Karpathys bibliotekar-mønster bliver mainstream i Obsidian

Karpathys bibliotekar-mønster bliver mainstream i Obsidian

Andrej Karpathys gist fra april, der beskriver en LLM som en "forsknings-bibliotekar" — der samler, renser og sammenkæder Markdown-noter til et wiki i konstant udvikling — har skabt et lille økosystem. Flere open source-repos, der tilsammen trækker omkring 255.000 GitHub-stjerner, implementerer nu ingest-, query-, lint- og "graphify"-funktioner, der omdanner noter, kodebaser og PDF'er til forespørgelsesvenlige videngrafer inde i Obsidian [4][5].

Arkitekturen springer bevidst traditionel RAG over til fordel for et levende, selvvedligeholdende dokumentbibliotek, der løser modsætninger og flager forældet information automatisk, som VentureBeat beskrev i deres gennemgang [4]. Brugerne forvandler reelt Obsidian til en LLM-drevet IDE til personlig vidensforvaltning.

X-tråde fra konti som @Mr_Buzzoni og @birmeya gik viralt med en gennemgang af de over syv involverede repos, hvor kommentatorer roste det som den mest praktiske "second brain"-automatisering, der endnu er bygget direkte på Karpathys originale mønster [6]. Det er et stærkt signal om, at markedet efterspørger vedvarende, selvkorrigerende videnbaser — ikke bare bedre søgning.

Superhuman opkøber Fathom for at jagte agent-drevet arbejde

Superhuman opkøbte den Y Combinator-støttede notetager Fathom den 14. september og indlemmede dermed i sin produktivitetsplatform et selskab, der havde rejst over 30 millioner dollar og blev værdisat til 94 millioner dollar i 2024 [7][8]. Fathom bringer AI-drevet mødeoptagelse, opsummeringer, actionpunkter og bot-fri transskription med sig — og afgørende nok også et søgbart arkiv af mødekontekst [9].

Det egentlige mål er agent-drevet: Superhuman Gos AI-agenter kan nu slå op i tidligere møder sammen med e-mail, dokumenter, kalender og databaser, så de kan udarbejde opdateringer eller planlægge opfølgning ud fra, hvad der faktisk blev sagt på et opkald for uger siden [7]. Fathom-teamet bliver med for at udbygge dette yderligere.

I produktivitetskredse opfattes dette som en bekræftelse på, at mødetransskriptioner er ved at blive infrastruktur og ikke bare en bekvem funktion — det rå materiale, agenter har brug for for at kunne handle på dine vegne. Opkøbet høstede ros for at "omdanne talt viden til handlingsrettet produktivitet", en vending, der i stigende grad opsummerer hele kategorien.

Schweiziske jernbaner beviser, at videngrafer fungerer i infrastrukturskala

Væk fra forbruger-AI-støjen har Schweiziske Statsbaner (SBB) siden 2021 stille og roligt kørt OriginTrails decentraliserede videngraf til togsporing og prædiktiv vedligeholdelse — herunder IoT-overvåget hjulslid — på tværs af over ti svejsepartnere og EU-standardiseringsorganer [10][11]. Den kombinerer symbolsk grafstruktur med LLM-drevne forespørgsler i naturligt sprog, så ingeniører kan stille spørgsmål i almindeligt sprog om vedligeholdelseshistorik eller reservedelsherkomst og få verificerbare svar.

Det er en nyttig påmindelse om, at videngrafer ikke er en 2026-AI-trend — de er et afprøvet mønster til data fra flere parter med høje indsatser, som både skal kunne forespørges og være troværdige. OriginTrails case-studie fik solid opmærksomhed på X som et sjældent eksempel på virksomhedsklar, verificerbar grafinfrastruktur, der har kørt stille i produktion i fem år [12].

Hvad dette betyder for dine møder

Tre ud af dagens fire globale historier peger på det samme hul: værktøjer kappes om at omdanne ustruktureret talt og skrevet input til struktureret, genfindbar viden — og om at gøre den viden handlingsorienteret frem for blot arkiveret. Granolas udvidelse af diktering, Karpathys bibliotekar-mønster-repos og Superhumans opkøb af Fathom jagter alle, på hver deres måde, den samme præmie — et system, der husker alt, hvad du siger og gør, organiserer det uden din manuelle indsats og lader en AI handle på det senere.

SBB-casen er det nøgterne modstykke: videngrafer leverer kun værdi, når de er nøjagtige, sammenkædede og troværdige på tværs af mange bidragydere — ikke bare imponerende store. Det er netop den disciplin, mødeintelligens-værktøjer har brug for, efterhånden som de vokser fra "fin transskription" til "autoritativ kilde en agent kan handle ud fra." En dikteringsfunktion eller notetager er kun så nyttig som den graf, der forbinder den til alt andet, du har sagt og besluttet.

Det er præcis Proudfrogs domæne — talerinddelte transskriptioner, der føder en reel videngraf, ikke bare en søgbar bunke af opsummeringer. Når konkurrenterne hægter diktering og opkøb på mødenotater, bliver det afgørende ikke optagelsen; det bliver, om dit system kan løse modsætninger, finde frem til den rette kontekst et halvt år senere og lade dig — eller dine agenter — rent faktisk stole på det, det finder frem.

Konklusion: Kapløbet om mødeintelligens bevæger sig fra "optag alt" til "forbind og stol på alt" — og det er et videngraf-problem, ikke et transskriptionsproblem.

Sources

1. https://www.granola.ai/voice-typing
2. https://techcrunch.com/2026/10/29/granola-crunches-up-a-dictation-feature-to-compete-with-wispr/
3. https://www.granola.ai/blog/granola-free-trial-get-started
4. https://venturebeat.com/data/karpathy-shares-llm-knowledge-base-architecture-that-bypasses-rag-with-an?ref=implicator.ai
5. https://pypi.org/project/obsidian-wiki/
6. https://x.com/Mr_Buzzoni/status/2114262687022510215
7. https://techcrunch.com/2026/09/14/superhuman-acquires-yc-backed-notetaker-fathom-as-productivity-platforms-push-for-agentic-work/
8. https://blog.superhuman.com/superhuman-acquires-fathom/
9. https://www.fathom.ai/superhuman
10. https://www.gs1.org/system/files/gs1_use-case_rail_origintrail.pdf
11. https://docs.origintrail.io/getting-started/readme.md
12. https://x.com/origin_trail/status/2034645076337479829