Part IV: LLM Wiki에서 AI Scientist로

Chapter 11: 나의 활동을 AI 외장 메모리로 — Obsidian × LLM 양방향 흐름

집필일: 2026-04-28 최종수정일: 2026-06-11

11.1 AI 시대의 연구란 무엇인가

포스트 #7 "Brain Augmentation" [12]은 이렇게 시작한다: "AI 시대의 연구는 '내가 더 많이 아는 것'이 아니라 'AI scientist가 자가발전의 지식 창출을 이어갈 수 있는 환경을 구축하는 것'이다."

이것이 이 챕터의 출발점이다. 외장 메모리 시스템을 만드는 것은 편의 기능이 아니다. AI와 함께 연구하는 환경을 구축하는 것이다.

그 환경이 실제로 어떻게 생겼는지를 이 챕터에서 다룬다.

11.2 Vault 구조 — 실전

10장의 세 레이어를 실제 폴더 구조로 만들면:


vault/
├── raw/                      # L1: 원본 자료
│   ├── papers/               # 논문 PDF, arXiv 링크
│   ├── daily-notes/          # 일일 메모
│   ├── meeting-notes/        # 미팅 기록
│   └── ideas/                # 아이디어 스크랩
│
├── wiki/                     # L2: LLM이 관리하는 지식베이스
│   ├── people/               # 연구자, 동료
│   ├── papers/               # 논문 요약 + 메모
│   ├── projects/             # 프로젝트별 현황
│   ├── concepts/             # 기술 개념
│   └── moc/                  # Map of Contents
│
├── CLAUDE.md                 # L3: Vault 구조 설명 (Claude용)
└── AGENTS.md                 # L3: Vault 구조 설명 (Codex용)

최근 LLM Wiki 가이드들이 실제 운영에서 추가하는 디렉토리는 inbox/와 logs/다 [6]. inbox/는 아직 정리되지 않은 URL, PDF, transcript가 잠시 머무는 곳이고, logs/는 ingest/query/lint가 언제 무엇을 바꿨는지 남기는 곳이다. 이 둘을 두면 LLM에게 "아무 파일이나 읽고 아무 데나 쓰라"고 하지 않아도 된다. 작업은 항상 inbox/에서 시작하고, 결과는 wiki/에 들어가며, 변경 이유는 logs/에 남는다.

S8의 운영 사례에서 하나 더 살아남은 폴더는 decisions/다 [12]. Claude Code에서 Codex로 넘어갈 때 실제로 잃기 쉬운 것은 원문 자료가 아니라 "왜 이 결정을 했는가"다. decisions/는 HANDOFF.md, TASKS.md, experiment-log.md와 같은 계열의 파일이다. 에이전트가 다음 작업을 이어받을 때 필요한 것은 모든 대화가 아니라, 최근 결정·대안·기각 이유·검증 결과다.

CLAUDE.md 예시 (L3):


# My Research Vault

This vault contains my research knowledge organized in three layers.

## Structure
- raw/papers/: Paper PDFs and arXiv links. READ ONLY.
- raw/daily-notes/: Daily notes from <TODAY_DATE>. READ ONLY.
- wiki/papers/: Paper summaries with my annotations. YOU CAN EDIT.
- wiki/concepts/: Technical concept pages. YOU CAN EDIT.
- wiki/moc/: Map of Contents pages. YOU CAN EDIT.

## Operations
When I say "ingest [paper]": read raw/papers/[paper], create/update wiki/papers/[paper].md
When I say "what do I know about [X]": search wiki/ for relevant pages and summarize.
When I ask a research question: search wiki/ AND raw/, synthesize an answer.
Figure 11.1: 연구 vault의 실제 폴더 구조 — raw(원본 자료), wiki(LLM이 관리하는 지식베이스), CLAUDE.md/AGENTS.md(스키마). 3 레이어가 실제 디렉토리로 매핑된 모습. illustration by author Gemini assisted

11.3 백링크와 태그 — LLM의 인덱스

Obsidian의 백링크([[링크]])와 태그(#태그)는 마크다운 파일 간 관계를 표현한다. LLM에게 이것은 인덱스다 [7].

