본문으로 건너뛰기

외부정보 정리에 치우친 LLM WIKI에서, 아이디어와 컨텐츠 창작이 넘치는 통합지식관리시스템으로의 진화

비케이

2026.10.05

오늘은 Codex와 함께 Obsidian 지식관리시스템을 발전시킨 과정을 소개해드리려고 합니다.

- 어떤 문제가 있었고
- 어떤 개념을 적용했고
- Codex와 어떻게 협업하여 구조를 바꿨는지 차근차근 설명드리겠습니다.

저는 기존에 Obsidian에서 LLM Wiki를 운영하고 있었습니다. 안드레카파시의 깃허브를 바탕으로 만들었는데 원본자료(외부정보+내컨텐츠)를 모으면 LLM(AI)가 이것을 읽고 요약해서 개념을 정리해 위키페이지와 페이지간 링크를 만드는 방식이었습니다. 그런데 문제는 외부자료와 제가 생산하는 컨텐츠의 균형이 심각하게 무너져 있었습니다. 95%는 외부정보였고 제가 생산하는 컨텐츠의 양은 너무 적었습니다. 저만의 독창적인 아이디어와 컨텐츠가 AI시대의 차별화된 경쟁력인데 말이죠. 저는 이 문제의식을 가지고 오랫동안 씨름하면서 어떻게 저만의 독창적인 아이디어와 컨텐츠 생산량을 늘릴지를 고민했습니다. 그러던 중에 예전에 사놓고 아직 읽지 않았던 디아고 포르테의 <세컨드 브레인>을 읽고 사이다같은 솔루션을 발견했습니다. 기존의 LLM wiki에 <세컨드 브레인>의 CODE/PARA 시스템과, 제텔카스텐 시스템을 결합하면 저의 고민이 해결될거라는 생각이 들었습니다. 제가 직접 만드는 지식과 콘텐츠가 가장 중요한 축이 되는 통합지식관리시스템으로 기존의 LLM wiki를 업그레이드할 수 있을거라고 생각했습니다.

이 글에서는 기존 LLM Wiki가 어떤 구조였는지, 그리고 현재의 통합 지식관리 시스템으로 어떻게 달라졌는지 두 부분으로 나누어 소개하겠습니다. 먼저 변경 전과 후를 비교해서 보시면 이해하기 좀 더 수월할 것 같습니다.

구분

기존 LLM Wiki

현재 통합지식관리시스템

중심 목적

수집 & 정리

생산 & 활용

내 생각과 글

생산하기 어려움

생산방식 다양화(일기·회고·소스메모·제텔·초안·완성)

주요 구성

LLM wiki

LLMwiki+CODE+PARA+제텔카스텐

지식 연결

LLM Wiki

소스메모·제텔·제텔MOC·완성 → LLM Wiki에서 통합

AI에게 맡기는 일

원본을 읽고 Wiki 정리

wiki정리 + 컨텐츠 생산 + 시스템개선

이번 작업에서 사용한 도구 : Obsidian과 Codex

이번 작업은 제가 기록을 읽고 쓰는 Obsidian과 대화로 설계를 돕고 파일을 수정하는 AI 도구 Codex를 함께 사용해 진행했습니다. 두 도구가 무엇을 맡았는지 구분해보시면, 여러분이 따라 하실 때도 훨씬 이해하기 쉬우실 거예요.

도구

이번 작업에서 맡은 역할

제가 사용한 방식

Obsidian

Markdown 노트를 보관하고 읽고 쓰며, 노트 사이의 링크를 탐색하는 지식 작업 공간

폴더 구조를 만들어 노트·템플릿·정보수집·아이디어생성·Wiki를 통해 지식을 통합관리하는 공간으로 사용

Codex

자연어 지시를 이해하여 볼트의 폴더와 파일 구조와 운영방식 제안하며, 사용자가 승인한 변경을 실제 운영파일에 일괄 적용하여 작업까지 완료하는 AI coding agent

지식관리시스템 구조와 운영방식을 Codex에게 제시하고, 이것을 실제 작동하도록 운영구조변경·문서수정·링크 갱신을 요청

예를 들어 제가 Codex에 “제텔의 Maps 폴더 이름을 MOC로 바꾸고 관련 링크를 수정해줘”라고 요청하면, Codex가 실제 폴더와 Markdown 파일을 수정합니다. 그러면 저는 Obsidian에서 새 위치와 연결을 확인하는 식입니다. 어떤 지식을 중요하게 볼지, 어떤 공간을 분리할지, 최종적으로 무엇을 채택할지는 제가 결정했습니다.

