Expert-Kloon via Zelfverbeterende Wiki
Laatst bijgewerkt
TL;DR: In vier stappen een expert — hier Andrej Karpathy — omzetten in een Claude-subagent: ruwe bronnen compileren tot een zelfverbeterende wiki, daar bewijsbare regels met bronvermelding uit trekken, die vastleggen als subagent + skill, en een hook die verplicht eerst laat testen voordat de agent mag zeggen dat iets werkt.
Niet een stemkloon en geen imitatie van de persoon, maar een poging om de manier van denken van een expert condenseren tot iets dat Claude kan toepassen — op basis van 700.000+ woorden lezingen, blogs en posts. Het resultaat is een subagent plus een skill (/karpathy-teach) die een vraag beantwoordt volgens zeven uit zijn werk gedestilleerde regels, en een hook die de agent dwingt eerst te testen voor hij "het werkt" mag zeggen.
De vier stappen
- Ruwe data verzamelen. Eén subagent per bron, parallel: lezing-transcripten via gratis Python-packages (YouTube Transcript API, yt-dlp), X-posts via een betaalde API (twitterapi.io, in dit geval ~$1 voor alle posts sinds 2023). Resultaat na 45-60 minuten: een
raw/-map met één submap per bron, 700.000+ woorden onaangeroerd. - Wiki compileren. Dezelfde architectuur als Zelfverbeterende Kennisbank: de ruwe bestanden blijven ongewijzigd, een LLM leest ze allemaal en bouwt er pagina's, een index en onderlinge links uit. Elke keer dat er nieuw materiaal bij komt, worden bestaande pagina's opnieuw gelinkt.
- Regels met bronvermelding. Uit de wiki worden regels getrokken die elk aan een exact citaat en zijn bron moeten hangen — zodat Claude niets verzint. Hier kwamen zeven regels uit (o.a. bouw het zelf, anders begrijp je het niet, voorspel eerst, run dan, vergelijk daarna, laat eerst de kapotte versie zien, bewijs het, claim het niet, benoem je aannames). Zonder vindbare bron moet de agent expliciet zeggen dat hij afleidt in plaats van citeert.
- Subagent + skill + run-gate hook. De regels landen in twee bestanden: een subagent (eigen instructies, toon en een vaste loop) en een skill (
/karpathy-teach) die een antwoord langs een checklist van één regel per lijn beoordeelt. Daarbovenop een Stop-hook die de agent blokkeert als hij code schreef maar die nooit heeft uitgevoerd — pas na een draai-en-testronde mag het antwoord naar buiten.
Doorlopend leren: de ingest-lus
/karpathy-ingest <link> controleert de raw/-map, schrijft een bronpagina voor het nieuwe materiaal, en werkt elke pagina bij die dat materiaal raakt — zonder dat de wiki ooit handmatig wordt bewerkt. Een regel die eerst op één bron rustte, kan zo een tweede bron krijgen en status "bevestigd" worden; een regel kan ook een nieuw gedrag toegevoegd krijgen op basis van nieuw materiaal.
Generaliseerbaar naar elke expert
De methode hangt niet aan Karpathy: dezelfde vier stappen werken voor een verkoopcoach, een auteur of iemand waarvoor je al betaalt voor coaching, zodra er genoeg geschreven of gesproken materiaal van die persoon bestaat om een wiki en bronvermelde regels uit te bouwen.
Open vragen
- Hoe schaalt stap 1 (bronverzameling) naar experts zonder een publiek corpus van honderdduizenden woorden?
- Een regel krijgt een bronvermelding, maar wordt de toepassing van die regel door Claude zelf ooit extern getoetst, of alleen de output zoals bij het 70%-probleem uit Skills Verbeteren — Vier Praktijken?
Verwante concepten
- Zelfverbeterende Kennisbank — dezelfde raw/wiki-architectuur; dit artikel legt er een subagent+skill-laag op om één specifiek persoon te simuleren in plaats van een generieke kennisbank te bouwen
- Subagents — de
hooks- enmemory-velden die de run-gate en de rol hier concreet invullen - Skills Verbeteren — Vier Praktijken — zelfde eis dat verificatie extern bewijs nodig heeft, hier hard afgedwongen via een Stop-hook in plaats van een instructie
- Second Brain Niveaus — dit systeem zit op het LLM-wiki-niveau, met een subagent-laag erboven voor persoonssimulatie
Bronnen
- I Built Another Andrej Karpathy Using Claude — Nate Herk | AI Automation, 05-10-2026