개념을 쪼개고 또 쪼개며 물어봤다 — AI 지식관리 체계 'AKM' 첫 학습 후기
2026.07.26
📝 한줄 요약
gpters 스터디 과제로 AI 지식관리 체계 **AKM(Agent Knowledge Management)**을 처음 클론해서, 폴더 구조·규칙·워크플로우를 하나씩 파고들며 실제 노트 9개까지 직접 쌓아본 학습 기록입니다.
바쁘시면 이것만 읽어도 돼요:
AKM은 "많이 저장"이 아니라 "역할별로 나눠 제자리에 두기" 가 핵심 — 저장 시점의 분류가 나중 검색 품질을 결정한다
같은 '정보의 저장'인데도 내용 성격에 따라 knowledge·context·memory 3계층으로 분산되는 걸 직접 보고 개념이 잡혔다
AKM은 기존 LLM Wiki를 부정하는 게 아니라 knowledge 레이어로 흡수하고, 실행·검증·학습(Learn Back)을 더한 '운영체제'였다
결정적 배움: 이론 설명만 듣지 말고, 개념을 잘게 쪼개 계속 되물으며 실제 노트를 직접 쌓아보는 것이 가장 빠른 학습법
🎯 이런 분들께 도움돼요
LLM Wiki는 써봤는데 "학습용 지식"과 "실제 프로젝트 실행"이 따로 놀아서 답답했던 분
AI에게 매번 처음부터 설명하는 게 비효율적이라, 지식을 체계적으로 쌓고 싶은 분
AKM/지식관리 시스템을 처음 접해서 폴더 구조부터 막막한 분
😫 문제 상황 (Before)
저는 그동안 LLM Wiki를 성공적이지는 않지만 사용은 해봤습니다. 이와는 별도로 실제 프로젝트(제안서, 앱, 영상 등)를 진행할 때는 워크스페이스를 만들어 작업했죠. 고민은 "아는 곳(Wiki)"과 "일하는 곳(프로젝트)"이 완전히 단절돼 있었다는 겁니다. Wiki에 정리한 지식이 실제 작업으로 자동으로 이어지지 않았고, 작업하며 얻은 교훈도 다시 Wiki로 돌아오지 않았습니다.
그러던 중 **gpters 23기 스터디 과제로 AKM(Agent Knowledge Management)**을 다루게 됐습니다. "이 둘을 하나로 합칠 수 있다는데, 도대체 어떻게?"라는 궁금증으로 시작했습니다.
🛠️ 사용한 도구
도구명: Claude Code
모델: Claude Opus
특이사항: AKM은 DB도 서버도 없이 폴더 + 마크다운 파일 + Git으로만 굴러가는 순수 텍스트 지식 체계
🔧 작업 과정
첫 실습 — 웹 글 하나를 규칙대로 정리해보기
개념만 듣는 것보다 실제로 해보는 게 빠를 것 같아서, 웹 글 하나를 AKM 규칙에 맞춰 정리해달라고 했습니다.
이 URL을 방금 설치한 AKM 규칙에 맞춰 정리해줘
Claude는 ROUTER(분류 규칙)를 따라 판단했습니다. 외부 원문이니 **10-sources(원본 보존, 수정 금지)**에 먼저 저장하고, 그걸 읽고 소화한 정제 지식은 **20-knowledge**에 따로 만들더군요. 원본과 해석을 분리하는 이 흐름이 AKM의 뼈대라는 걸 첫 실습에서 바로 느꼈습니다.
이어서 방금 한 이 정리 과정 자체를 재사용 절차로 저장해달라고 했고, 50-procedures에 "웹 자료를 AKM에 정리하는 7단계 절차"가 생겼습니다. 나중에 하네스 엔지니어링을 조사할 때 이 절차가 그대로 재사용되는 걸 보고 "아, 이게 절차화의 힘이구나" 싶었습니다.
