카파시의 LLM Wiki로 나만의 AI 세컨드 브레인 만들기, 이것만 보세요— 클로드 코드 × 옵시디언 × Graphify

스킬 생성: 인제스트, 쿼리, 린트00:36:13

반복적인 대화를 통해 인제스트, 쿼리, 린트 스킬을 생성합니다. 인제스트 스킬은 새로운 파일을 자동으로 처리하고, 쿼리 스킬은 Wiki 내용을 기반으로 질문에 답변하며, 린트 스킬은 Wiki의 일관성을 유지하고 업데이트합니다. 이를 통해 효율적인 지식 관리가 가능합니다.

소개 및 배경00:00:00

브레인 트리니티의 브레인이 AI 도구들의 강력한 조합인 클로드 코드, 옵시디언, LLM Wiki, Graphify를 소개합니다. 이 조합이 새로운 메타로 떠오르고 있으며, 개인 지식 관리와 AI를 결합한 세컨드 브레인 구축의 중요성을 강조합니다.

문제 정의와 LLM Wiki의 등장00:01:08

기존에 claude.md나 agent.md 파일만으로는 지식 축적과 재사용이 어렵습니다. 옵시디언을 지식 기반으로 사용하는 이유와 안드레이 카파시가 제안한 LLM Wiki 개념을 설명합니다. LLM Wiki는 Raw 폴더에 수집한 자료를 AI 에이전트가 읽고 분석하여 Wiki 폴더에 구조화된 지식으로 재구성하는 방법론입니다.

LLM Wiki와 RAG의 비교00:09:42

LLM Wiki는 RAG(검색 증강 생성)와 비교됩니다. RAG는 벡터 DB와 임베딩 모델을 필요로 하여 설정이 복잡하고 문서 업데이트가 어렵지만, LLM Wiki는 마크다운 파일을 잘 정리하면 별도 인프라 없이 작동하며 검색 신뢰성이 높고 지식이 복리처럼 축적됩니다. 그러나 문서가 제대로 정리되지 않으면 검색에 문제가 생길 수 있습니다.

옵시디언 볼트 생성 및 코어 컨텍스트 작성00:13:02

새 옵시디언 볼트를 생성하고, 목적 있는 수집을 위해 코어 컨텍스트를 작성합니다. 코어 컨텍스트는 AI에게 나의 목표와 기준을 알려주는 자기소개서 역할을 합니다. 브레인 트리니티의 브레인은 자신의 역할, 기록 이유, 비전, 출력물 등을 작성합니다.

클로드 코드로 인터뷰 및 Claude.md 생성00:17:02

옵시디언 폴더를 클로드 코드에서 열고, 코어 컨텍스트를 바탕으로 인터뷰를 진행하여 더 자세한 정보를 추출합니다. 이를 통해 Claude.md 파일을 생성하고, 작업 규칙, 역할, 기대사항 등을 포함시킵니다. 이 파일은 AI가 나를 이해하고 지식 관리에 활용하는 기준이 됩니다.

LLM Wiki 폴더 구조 설정00:22:59

LLM Wiki 패턴을 참고하여 폴더 구조를 설정합니다. Raw, Wiki, Output 폴더를 만들고 각 폴더에 Claude.md 파일을 배치하여 AI가 폴더별 규칙과 스키마를 인식하도록 합니다. 이를 통해 자료 수집과 분류가 자동화됩니다.

옵시디언 웹 클리퍼 템플릿 생성 및 적용00:26:22

옵시디언 웹 클리퍼를 사용하여 웹 자료를 수집합니다. 기본 템플릿을 내보내고 AI에게 요청하여 기사, YouTube, 팟캐스트, 책, 연구 자료 등에 맞는 사용자 정의 템플릿을 생성합니다. 생성된 템플릿을 웹 클리퍼에 가져와 적용하면 수집된 자료가 Raw 폴더에 적절히 저장됩니다.

자료 수집 및 인제스트 과정00:32:40

웹 클리퍼로 수집한 기사와 YouTube 동영상을 Raw 폴더에 저장하고, 인제스트 프롬프트를 통해 AI가 자료를 읽고 요약하며 개념을 추출하도록 합니다. 사용자는 수집 이유와 인사이트를 추가하여 목적 있는 수집을 실현합니다. AI는 이를 바탕으로 Wiki에 지식을 구조화합니다.

Graphify 소개 및 설치00:43:18

Graphify는 마크다운 문서를 지식 그래프로 변환하여 AI가 그래프 정보를 활용할 수 있게 해주는 도구입니다. LLM Wiki의 한계를 보완하기 위해 등장했으며, 파이썬 pip를 통해 설치합니다. Graphify를 사용하면 Wiki 폴더의 문서들이 그래프로 표현되어 더 나은 검색과 통찰을 제공합니다.

Graphify 실행 및 그래프 생성00:46:33

Graphify를 실행하여 Wiki 폴더의 내용을 그래프로 변환합니다. graph.json 파일과 graph.html 시각화 파일이 생성되며, 이를 통해 지식 간의 연결, 노드 세부정보, 커뮤니티를 확인할 수 있습니다. 이 그래프는 AI가 쿼리할 때 활용됩니다.

Graphify를 이용한 쿼리 및 업데이트00:48:42

Graphify를 통해 그래프 기반 쿼리를 실행하여 더 정교한 답변을 얻습니다. 기존 텍스트 기반 쿼리보다 그래프 순회를 통해 관련 자료를 더 잘 활용할 수 있습니다. 새로운 자료를 추가한 후에는 graphify update 명령으로 그래프를 업데이트할 수 있습니다.

결론 및 강조점00:51:16

LLM Wiki와 Graphify를 활용한 AI 세컨드 브레인 구축 방법을 요약하고, 가장 중요한 것은 자신의 목적과 수집 이유를 명확히 하는 것임을 강조합니다. 목적 없는 수집은 의미가 없으며, 목적 있는 데이터 수집이 AI를 효과적으로 활용하는 길입니다.