1. 기존 LLM Wiki — 원본을 읽고 지식을 축적하는 구조

LLM Wiki는 어떤 방식일까요?

LLM Wiki는 AI가 자료를 읽어 위키 문서를 만들고 유지하는 운영 방식입니다. 새 자료가 들어오면 요약을 만들고, 관련 주제를 보완하고, 출처와 교차 링크를 관리합니다. 사람이 이 작업을 다 하기엔 너무 많은 공수가 들어가서 개인위키 관리를 포기하고 실패하는데 이 많고 귀찮은 작업을 LLM(AI)이 대신 해줄 수 있게 되면서 기존에는 엄두를 내기 어려웠던 개인wiki를 관리할 수 있게 되었습니다.

Andrej Karpathy의 LLM Wiki 제안은 이를 원본 자료, 위키, 운영 규칙의 세 층으로 설명합니다. 특정 앱을 설치하면 완성되는 제품이 아니라 사용자와 AI가 함께 구체화하는 패턴입니다. 사실 구축하는건 되게 쉬운데 클로드코드나 코덱스에게 아래 깃허브링크를 던져주면서 LLM wiki를 만들어 달라고 하면 바로 만들어줍니다.
LLM Wiki 원문

카파시는 사실 구체적인 방법론이 아닌 아이디어와 개념만 제안했습니다. 만들기는 쉽지만 문제는 이것을 자신에게 필요한 지속가능한 지식관리시스템으로 유지하기가 어렵다는 것입니다. 이 개념을 충분히 숙지한 뒤에 LLM(AI)와 함께 충분히 대화해서 자신의 커리어와 지식관리 목적에 맞게 계속 깎아나가며 커스터마이징해야 합니다.

기존 저의 LLM wiki인 옵시디언 볼트에는 다음과 같은 폴더구조가 있었습니다. 카파시의 핵심 개념 3가지(운영규칙, 원본자료, 위키)에 이것을 활용하여 제가 직접 생산한 컨텐츠인 docs 폴더를 추가하여 4개 폴더로 관리했습니다.

00. setting/    운영 규칙
01. raw/        참고 자료와 기존 개인 원본
02. wiki/       AI가 정리하고 연결하는 지식
03. docs/       내가 직접 생산한 글과 문서

이 구조에서 저는 자료와 질문을 제공하고, AI는 내용을 읽고 정리하는 역할을 맡았습니다. 자료에는 외부 정보뿐 아니라 저의 개인 미션·비전, 아이디어, 글 같은 기존 개인 원본도 있었습니다. 따라서 초기 Wiki가 외부 기사만 취급했던 것은 아닙니다. 다만 구조의 중심은 원본을 읽어 Wiki로 정리하는 흐름이었습니다.

우리 볼트의 Wiki에는 추가적인 보호 원칙도 있습니다. AI가 작성한 해석과 제 견해를 구분하고, 원본과 ‘나의 메모’는 임의로 고치지 않습니다. AI가 위키를 관리한다는 이유로 제 생각까지 마음대로 확정하게 하지 않은 것입니다.

이 단계에서의 요청 방식

기존 운영 방식은 ingest, query, lint 로 운영합니다.

- ingest : 원본을 읽어 기존 Wiki에 지식을 반영하는 작업
- query : 기존 wiki 지식에 질문을 던져서 새로운 지식을 생성
- lint : wiki 점검, 개념 정렬/최신화, 오류수정, 링크/출처 복구

2. 현재의 통합지식관리시스템 — 정보수집을 넘어 나만의 아이디어와 컨텐츠 창작으로 중심점을 옮기기

기존 Wiki를 유지하면서 제가 가진 문제의식과 고민은 제가 생산하는 컨텐츠를 빠르게 늘리는 것이었습니다. 95%는 외부정보였고 제가 생산하는 컨텐츠의 양은 너무 적었습니다. 저만의 독창적인 아이디어와 컨텐츠가 AI시대의 차별화된 경쟁력인데 말이죠.
고민하던 중 티아고 포르테의 <세컨드 브레인>을 읽었고 CODE/PARA 시스템과, 제텔카스텐 시스템을 도입해서 저의 고민을 해결해 나가고 있습니다.
LLM wiki를 통합지식관리시스템으로 바꾸면서 시스템의 중심축을 정보의 수집과 정리에서 나만의 독창적인 아이디어와 컨텐츠의 생산으로 완전히 바꿨습니다. 다양한 방식으로 저의 아이디어를 정리하고 발전시켜 콘텐츠를 완성하는 흐름으로 구조를 변경했습니다. 정보의 수집은 프로젝트의 문제해결과 컨텐츠 생산을 위한 하위 활동으로 정의를 바꿨습니다.
먼저 세컨드브레인, CODE, PARA, 제텔카스텐의 핵심 개념을 설명드리고, 이 원리를 실제 폴더와 글쓰기 흐름에 어떻게 적용했는지 보여드리겠습니다.

