tiêu chuẩn mặc định cho doanh nghiệp sẽ là người dùng cấp quyền — bởi vì "quyền truy cập rộng rãi" sẽ trở thành rủi ro trách nhiệm pháp lý khi AI xử lý dữ liệu khách hàng, hồ sơ tài chính, hay y tế.

Tại sao? Bởi vì nếu AI cho doanh nghiệp thiếu "bộ não chung" hầu hết đều sẽ thất bại

Hai kết quả nghiên cứu độc lập dưới đây sẽ giải thích lý do tại sao điều này lại có ý nghĩa sống còn về mặt tài chính:

• MIT nhận thấy 95% các dự án thí điểm AI trong doanh nghiệp thất bại trong việc mang lại kết quả kinh doanh rõ rệt (Fortune, Tháng 8/2025). Các dự án này thất bại không phải vì AI kém thông minh. Chúng thất bại vì AI không hiểu biết về doanh nghiệp.
• Đại học UC Berkeley đã thử nghiệm các mô hình AI tốt nhất với các câu hỏi dựa trên dữ liệu công ty thực tế (Data Agent Benchmark, 2026) — bao gồm các câu hỏi mà thông tin nằm rải rác trên nhiều hệ thống không hoàn toàn khớp số liệu với nhau. Mô hình tốt nhất thế giới chỉ trả lời đúng 38% ngay ở lần thử đầu tiên. Bạn sẽ không bao giờ dám để một con AI dùng xác suất tung đồng xu để trả lời các câu hỏi cho sếp của mình.

62% tỷ lệ sai sót còn lại không nằm ở việc cần một mô hình AI thông minh hơn. Nó nằm ở phần "tri thức nội bộ" (tribal knowledge) mà mọi công ty đều dựa vào để vận hành: "khách hàng" có nghĩa là gì ở công ty này, cột nào trong bốn cột doanh thu mới là cột chuẩn, tại sao mã vùng lại thay đổi vào năm 2024. Dạng kiến thức đó tồn tại rải rác trong đầu của các nhân sự trong công ty. Việc trích xuất những kiến thức đó ra khỏi đầu họ và chuyển thành dạng mà AI có thể sử dụng, về cốt lõi, là một bài toán về sự chia sẻ — và bài viết "Về ngữ cảnh dùng chung" (On shared context) của Tanmai đã vạch ra các nguyên tắc: ghi nhận kiến thức ngay trong quá trình làm việc, chứ không phải qua những dự án làm tài liệu mà chẳng ai hoàn thành nổi; hãy để những người có chuyên môn kiểm duyệt và chỉnh sửa; hãy để kiến thức tích lũy dần thay vì bốc hơi mất.

PromptQL được thiết kế để giải bài toán thực tế: mọi cuộc hội thoại với AI đều được cập nhật lên wiki dựa trên những gì nó vừa học được. Con người sẽ phê duyệt chúng. Nhờ đó, cuộc hội thoại tiếp theo sẽ thông minh hơn. Đó chính là "vòng lặp nhận thức".

Tóm lại

Sau ba tháng, từ một bài ghi chú cuối tuần của Karpathy, toàn ngành đã đi đến thống nhất: Bộ nhớ của AI sẽ không còn là một đống mảnh tài liệu rời rạc. Nó sẽ là một wiki sống động và không ngừng tích lũy.

LLM wiki cá nhân là một bước đột phá, nhưng mục tiêu cuối cùng đối với các công ty công nghệ lại lớn lao hơn nhiều: bộ nhớ nên được chia sẻ.

OpenAI Work của OpenAI, Claude Tag của Anthropic, Brain của Perplexity và Open Knowledge Format của Google không chỉ đơn thuần là việc tổ chức các dữ liệu cá nhân — chúng là những nỗ lực nhằm giải quyết nút thắt về bối cảnh nhiều người dùng (multiplayer) trong doanh nghiệp. Như CEO của Microsoft, Satya Nadella, đã nói, khi con người và các hệ thống kỹ thuật số chia sẻ một vòng lặp nhận thức, vòng lặp đó sẽ trở thành "tài sản trí tuệ mới của công ty" tích lũy sức mạnh theo thời gian.

Lớp ngữ nghĩa (semantic layer) của quá khứ đã tổ chức thành dữ liệu có cấu trúc. Kinh nghiệm được chia sẻ và tổ chức phù hợp với quy tắc và vận hành nội bộ trong công ty. Như PromptQL cùng những tập đoàn AI lớn đã chứng minh, các công ty chiến thắng trong cuộc đua AI sẽ không phải là những người có mô hình thông minh nhất — mà là những người sở hữu bối cảnh (context) được chia sẻ tốt nhất.