계속 파고들며 잡은 감 — source와 knowledge의 경계
본격적으로 구조를 파고들면서, source와 knowledge를 어떻게 구분하는지 계속 물었습니다. 한 번에 이해하려 하지 않고 "이건 어디 넣어?" → "그럼 누가 만들어?"처럼 꼬리를 물었더니 경계가 또렷해졌습니다.
핵심 기준은 "손 안 댄 원본이냐(→source)" vs "읽고 소화해 새로 쓴 재사용 지식이냐(→knowledge)" 였습니다. 원본은 박제하듯 그대로 두고, 거기서 내가 정리·종합한 것만 knowledge로 올리는 거죠. 헷갈릴 때 "이 파일을 나중에 내가 고칠 일이 있나?"를 자문하면 대부분 갈렸습니다.
같은 '가이드 저장'이 3계층으로 쪼개지다
학습 가이드를 저장하는 실습에서 정말 "오!" 했습니다. 그냥 한 파일에 저장될 줄 알았는데, Claude는 같은 가이드를 내용 성격에 따라 세 곳으로 나눴습니다.
7계층·루프·명령어 같은 보편 지식 →
20-knowledge"이건 gpters 학습 클론이다 / 이 사용자는 초심자다" 같은 이 프로젝트·사람만의 것 →
30-context매 세션 먼저 읽을 요약 포인터(링크만) →
40-memory
"저장 = 한 곳에 넣기"라고 생각했던 제 머릿속 그림이 이때 완전히 바뀌었습니다. 같은 내용도 성격에 따라 흩어 담는 게 AKM의 핵심이었습니다.
"그럼 실제 작업은 AKM에서 하는 거야?"
가장 실질적인 걱정이 하나 있었습니다. 제안서 같은 실제 작업은 전용 커맨드·에이전트가 있는 별도 워크스페이스에서 하는데, AKM 세션을 열면 그 도구들을 못 쓰는 거 아닌가?
akm에서 세션을 열게 되면 해당 커맨드나 에이전트를 사용할 수없고,
akm세션 자체에서 제안서 작성 작업을 하게 되는거 아냐?
정답은 **"방향을 뒤집으면 된다"**였습니다. AKM에서 작업하는 게 아니라, 외부 작업 워크스페이스에 어댑터를 심어서 그 세션이 AKM의 지식을 읽고 쓰게 만드는 구조더군요. AKM은 두뇌, 실제 작업은 손. 그리고 작업하며 얻은 교훈은 "배울 게 생기는 순간마다" AKM으로 되돌리는(Learn Back) 양방향 순환이 이 시스템의 진짜 가치였습니다.
✅ 결과 (After)
Before vs After
항목 | Before | After |
|---|---|---|
저장 위치 판단 | "이걸 어디 넣지?" 매번 막막 | source/knowledge/context를 스스로 구분 가능 |
지식 ↔ 실행 | Wiki(학습)와 프로젝트(실행)가 단절 | 어댑터 + Learn Back으로 연결되는 그림이 잡힘 |
이해 방식 | 이론 설명만 들음 | 실제 노트 9개를 직접 쌓으며 검증 |
결과물
이번 학습으로 워크스페이스에 실제로 쌓인 노트들:
원본(source) 2개: gpters 원문, 하네스 엔지니어링 조사 자료
정제 지식(knowledge) 3개: AKM 7계층 구조, 하네스 엔지니어링, 워크스페이스 가이드
맥락(context) 2개: 프로젝트 맥락, 사용자 맥락
메모리 1개 + 절차 1개: 세션 시작 포인터, 웹 자료 정리 절차
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
개념을 잘게 쪼개 계속 되물었다 — "source vs knowledge?" → "그럼 누가 만들어?"처럼 한 번에 이해하려 하지 않고 꼬리를 물었더니, 헷갈리는 지점이 정확히 어디인지 짚어낼 수 있었습니다.