세컨드브레인, CODE, PARA, 제텔카스텐은 무엇일까요?

세컨드브레인은 유용한 정보와 생각을 외부 도구에 보관하고 필요할 때 다시 활용하는 개인 시스템입니다. 단순히 많이 저장하는 데서 끝나지 않고, 실제 행동과 창작을 돕는 것이 목적입니다.
Tiago Forte의 세컨드브레인 소개

여기서 CODE는 정보를 활용하는 과정, PARA는 정보를 정리하는 기준입니다. 처음에는 두 개념이 비슷하고 헷갈릴 수 있는데 PARA는 CODE의 O(organize)를 구체화한 방법론이라고 아시고 아래 설명을 보시면 이해하기 쉬우실 겁니다.

CODE

쉬운 설명

이번 시스템에서의 예

Capture, 수집

다시 사용할 만한 것을 기록합니다

프로젝트/관심사 정보. 웹클리핑, 빠른 아이디어 기록,

Organize, 정리

활용할 맥락에 맞게 배치합니다

PARA. 프로젝트(P), 지속관리(A), 관심(R), 보관(A)

Distill, 추출

나중에 쓸 핵심과 의미를 드러냅니다

중요한 대목 표시, 내 해석, 질문 기록

Express, 표현

지식을 결과물로 만듭니다

글, 제안, 프로젝트 결과물 작성

CODE는 모든 자료를 네 폴더에 차례대로 옮기라는 뜻이 아닙니다. 필요한 자료를 다시 보면서 정리하거나 추출하고, 바로 글에 활용할 수도 있습니다. CODE에 관한 Forte Labs 설명

PARA의 네 범주는 다음과 같습니다. 활용 목적과 현재의 책임을 기준으로 자료를 정리합니다. PARA 원문

PARA

뜻

구분하는 질문

Projects

완수할 결과물이 있는 작업

무엇을 완료하면 끝나는가?

Areas

지속적으로 관리할 책임 영역

어떤 기준을 계속 유지해야 하는가?

Resources

참고할 자료와 관심 주제

필요할 때 무엇을 참고할 것인가?

Archives

완료되거나 비활성화된 항목

지금은 활동하지 않지만 보관할 것인가?

PARA를 적용하면서 프로젝트·영역·자료·보관 공간을 구분했습니다. 하지만 PARA만으로는 제가 직접 생각을 만들고 글을 쓰는 과정까지 충분히 드러나지 않았습니다. 그래서 창작 공간과 Wiki를 별도로 두고, CODE와 제텔카스텐의 흐름을 연결했습니다.

제텔카스텐은 메모를 쌓아두는 데 그치지 않고, 한 노트에 하나의 생각을 제 말로 쓰고 다른 생각과 연결하며 발전시키는 방식입니다. 책이나 웹에서 가져온 문장 자체는 제 생각이 아니므로 원본과 읽기 메모에 남기고, 거기서 떠오른 주장이나 질문을 별도의 제텔로 만듭니다. 관련 제텔을 찾아가는 지도인 MOC(Map of Content)는 Zettels/MOC에 둡니다. 반면 Wiki의 인덱스는 외부 자료와 제 생각을 함께 찾아보는 길잡이입니다. 두 지도의 역할을 구분해야 같은 목록을 중복해서 관리하지 않게 됩니다.

현재의 통합지식관리시스템 구조

아래는 폴더 구조와 설명입니다.

  • Project(문제해결)와 Creation(창작)이 이 구조의 중심축입니다.

