안드레이 카파시가 제안한 'LLM 위키' — AI가 문서를 한 번 읽고 지속되는(persistent) 구조화 지식베이스를 만들어 유지하는 워크플로를 초보자용으로 처음부터 구축하는 가이드입니다.
00:00인트로 — 지금 AI를 쓰는 방식의 문제
- ChatGPT·NotebookLM에 문서를 올려 질문하면 AI가 파일을 뒤져 답을 준다. 되긴 하지만 내일 비슷한 질문을 하면 처음부터 다시 검색한다. 저장도, 축적도, 복리도 없다 — 매 질문이 0에서 시작.
- OpenAI 공동창업자·전 테슬라 AI 디렉터 안드레이 카파시가 이를 고치는 아이디어 'LLM 위키'를 공유. 기술 지식 없어도 폴더를 만들 수 있으면 따라 할 수 있다.
01:00RAG가 부족한 이유
- 현재 방식은 RAG(검색 증강 생성) — 파일 업로드 → 질문 → 관련 청크를 찾아 답 생성. 단순 질문엔 괜찮지만, 5개 문서를 가로질러 아이디어를 연결해야 하면 매번 조각을 찾아 꿰매야 한다. 메모리·축적·복리가 없다. 몇 주간 논문을 읽어온 연구자인데 질문할 때마다 AI는 그 논문들을 한 번도 안 읽은 것처럼 처음부터 시작 — 이게 병목.
01:51LLM 위키가 문제를 고치는 법
- 매번 원문을 검색하는 대신, AI가 문서를 한 번 읽고 구조화된 위키를 만든다 — 상호 연결된 마크다운 파일로 된 진짜 지속 지식베이스.
- 새 소스(PDF·기사)를 넣으면 AI가 읽고 핵심 아이디어를 추출해 위키에 통합 — 기존 페이지 업데이트, 새 개념은 새 페이지, 관련 아이디어 링크, 모순되면 플래그. 시간이 갈수록 위키가 풍부해지고, 질문 시 AI는 0이 아니라 미리 구축된 정리된 지식베이스에서 답한다.
02:40카파시의 비유
- "옵시디언 = IDE, LLM = 프로그래머, 위키 = 코드베이스." 위키는 당신이 직접 쓰지 않고 AI가 쓰고 정리한다. 당신은 무엇을 넣을지, 어떤 질문을 할지에 집중.
02:59시스템의 3개 레이어
- 레이어1 — 원본 소스(raw): 원본 문서(PDF·기사·회의록). 읽기 전용 — AI가 읽되 절대 바꾸지 않는 진실의 원천.
- 레이어2 — 위키 자체: AI가 만들고 유지하는 마크다운 폴더(인덱스·개념 페이지·엔티티 페이지·비교 요약, 전부 상호 링크).
- 레이어3 — 스키마: 규칙 문서 — 위키 구조화·새 소스 처리·포맷 방법을 AI에게 지시. Claude Code면 CLAUDE.md 파일.
03:54옵시디언 & 폴더 구조 세팅
- 필요한 것: 옵시디언(무료, 마크다운 뷰어, obsidian.md) + AI 코딩 에이전트(여기선 Claude Code, Codex·Cursor 등도 가능). 옵시디언은 그래프 뷰로 연결을 시각화해줘서 쓰지만 결국 마크다운 폴더라 VS Code 등 아무 에디터도 가능.
- 옵시디언에서 새 볼트(=폴더) 'LLM wiki' 생성 → 안에 3개 폴더: raw(AI 읽기만), wiki(AI가 페이지 생성·유지), templates(선택 — 수동 노트용, 이 튜토리얼에선 불필요).
05:50스키마 파일(CLAUDE.md) 만들기
- 볼트 루트에 claude.md 생성(Claude Code가 프로젝트 열 때 자동으로 읽음). 스타터 템플릿 제공(설명란 링크). 내용:
- ①목적(Purpose): 이 지식베이스가 무엇에 관한 것인가(데모는 "일본 여행 계획"). 다운로드 후 이 한 줄만 바꾸면 됨(신재생에너지·책 정리 등). 나머진 그대로 작동.
- ②폴더 구조: raw는 어디, wiki 출력은 어디, 뭐가 어디로.
- ③인제스트 워크플로: 새 소스 추가 시 — 문서 읽기 → 핵심 개념 추출 → 위키 페이지 생성/업데이트 → 인덱스 업데이트 → 변경 로그.
- ④페이지 포맷 규칙: 모든 페이지 상단에 요약, 모든 주장은 출처 인용, 관련 개념 링크.
- ⑤질문 답변 동작: 질문 시 위키를 먼저 참조, 출처 인용, 불확실하면 알림.
- 과하게 고민 말 것 — 템플릿이 견고한 출발점이고, 스키마는 위키가 커지며 진화한다.
08:03웹 클리퍼 설치 & [08:12] 첫 소스 인제스트
- 옵시디언 웹 클리퍼(크롬, 무료) 설치 — 웹 기사를 마크다운으로 변환.
- 데모: 도쿄 여행 블로그 글을 웹 클리퍼로 저장 → raw 폴더에 드래그. (소스는 마크다운일 필요 없음 — PDF·텍스트도 raw에 넣으면 Claude Code가 네이티브로 읽음.)