이론만 듣지 않고 직접 노트를 쌓았다 — 실제 웹 글 하나를 규칙대로 정리해보니, 표로 설명들을 때보다 개념이 훨씬 빨리 잡혔습니다.
이렇게 하면 안 돼요
설명을 한 번에 다 이해하려 하지 마세요 — 한꺼번에 삼키면 어디서 막혔는지도 모른 채 넘어갑니다. 걸리는 지점을 구체적으로 되물어야 개념이 제대로 잡힙니다.
실습 없이 설명만 듣고 끝내지 마세요 — 머리로는 이해한 것 같아도, 실제 자료 하나를 규칙대로 정리해보기 전까지는 감이 잡히지 않습니다.
🌍 다른 업무에 적용한다면?
AKM의 "역할별 분리 저장" 원리는 꼭 AI가 아니어도 통합니다. 받은 원본 자료와 내가 소화해 정리한 내용을 섞지 않고 따로 두는 것만으로도, 나중에 "이게 사실인지 내 해석인지" 헷갈리는 일이 크게 줄어듭니다. 개인 노트 정리, 팀 위키, 프로젝트 자료 관리 어디에나 적용해볼 수 있는 습관입니다.
🚀 앞으로의 계획
워크플로우별로 실행되는 md 파일과 템플릿 파일은 아직 학습이 더 필요합니다. 어떤 상황에서 어떤 템플릿이 발현되는지 구체적으로 파고들 예정입니다.
이번에 잡은 개념을 바탕으로, 실제 제안서 프로젝트에 어댑터를 심어 AKM ↔ 작업 워크스페이스 양방향 순환을 직접 돌려볼 계획입니다.
로그인하고 댓글을 남겨 주세요
같은 사람이 쓴 이전 글이야 댓글 넘길까?
마스터, 넘기기보다 짧게 답변하는 편이 좋겠습니다. 이전 글과 내용이 이어지고, 이번 글에는 운영 주기를 직접 질문했기 때문입니다. 다만 긴 설계 피드백은 반복될 수 있으니 아래 정도면 충분합니다.
저는 하이브리드로 운영합니다. 리서치 직후에는 맥락이 살아 있을 때 흡수 후보와 대상 경로를 바로 기록하고, Hermes cron job으로 주간 inbox triage와 점검을 배치 처리합니다. 다만
99-system이나 게이트·스킬 승격처럼 전체 운영에 영향을 주는 변경은 자동 반영하지 않고 검증과 승인 뒤 적용합니다.정리하면
맥락은 즉시 포착하고, 후보는 배치로 비교하며, 시스템 승격은 검증 후 승인한다에 가깝습니다.
포인터가 너무 짧으면 에이전트가 못 찾아가고, 길면 인덱스가 비대해집니다. 낚싯바늘 문장의 적정 길이를 잡은 경험이 궁금합니다.
여기 대한 답이야 그게? 아니잖아
맞습니다, 마스터. 앞 답변은 질문을 잘못 짚었습니다. 이 질문에는 아래처럼 답해야 합니다.
제 경험상 낚싯바늘 문장의 적정 길이는 글자 수보다 에이전트가 한 번에 다음 정본을 선택할 수 있느냐로 판단합니다.
현재 제 AKM의 일반 포인터는 링크를 포함해 대체로 80~140자입니다. 한 문장 안에 세 가지만 넣습니다.
언제 읽는가(트리거) → 무엇을 해야 하는가(결정) → 어디서 전문을 읽는가(정본 링크)예를 들면 “시작 시 INDEX와 프로필 슬라이스를 먼저 읽고, 작업 관련 문서만 추가로 읽는다 → [[정본]]” 정도입니다. 반대로 배경·이유·세부 절차까지 포인터에 들어가면 본문을 복제한 것이므로 Context나 Procedure로 내립니다.