00 Inbox/                   떠오른 생각과 아직 분류하지 않은 메모
10 Projects/                완료할 결과물이 있는 일
20 Areas/                   계속 관리할 책임 영역
30 Resources/               project, area 외의 관심 영역
40 Archives/                완료되거나 잠시 쓰지 않는 자료
50 Creations/               나만의 독창적인 아이디어와 컨텐츠 생산
  Journal/                  일일 기록과 주간·월간 회고
  source-memo/              자료의 핵심 구절과 내 해석
  Zettels/                  내 언어로 쓴 하나의 생각
    MOC/                    제텔을 주제별로 연결하는 MOC
  Drafts/                   아직 완성되지 않은 아이디어와 글
  Writings/                 완성한 글과 발행 기록
60 Wiki/                    외부 자료와 내 지식을 엮은 주제별 설명
90 System/                  시스템, schema, 템플릿, 백업, 기록 자료
HOME.md                     자주 쓰는 공간으로 가는 시작점
AGENTS.md                   Agent 작업지시서
CLAUDE.md                   Agent 작업지시서(클로드용)

PARA는 일의 맥락을 나누는 기준으로 적용했습니다. Projects에는 기한이나 완료 조건이 있는 일을, Areas에는 꾸준히 돌볼 영역을 둡니다. Resources에는 Projects, Areas 외에 관심있는 영역의 자료의 원본을 보존합니다. 활동이 끝났거나 당장 쓰지 않는 것은 Archives에 둡니다. Creations, Wiki, System은 PARA의 다섯 번째·여섯 번째 범주가 아닙니다. 제가 생각을 만들고, 지식을 통합하고, 시스템을 운영하려고 별도로 둔 공간입니다.

CODE는 이 폴더들을 사용하는 흐름입니다. 빠른 메모는 Inbox에 웹클리핑은 Resources에 그리고 Projects, Areas, Resources의 각 폴더와 관련있는 정보와 아이디어들을 만나면 수집(Capture)합니다. 위의 PARA 방식으로 Projects, Areas Resources, Archive에 정보와 아이디어를 분류하고 정리(Organize)합니다. 자료를 읽으며 중요한 대목을 표시하고 제 해석과 질문을 source-memo에 남기는 과정이 추출(Distill)입니다. 여기서 얻은 생각을 Zettels로 발전시키고 Drafts에서 글로 엮어 Writings에 완성하는 것이 표현(Express)입니다. 모든 자료가 이 경로를 끝까지 거쳐야 하는 것은 아닙니다. 앞에 과정 없이 바로 Draft나 Writing이 만들어질수도 있습니다.

제텔카스텐은 생각을 발전시키는 방법으로 적용했습니다. 예를 들어 외부 글에서 ‘AI 도구가 생산성을 높인다’는 내용을 읽었다면 원문은 Resources에, 외부자료에 대한 내 아이디어는 source-memo에 남깁니다. 그런 다음 ‘생산성 향상은 정보 수집량보다 결과물 완성으로 판단해야 한다’처럼 제 주장 하나를 Zettels에 씁니다. 관련 제텔을 Zettels/MOC에서 연결하고, 이 생각들을 모아 글 초안을 Drafts에서 작성합니다. 글이 완성되면 Writings로 옮겨서 실제 발행정보를 추가하여 블로그·SNS·채널에 발행합니다. 원본, 해석, 제생각, 초안, 완성글이 각각 어디에 있는지 알 수 있는 구조입니다.

Wiki는 이 모든 정보·지식·창작물을 통합하여 정리하는 공간입니다. 원본자료 출처와 제 생각을 함께 참고하되, 무엇이 외부 근거이고 무엇이 제 해석인지 구분합니다. Wiki 인덱스가 외부자료와 제가 창작한 전체 지식의 길잡이라면 제텔 MOC는 제 생각들만 연결한 것을 보여주는 지도입니다.

이렇게 바꾸면서 가장 달라진 것은 폴더 수보다 시스템의 출발 질문입니다. 이전에는 ‘무엇을 더 모아 Wiki에 넣을까?’가 중심이었다면, 이제는 ‘제가 어떤 문제를 해결하고 나만의 독창적인 아이디어와 콘텐츠를 어떻게 더 많이 만들 수 있을까?’를 먼저 묻습니다. 외부 정보는 여전히 중요하지만, 수집 자체가 목적이 되지 않도록 프로젝트와 글쓰기에 필요한 만큼 가져옵니다. LLM Wiki의 검색·종합 기능을 살리면서도, 제 아이디어가 제텔과 글로 자라나는 자리를 시스템의 중심에 놓은 셈입니다.