- 터미널에서 디렉터리를 볼트로 변경 후 Claude 실행 → "raw 폴더에 새 소스 추가했어. 읽고 위키 업데이트해줘." → Claude가 기사를 읽고 위키 페이지(요약·동네별 페이지 등) 생성 계획을 보여줌(스코프 조정 가능) → "go ahead" → 약 3분 완료.
10:23위키·그래프 뷰 탐색 & [10:42] 두 번째 소스
- 옵시디언 wiki에 구조화된 페이지와 링크, 그래프 뷰에 연결 형성(문서 1개인데도) — "20개면 어떨지 상상해봐라."
- 두 번째 소스(일본 음식 가이드)를 같은 방식으로 인제스트 → Claude가 새 페이지만이 아니라 기존 동네 페이지도 업데이트. 그래프 뷰에 노드·연결 증가 — 소스를 넣을수록 위키가 똑똑해진다.
11:31소스를 가로지르는 질문
- 두 소스 모두 필요한 질문: "최고의 음식과 가깝고 주요 사원과도 가까우려면 어느 동네에 묵어야?" → Claude가 원문이 아니라 위키(동네·음식·사원 페이지)에서 끌어와 서로 다른 소스에 흩어진 점들을 연결하고 특정 위키 페이지를 인용. 기본 RAG와 완전히 다름.
11:57위키 린팅(Linting)
- 카파시의 아이디어 — 코드 린터가 코드를 검사하듯, 주기적으로 AI에게 위키 전체를 검토(edit)시켜라. 페이지 간 모순, 오래된 주장, 고아 페이지(들어오는 링크 없음), 언급됐지만 자기 페이지가 없는 개념을 찾음. "Please lint the wiki." → Claude가 리포트 제공(고아 페이지·깨진 링크 등). 데모에선 구조적으로 건전하고, 가장 큰 갭은 미인제스트된 음식 소스라 지적하며 인용 이슈 수정을 제안.
12:52활용 사례
- 학생·연구자: 논문을 읽으며 위키 구축 → 하이라이트된 PDF 더미가 아니라 구조화된 지식베이스. 교사: 커리큘럼·연수 자료로 성장하는 개인 교육 위키. 기업: 회의록·고객 콜 기록·프로젝트 문서 → 신입이 슬랙 히스토리 대신 정리된 위키를 열람. 호기심 많은 독자: 책·팟캐스트·기사에서 배운 걸 추적하는 개인 백과사전. 시간에 걸쳐 지식을 축적하고 정리하고 싶은 곳 어디든 통함.
13:43한계
- ①개인 규모에 최적(카파시는 몇 주간 ~100개 기사 수준을 이야기 — 수만 페이지면 마크다운 이상의 인프라 필요). ②Garbage in, garbage out — 소스 큐레이션은 여전히 필요. ③코딩 에이전트가 반드시 필요(옵시디언 단독으론 안 됨, AI가 엔진 — Claude Code·Codex 등). ④AI가 실수할 수 있다(오분류·잘못된 연결) → 그래서 린트 기능이 있고 초기엔 검토 권장.
14:39마무리
- 그럼에도 가장 실용적인 AI 워크플로 중 하나 — 실제 문제를 풀고, 셋업이 무료이며, 데이터가 내 컴퓨터의 소유 가능한 플레인 텍스트로 남는다. LLM 위키 = 매 질문마다 0에서 시작하는 대신 시간이 지날수록 좋아지는, AI가 만들고 유지하는 개인 지식베이스. (스키마 템플릿·링크는 설명란, Claude Code 초보 가이드도 안내)
📌 최종 요약 정리
- 카파시의 LLM 위키는 RAG의 근본 문제(매 질문마다 0에서 재검색, 메모리·복리 없음)를 해결한다 — AI가 문서를 한 번 읽어 상호 연결된 마크다운 지식베이스를 만들고 유지해, 소스를 넣을수록 풍부해지고 질문에 미리 정리된 위키에서 답한다.
- 구조는 3레이어: ①읽기 전용 raw(원본) ②AI가 만드는 wiki ③규칙 문서 스키마(CLAUDE.md). 비유는 "옵시디언=IDE, LLM=프로그래머, 위키=코드베이스" — 사람은 무엇을 넣고 무엇을 물을지에 집중한다.
- 셋업: 옵시디언에 raw/wiki/templates 폴더 + claude.md(목적 한 줄만 커스터마이즈) → raw에 소스(PDF·웹클리퍼 마크다운 등) 투입 → Claude Code에 "읽고 위키 업데이트" → 소스 간 질문 시 위키에서 점을 연결해 인용, 주기적으로 "lint the wiki"로 고아 페이지·모순·갭 점검.
- 한계는 개인 규모(~100개 기사)에 최적, 소스 큐레이션 필요, 코딩 에이전트 필수, AI 실수 가능이지만, 무료이고 데이터가 내 소유의 플레인 텍스트로 남는 매우 실용적인 워크플로다.
전체 대본(타임스탬프 포함) 원문이 필요하면 말해줘 — 그대로 붙여줄게.