백링크 활용법:


# Soft Robotic Hand Papers

Related: [[Gelsight Sensor]] [[Tactile Sensing]] [[Dexterous Manipulation]]

## Key Papers
- [[Tactile Sensing Survey]] — Tactile Sensing Overview...
- [[Dexterous Manipulation Paper]] — Dexterous Grasping with Force Feedback...

LLM이 "soft robotic hand와 관련된 논문 목록"을 요청받으면 [[Soft Robotic Hand Papers]] 페이지의 백링크를 따라 관련 페이지를 찾는다.

태그 활용법: 일관된 태그 시스템을 만들어두면 LLM이 필터링 기준으로 사용한다. 예: #reviewed, #keystone, #todo-summarize.

태그는 많이 만들수록 좋아지는 것이 아니다. LLM Wiki에서는 태그가 검색 UI이면서 agent instruction이 된다. 따라서 #todo, #draft, #reviewed, #keystone, #conflict처럼 상태가 분명한 소수의 태그가 더 낫다. #interesting, #important, #misc처럼 판단 기준이 흐린 태그는 시간이 지나면 거의 쓸모가 없어진다.

4개월 운영 관찰도 같은 결론이다 [12]. 오래 살아남는 태그는 #todo-summarize, #contradicts-X, #followup-experiment, #reviewed처럼 다음 행동을 정하는 태그다. 사라지는 태그는 #interesting, #important, #misc처럼 감정만 남기고 workflow를 바꾸지 않는 태그다. LLM에게 좋은 태그는 "검색어"가 아니라 "다음 동작의 힌트"다.

11.4 LLM에게 묻는 방법

Figure 11.2: LLM Wiki에 묻는 세 가지 질문 패턴 — 검색형(Search), 종합형(Synthesis), 연결형(Connection). 각 패턴이 vault의 다른 부분을 활용한다. illustration by author Gemini assisted

세 가지 질문 패턴이 효과적이다 [4]:

패턴 1: 검색형


"내가 2026년에 읽은 tactile sensing 논문 목록을 보여줘"

→ wiki/papers/ 검색, 날짜 필터 적용

패턴 2: 종합형


"최근 6개월의 daily notes에서 공통으로 나오는 주제를 3가지로 요약해줘"

→ raw/daily-notes/ 전체 읽고 패턴 추출

패턴 3: 연결형


"VLA(Vision-Language-Action model)와 tactile sensing이 연결되는 지점이 있어? wiki에서 찾아봐"

→ wiki/concepts/VLA.md + wiki/concepts/TactileSensing.md 읽고 교차점 분석

2026년 4월 이후의 구현 글들이 추가로 강조하는 네 번째 패턴은 정리형이다 [10].

패턴 4: 정리형


"지난주 ingest에서 생긴 새 페이지 중 출처 링크가 없거나, 같은 개념을 중복 설명하는 페이지를 찾아줘"

→ wiki/와 logs/를 함께 읽고 깨진 링크, 중복 페이지, 출처 없는 주장, 오래된 요약을 정리

11.5 반론: 그래도 직접 써야 한다

포스트 [12]는 외장 메모리 시스템의 역균형을 제시한다: "AI에게 모든 것을 위임하면, 생각이 외부화되는 것이 아니라 증발한다. 손으로 직접 쓰는 것은 이해의 확인이다 — LLM 요약을 읽는 것과 같지 않다."

이것은 타당하다. 외장 메모리 시스템의 목표는 자신의 생각을 대체하는 것이 아니라 증폭하는 것이다. 균형을 찾는 방법:

  • LLM은 수집, 연결, 정리를 한다
  • 사람은 판단, 해석, 새로운 관점을 제공한다
  • 일일 노트에 자신의 생각을 직접 쓰는 습관을 유지한다
  • 중요한 claim에는 사람이 승인한 source link를 남긴다
  • LLM이 만든 wiki page는 곧바로 믿지 않고 diff와 출처를 확인한다
  • 요약은 LLM에게 맡겨도 되지만 decision은 사람이 쓴다
  • LLM은 alternative를 넓히고, 사람은 선택과 포기의 이유를 남긴다

Maker[5]의 4개월 사용 보고: "LLM이 연결을 찾아주지만, 그 연결이 의미 있는지 판단하는 것은 여전히 나다."