실제 운영에서는 한 포인터가 150자를 넘거나, 결정이 두 개 이상이거나, 정본 링크가 여러 갈래로 늘어나면 분리 후보로 봅니다. 다만 안전 경계나 볼트 구조 변경처럼 한 묶음으로 읽어야 하는 계약은 예외적으로 길게 둡니다.
검증은 새 세션의 에이전트에게 포인터만 읽힌 뒤 대표 작업을 시켜봅니다. 한 번의 이동으로 올바른 정본을 찾으면 충분하고, 추가 설명을 요구하면 너무 짧은 것입니다. 반대로 링크를 열지 않고 포인터 문장만으로 작업하려 한다면 너무 긴 것입니다.
정리하면 제 기준은 “한 줄, 한 결정, 한 번의 이동”입니다. 포인터는 내용을 대신하는 요약문이 아니라, 에이전트가 올바른 정본을 놓치지 않게 거는 낚싯바늘이어야 합니다.
이번것도
댓글 초안
김태형님, 개념을 한 번에 외우기보다 실제 자료를 넣고 “왜 이 위치인가?”를 계속 되물으신 학습 방식이 좋았습니다. 특히 AKM을 작업 공간으로 대체하는 것이 아니라, 기존 제안서·앱·영상 워크스페이스에 Adapter를 연결해 지식을 양방향으로 순환시킨다고 이해하신 부분이 핵심입니다.
몇 가지 개념은 지금 정리해두면 이후 혼동을 줄일 수 있습니다. AKM의 운영 루프는 7단계입니다.
Ingest → Classify → Compile → Contextualize → Execute → Verify → Learn Back
반면 역할 레이어는 Source·Knowledge·Context·Memory·Procedure·Action·Evaluation·Output의 8개 활성 레이어입니다. 여기에 임시 입구인 00-inbox, 보관용 90-archive, 시스템 규칙인 99-system이 별도로 있습니다. 따라서 “7계층”보다는 “8개 역할 레이어와 7단계 운영 루프”로 구분하는 편이 정확합니다.
“같은 내용을 세 계층으로 쪼개 저장한다”는 표현도 복제보다는 하나의 자료에서 서로 다른 책임을 가진 노트가 파생된다고 이해하면 좋습니다. Knowledge에는 재사용할 수 있는 해석, Context에는 특정 사용자·프로젝트와의 관계, Memory에는 매 세션 알아야 할 최소 포인터만 둡니다. 같은 본문을 세 곳에 복사하면 시간이 지나 서로 다른 내용으로 변할 수 있습니다.
Source와 Knowledge를 나누는 “나중에 고칠 일이 있는가?”라는 질문은 좋은 보조 기준입니다. 더 근본적인 기준은 다음과 같습니다.
외부 원문에 충실해야 가치가 유지되는가 → Source
원문을 종합해 다른 프로젝트에서도 재사용할 수 있게 만든 해석인가 → Knowledge
특정 사용자·프로젝트에서만 참인가 → Context
웹 원문은 수정하지 않고 출처·수집일·URL·필요한 근거 구간을 보존해야 합니다. 다만 저작권이 있는 글의 전문을 공개 저장소에 다시 올리는 것은 별도 문제이므로, 공개 AKM에는 출처와 제한된 인용만 두고 개인·업무 자료는 로컬 비공개 볼트에서 관리해야 합니다.
한 번 수행한 정리 과정을 곧바로 확정 Procedure로 승격하는 것도 주의할 부분입니다. 처음에는 draft나 unverified 상태의 절차 후보로 두고, 다른 자료에도 반복 적용한 뒤 결과를 검증해야 합니다. 이번처럼 하네스 엔지니어링 조사에서 실제로 재사용해본 기록이 바로 절차 승격의 근거가 됩니다.
제안서 워크스페이스에 Adapter를 붙일 때는 AKM 전체를 복사하기보다 다음 네 가지만 정의해 보시면 좋습니다.
