研究プロジェクトや教育活動などの知識集約的な作業では、多くの発見、決定、推論が蓄積されるが、将来の協力者がそれらを回復することはほとんどない。特に「行き止まり」や撤回された主張など、その作業にとって最も有用な部分は、出版物や共有コードから日常的に除外されており、将来の研究者は同じ失敗を繰り返すことになる。LLMコーディングエージェントは一般的な参加者となっているが、セッションをまたぐ持続的な記憶を持たず、生ソースに対する検索拡張生成（RAG）では知識が累積されない。
この問題に対して、Karpathy（2026）とtonbi（2026）はllm-wikiパターンを提案している。これは、生ソースとエージェントの間にLLMが維持する相互リンク付きWikiを挿入するものである。本論文では、このパターンを具体化した再利用可能なテンプレート「llm-wiki-memory-template」を提示し、それが異種協調的知識作業のための基盤（substrate）であると主張する。この基盤は3つの軸（マルチヒューマン、マルチAIエージェント、マルチドメイン）に沿って設計されており、各軸はテンプレートの異なるアーキテクチャ要素によって支えられている（論文§4）。
Wikiは追記専用（append-only）の慣習を採用しており、成功とともに失敗も保存される。これにより、出版物やコード共有では構造的に解決できない否定的結果の喪失問題に対処する。検証として、3つの展開済みケーススタディと1つの設計報告が各軸をカバーしている。単独研究の系統では放棄されたイテレーションが保存され、2著者プロジェクトの事後監査では、以前に主張された20/20のカバレッジが実際には14と12のエビデンスベース回答に過ぎず、修正後に18と18になったことが示され、失敗経路はアーティファクト全体に保存された。進行中のマルチエージェント展開は設計として報告され、クロスドメイン教育バリアントも存在する。
論文は、失敗経路保存、エージェントの正直さ（agent honesty）、および流用（appropriation）を、技術的メカニズムだけでなくアーティファクトの横断的社会技術的特性として挙げている。この研究は、LLM駆動の協調的知識作業に構造化された記憶手段を提供し、重複作業の削減と研究の透明性向上に貢献する可能性がある。テンプレートはGitHubで公開されており、研究コミュニティによる利用と拡張が可能である。