北島哲郎 | 七夕研究所 | 社会設計＆観測とAIの人

社内 Wiki を LLM に食わせるにはどうするのがいいかという問いへのひとつの回答なんですが、私は RAG でも MCP でもなく、全ページをテキストファイルとしてダンプして claude code に普通に grep してもらうというところに落ち着きました。数千ページくらいの小さい規模であればこれでワークします

【所轄警察署交通課からの回答】 ◯通常の丁字路交差点とみなす。 　湾曲している破線については 　存在しないもの（効力をもたない） 　として考える。 つまり図の中で表記されている 一時停止後の車両が 1）直進する時→ウィンカー不要で直進 2）右折する時→右ウィンカー使用 となります（続⤵︎

実際その通りだよな…… 多分一番再現性があるルートは精神科の大きな病院に突入してそこのケースワーカーに相談だと思う。 本来は民生委員が担当できるカテゴリだとは思うけど多分再現性がない。

豊田章男を前にして車とは何かを聞かれて「移動手段」と答えられるこの女子学生は肝が据わっているよ。

以前担当裁判官（私ではありません）と代理人弁護士との間の関係性が良くないと思われる事案において 「上申書」ではなく「申書」というタイトルで書面が出されていたのを見たことがあります 斬新でした

多分、福祉に繋がるべきって言ってる人のほとんどは、これにきちんと答えられないと思う 役所に行けとか福祉課に行けくらいしか出てこないような知識レベルで、福祉に繋がるべきなんてぬかすんじゃねぇとしか言えない 知的障害者が理解出来るような説明の仕方を習得してから出直して欲しい

今日の新人研修で就業規則を人事が説明したらしい。 何か質問ありますか？ と聞くと1人の新卒男性から質問が。 「なぜ1年経たないと在宅勤務が認められないのですか？1人で仕事が出来るようになるスピードは皆それぞれですよね」と。 それに対して人事 「では、あなたのことを仕事ができると認めるのは誰でしょうか」 「先輩とか上司ですか？」 「そうですね。その人たちが一向にあなたを認めないという可能性もあるわけです、だから規則として一律1年は出社してもらいます」 中々勇気のある質問だったけど、人事が流石の返しすぎたな。 1年生はちゃんと出社した方がいいよ、マジで。

LLM Knowledge Bases Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge (stored as markdown and images). The latest LLMs are quite good at it. So: Data ingest: I index source documents (articles, papers, repos, datasets, images, etc.) into a raw/ directory, then I use an LLM to incrementally "compile" a wiki, which is just a collection of .md files in a directory structure. The wiki includes summaries of all the data in raw/, backlinks, and then it categorizes data into concepts, writes articles for them, and links them all. To convert web articles into .md files I like to use the Obsidian Web Clipper extension, and then I also use a hotkey to download all the related images to local so that my LLM can easily reference them. IDE: I use Obsidian as the IDE "frontend" where I can view the raw data, the the compiled wiki, and the derived visualizations. Important to note that the LLM writes and maintains all of the data of the wiki, I rarely touch it directly. I've played with a few Obsidian plugins to render and view data in other ways (e.g. Marp for slides). Q&A: Where things get interesting is that once your wiki is big enough (e.g. mine on some recent research is ~100 articles and ~400K words), you can ask your LLM agent all kinds of complex questions against the wiki, and it will go off, research the answers, etc. I thought I had to reach for fancy RAG, but the LLM has been pretty good about auto-maintaining index files and brief summaries of all the documents and it reads all the important related data fairly easily at this ~small scale. Output: Instead of getting answers in text/terminal, I like to have it render markdown files for me, or slide shows (Marp format), or matplotlib images, all of which I then view again in Obsidian. You can imagine many other visual output formats depending on the query. Often, I end up "filing" the outputs back into the wiki to enhance it for further queries. So my own explorations and queries always "add up" in the knowledge base. Linting: I've run some LLM "health checks" over the wiki to e.g. find inconsistent data, impute missing data (with web searchers), find interesting connections for new article candidates, etc., to incrementally clean up the wiki and enhance its overall data integrity. The LLMs are quite good at suggesting further questions to ask and look into. Extra tools: I find myself developing additional tools to process the data, e.g. I vibe coded a small and naive search engine over the wiki, which I both use directly (in a web ui), but more often I want to hand it off to an LLM via CLI as a tool for larger queries. Further explorations: As the repo grows, the natural desire is to also think about synthetic data generation + finetuning to have your LLM "know" the data in its weights instead of just context windows. TLDR: raw data from a given number of sources is collected, then compiled by an LLM into a .md wiki, then operated on by various CLIs by the LLM to do Q&A and to incrementally enhance the wiki, and all of it viewable in Obsidian. You rarely ever write or edit the wiki manually, it's the domain of the LLM. I think there is room here for an incredible new product instead of a hacky collection of scripts.