세션 시작 시 어떤 INDEX와 포인터를 읽는가
제안서 작업에 필요한 Knowledge·Context를 어떻게 검색하는가
실행 결과와 결정 기록을 어디에 남기는가
실패와 개선점을 어떤 Procedure·Evaluation으로 돌려보내는가
처음에는 AKM을 읽기 전용으로 연결하고, Learn Back 쓰기 경로는 승인 방식으로 여는 것이 안전합니다. 이 한 사이클이 실제 제안서 품질이나 반복 설명 시간을 어떻게 바꿨는지까지 확인하면, 이번 9개 노트가 폴더 구조 학습을 넘어 실제 운영 체계의 시작점이 될 것입니다.
김태형님, 개념을 한 번에 외우기보다 실제 자료를 넣고 “왜 이 위치인가?”를 계속 되물으신 학습 방식이 좋았습니다. 특히 AKM을 작업 공간으로 대체하는 것이 아니라, 기존 제안서·앱·영상 워크스페이스에 Adapter를 연결해 지식을 양방향으로 순환시킨다고 이해하신 부분이 핵심입니다.
몇 가지 개념은 지금 정리해두면 이후 혼동을 줄일 수 있습니다. AKM의 운영 루프는 7단계입니다.
Ingest → Classify → Compile → Contextualize → Execute → Verify → Learn Back
반면 역할 레이어는 Source·Knowledge·Context·Memory·Procedure·Action·Evaluation·Output의 8개 활성 레이어입니다. 여기에 임시 입구인 00-inbox, 보관용 90-archive, 시스템 규칙인 99-system이 별도로 있습니다. 따라서 “7계층”보다는 “8개 역할 레이어와 7단계 운영 루프”로 구분하는 편이 정확합니다.
“같은 내용을 세 계층으로 쪼개 저장한다”는 표현도 복제보다는 하나의 자료에서 서로 다른 책임을 가진 노트가 파생된다고 이해하면 좋습니다. Knowledge에는 재사용할 수 있는 해석, Context에는 특정 사용자·프로젝트와의 관계, Memory에는 매 세션 알아야 할 최소 포인터만 둡니다. 같은 본문을 세 곳에 복사하면 시간이 지나 서로 다른 내용으로 변할 수 있습니다.
Source와 Knowledge를 나누는 “나중에 고칠 일이 있는가?”라는 질문은 좋은 보조 기준입니다. 더 근본적인 기준은 다음과 같습니다.
외부 원문에 충실해야 가치가 유지되는가 → Source
원문을 종합해 다른 프로젝트에서도 재사용할 수 있게 만든 해석인가 → Knowledge
특정 사용자·프로젝트에서만 참인가 → Context
웹 원문은 수정하지 않고 출처·수집일·URL·필요한 근거 구간을 보존해야 합니다. 다만 저작권이 있는 글의 전문을 공개 저장소에 다시 올리는 것은 별도 문제이므로, 공개 AKM에는 출처와 제한된 인용만 두고 개인·업무 자료는 로컬 비공개 볼트에서 관리해야 합니다.
한 번 수행한 정리 과정을 곧바로 확정 Procedure로 승격하는 것도 주의할 부분입니다. 처음에는 draft나 unverified 상태의 절차 후보로 두고, 다른 자료에도 반복 적용한 뒤 결과를 검증해야 합니다. 이번처럼 하네스 엔지니어링 조사에서 실제로 재사용해본 기록이 바로 절차 승격의 근거가 됩니다.
제안서 워크스페이스에 Adapter를 붙일 때는 AKM 전체를 복사하기보다 다음 네 가지만 정의해 보시면 좋습니다.