Figure 11.3: 외장 메모리 시스템의 양방향 흐름 — 사람이 일일 노트·논문·아이디어를 vault에 쌓으면 LLM이 요약·관계·패턴·새로운 연결을 돌려준다. illustration by author Gemini assisted

11.6 양방향 흐름

외장 메모리 시스템의 핵심은 양방향 흐름이다:

사람 → LLM (입력):

  • 일일 노트 작성 (raw/daily-notes/)
  • 논문 PDF 추가 (raw/papers/)
  • 아이디어 스크랩 (raw/ideas/)
  • 질문할 때 자신의 관점을 명시 ("내 연구 방향은 X이고, 이 맥락에서 Y에 대해 알고 싶다")

LLM → 사람 (출력):

  • 요약과 종합 (wiki/papers/ 업데이트)
  • 관련 논문 발견 (백링크 탐색)
  • 패턴 식별 (daily notes 분석)
  • 새로운 연결 제안

Um[12]이 제시하는 프레임: "AI는 레버리지다. 레버리지는 나의 역량을 증폭하지만, 기반이 없으면 아무것도 증폭하지 못한다."

포스트 #7의 결론 [12]: "이 공간은 단순한 홈페이지가 아니다. AI와 내가 함께 생각하는 공간이다. 그리고 더 나아가, AI scientist가 스스로 지식을 생성할 수 있는 연구 환경이다."

여기서 운영 원칙이 하나 나온다. 외장 메모리는 "잘 정리된 노트 앱"이 아니라 연구 루프의 상태 저장소다. 그래서 좋은 vault는 예쁜 graph view보다 다음 질문에 답할 수 있어야 한다. 지난번에 어떤 자료를 ingest했는가. 어떤 주장이 아직 출처가 약한가. 어떤 아이디어가 프로젝트로 승격됐는가. 어떤 실험이 실패했고 왜 폐기됐는가. 이 네 질문에 답할 수 있으면, 12장의 AI Scientist 루프로 넘어갈 준비가 된 것이다.

S8에서 흡수할 수 있는 실전 체크리스트는 이렇다 [12].

  1. 첫 달 ingest 페이지의 상당수는 나중에 재작성될 수 있음을 정상 운영 비용으로 받아들인다.
  2. concepts/, claims/, open-questions/, dead-ends/, logs/, decisions/는 오래 살아남는 구조다.
  3. 큰 instruction file 하나보다 짧은 role-specific subagent/skill 파일이 wiki rot을 줄인다.
  4. 매주 같은 시간에 lint를 돌려 출처 없는 claim, 중복 페이지, 죽은 링크, 흐린 태그를 제거한다.
  5. 공개 가능한 지식, 비공개 raw, 그룹 공유 자료를 같은 폴더에 섞지 않는다.

참고문헌

  1. terryum, "Brain Augmentation," post #7, 2026-03-10. [Um, 2026]
  2. terryum, "새로운 레버리지," terryum-ai, 2026. [Um, 2026]
  3. terryum, "직접 쓰는 것의 가치," terryum-ai, 2026. [Um, 2026]
  4. Karpathy, Andrej, "LLM Wiki," gist, 2026. [Karpathy, 2026]
  5. Aimaker, "AI-powered second brain — 4-month report," 2026. [Maker, 2026]
  6. Starmorph, "LLM Wiki guide," 2026. [Starmorph, 2026]
  7. Okhlopkov, "Claude Code 4-month setup retrospective," 2026. [Okhlopkov, 2026]
  8. Bsukistory, "AI 자동화 관점 (Korean)," 2026. [Brunch, 2026]
  9. Anthropic, "Claude memory documentation," 2026. [Anthropic, 2026]
  10. WebEdge, "Karpathy's LLM Knowledge Base System: Full Breakdown of His CLAUDE.md Schema," 2026-04-11. [WebEdge, 2026]
  11. Cognition, "llm-wiki: the reference implementation of Karpathy's self-building AI memory pattern," 2026-04-16. [Cognition, 2026]
  12. Um, T. (terryum), "LLM Wiki에서 AI Scientist까지," survey #S8, 2026. [Um, 2026]