3. 배운점과 앞으로의 계획

LLM Wiki를 통합지식관리시스템으로 바꾸며 배운 점과 꿀팁

가장 크게 배운 점은 자료가 많아지는 것과 제 지식이 자라는 것은 다른 일이라는 것입니다. 스크랩만 쌓이면 나중에 다시 읽기 어렵습니다. 마음에 남은 자료 하나라도 왜 중요한지, 제 경험과 어떻게 연결되는지, 어디에 써볼지를 짧게 적으면 다음 행동이 쉬워집니다. 모든 자료를 꼼꼼히 추출하려 하기보다 실제 프로젝트나 글에 쓸 자료부터 다시 읽는 편이 저에게 맞습니다.

폴더를 만들기 전에 각 폴더의 역할을 한 문장으로 정해두는 것이 도움이 됐습니다. Sources는 원본, source-memo는 근거와 내 해석, Zettels는 하나의 생각, Wiki는 주제별 종합, Drafts는 실험 중인 글, Writings는 완성한 글이라는 식입니다. 노트가 어디에 속할지 헷갈리면 그 노트로 지금 무엇을 하려는지 먼저 물어봅니다. 원본은 가능하면 보존하고, 해석과 창작은 별도 노트에 남겨두면 나중에 출처를 확인하기도 쉽습니다.

Codex와 함께 구조를 바꿀 때는 폴더 이름만 바꾸지 않고 템플릿 경로, 내부 링크, 웹클리퍼의 저장 위치, LLM Wiki가 읽는 범위도 함께 확인하는 것이 좋았습니다. 변경 후에는 실제로 일일 노트를 열고, 웹클리핑 한 건을 저장하고, Wiki에서 새 폴더의 글을 읽을 수 있는지 확인해야 설정과 사용 경험이 맞아떨어집니다.

시행착오

Wiki 인덱스와 제텔 MOC를 모두 전체 지식의 목차처럼 만들어서 ‘지식지도’ 역할이 겹쳤습니다. 래서 Wiki 인덱스는 통합 지식의 안내, 제텔 MOC는 제 생각의 연결 관계로 역할을 나눴습니다.

앞으로의 계획

이제부터는 새 폴더를 더 만드는 것보다 꾸준히 제 생각과 콘텐츠를 생산하는 것에 집중하려고 합니다. 일상에서 생긴 질문을 기록하고, 필요한 자료를 읽어 짧은 source-memo와 제텔로 남긴 뒤, 쓸 만한 생각을 Drafts에서 발전시켜 Writings에 완성하는 흐름을 반복해보겠습니다.

기존의 ingest, query, lint 중 잘 사용하지 않았던 Query를 더 적극적으로 활용해서 새로운 지식의 연결과 인사이트를 많이 생산해내려고 합니다.

- ingest : 원본을 읽어 기존 Wiki에 지식을 반영하는 작업
- query : 기존 wiki 지식에 질문을 던져서 새로운 지식을 생성
- lint : wiki 점검, 개념 정렬/최신화, 오류수정, 링크/출처 복구

이 시스템은 완성된 정답이 아니고 제가 쓰면서 계속해서 예리하게 깎아나가야 합니다. 어느 폴더에서 메모가 쌓이기만 하는지, 어떤 연결이 글쓰기에 도움이 되는지 주기적으로 살펴보고 불필요한 운영규칙을 조정해나갈 계획입니다. 궁극적으로는 이 통합지식관리시스템을 통해서 저만의 독창적인 아이디어와 컨텐츠를 풍부하게 생산하고 그것을 글과 책과 강의와 컨설팅으로 수익화까지 연결하는 것이 목표입니다.

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.10.05

기존 Wiki에 외부정보가 95%를 차지한다는 문제를 숫자로 짚고, 수집보다 내 생각의 생산을 중심에 놓으신 전환이 인상 깊어요.

원본은 Sources에 보존하고 source-memo에서 해석한 뒤 Zettels·Drafts·Writings로 키우는 흐름이 구체적이네요. Wiki 인덱스와 제텔 MOC의 역할이 겹쳤을 때 각각 전체 안내와 내 생각의 연결 지도로 나누신 시행착오도 도움이 됐어요.

다음에는 query로 어떤 아이디어가 실제 글까지 이어졌는지도 궁금해요. 고롱고롱, 계속 응원할게요 ✨

야호심 프로필 이미지
야호심2026.10.07

비케이 님, 통합지식관리시스템으로의 진화되는 과정을 정말 재미있게 잘 읽었습니다.
저도 많이 배웠습니다. ^^

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기