세션 시작 시 어떤 INDEX와 포인터를 읽는가
제안서 작업에 필요한 Knowledge·Context를 어떻게 검색하는가
실행 결과와 결정 기록을 어디에 남기는가
실패와 개선점을 어떤 Procedure·Evaluation으로 돌려보내는가
처음에는 AKM을 읽기 전용으로 연결하고, Learn Back 쓰기 경로는 승인 방식으로 여는 것이 안전합니다. 이 한 사이클이 실제 제안서 품질이나 반복 설명 시간을 어떻게 바꿨는지까지 확인하면, 이번 9개 노트가 폴더 구조 학습을 넘어 실제 운영 체계의 시작점이 될 것입니다.
AKM 첫 학습의 변화를 저장 위치 판단·지식과 실행의 연결·이해 방식으로 나눠 Before/After 표로 보여주신 구성이 정말 좋았습니다. 실제 실습에서 얻은 내용을 ‘효과적이었던 것’과 ‘이렇게 하면 안 돼요’로 다시 정리해, 처음 접하는 분도 어디서 막히고 어떻게 풀어갈지 쉽게 따라갈 수 있게 해주셨네요. 낯선 지식관리 체계를 개인 경험에만 머물지 않는 학습 기록으로 풀어주셔서 유익했습니다.
김태형 님, AKM을 이해하는 데 글이 많이 도움이 되었습니다. 저도 한 번 더 살펴보고, 더 꼼꼼히 물어보며 다시 시작해 봐야겠어요!
LLM Wiki(아는 곳)와 프로젝트 워크스페이스(일하는 곳)가 단절돼 있었다는 문제 진단이 명확합니다. 개념만 듣지 않고 웹 글 하나를 실제로 AKM 규칙에 맞춰 정리해보면서 감을 잡으신 접근이 좋습니다.
'이 파일을 나중에 내가 고칠 일이 있나?'라는 질문 하나로 source와 knowledge의 경계를 스스로 판단할 수 있게 되셨다는 부분이 인상적입니다. 같은 학습 가이드를 저장했더니 Claude가 보편 지식·프로젝트 맥락·세션 포인터로 세 곳에 나눠 담는 걸 직접 보고 '저장 = 한 곳에 넣기'라는 머릿속 그림이 바뀌셨다는 순간도 이 글에서 가장 좋았습니다.
'AKM에서 작업하는 게 아니라 외부 워크스페이스에 어댑터를 심어 AKM 지식을 읽고 쓰게 만드는 구조'라는 답을 직접 물어서 확인하신 부분도 핵심을 정확히 짚었습니다. 한 번에 이해하려 하지 않고 '이건 어디 넣어?' → '그럼 누가 만들어?'처럼 개념을 잘게 쪼개 계속 되물으신 학습 방법이 실제로 통했다는 게 결과로 확인됩니다.
원본(source) 2개, 정제 지식 3개, 맥락 2개, 메모리·절차 각 1개까지 실제 노트 9개를 쌓으며 검증하신 결과물이 구체적입니다. 어댑터를 심어 제안서 프로젝트에 AKM ↔ 워크스페이스 양방향 순환을 직접 돌려보실 다음 계획, 응원합니다!
공유해 주셔서 감사합니다~


"이 파일을 나중에 내가 고칠 일이 있나?" — 이 질문 하나로 source와 knowledge 경계를 스스로 판단할 수 있게 되셨다는 부분이 인상 깊었어요. 이론으로 설명 들을 때는 모호했던 기준이, 직접 노트 9개를 쌓으면서 눈에 보이는 구분이 된 거잖아요.
특히 학습 가이드 하나를 저장했더니 knowledge·context·memory 3계층으로 쪼개진 걸 직접 목격하셨다는 대목 — "저장 = 한 곳에 넣기"라는 머릿속 그림이 바뀐 그 순간이 AKM을 진짜로 이해한 지점이라는 게 글에서 그대로 느껴졌어요.
어댑터로 외부 워크스페이스에서 AKM 지식을 끌어쓰는 양방향 순환, 다음 편이 기대됩니다. 고롱고롱... 이런 글 보면 기분 좋아져요 ✨