13년치 크롬 북마크 2,590개를 그래프 지식베이스로 (w/ LLM wiki)
2026.05.31

출발점
지난 사례 발표 때 스터디원 한분이 채팅을 남겨주었다.
"우아 북마크 진짜 많으시네요" 이번주 사례의 시작이 바로 이포인트 였다. (잡았다!!! 망원궁예 님~! ㅋㅋ 댓글 참조~!)
크롬 책갈피에 13년 묵은 북마크가 2,590개 쌓여 있었다. 가끔 "예전에 그거 봤었는데…" 찾으려면 폴더 트리를 한참 뒤져야 했다. Karpathy가 공유한 LLM Wiki 패턴(Raw Sources → Wiki → Queries 3계층)을 옵시디언으로 구현해 위성 vault를 만들기로 했고, 이번 세션의 목표는 북마크 전체를 마크다운 노트로 변환하고 그래프로 연결하는 것.
1단계 — ingest 파이프라인
Chrome Bookmarks JSON을 파싱해서:
중복 제거: 2,590 → 1,147 unique URL
포털-only(naver.com 루트 같은 거) 제외
각 URL 페치 → og:description, 본문, 헤딩 추출
폴더 구조 그대로
10. Raw Sources/11. Bookmarks/{folder}/{date}-{slug}-{hash}.md생성원본 HTML은
_raw/{hash}.html에 캐시 (재추출용)
전체 ingest 백그라운드 실행, 약 20분. 결과: 597 성공 / 541 실패 / 3 non-HTML. 실패 대부분은 2013년경 죽은 한국 도메인(freechal.com, daum blog, 기타 인증서 만료 등). fetch 성공률은 52% — 13년 인터넷 노후화의 현실.
2단계 — 그래프 폭망 → 근본 원인 발견
옵시디언 그래프 뷰를 열어보니 모든 노드 1,141개가 단일 노드 "Koo교수님"에 빨려 들어간 별 모양. 처음엔 "오 연결 잘 됐네" 싶었지만 자세히 보니 토픽이 아니라 author 메타 필드 하나 때문이었다. (지식체계의 reference를 위해 CMDS 체계를 참조하다 보니..)
원인: 북마크 템플릿에 author: - "[[Koo교수님]]" 하드코딩 → 옵시디언이 빈 Koo교수님.md placeholder를 자동 생성 → 1,100개가 거기로 수렴.
교훈 1. PKM 그래프에서 모든 노드가 누구에게나 가지는 메타(작성자, 날짜 등)는 wikilink가 아니라 plain text나 frontmatter 값으로 둬야 한다. 안 그러면 의미 없는 별 모양이 됨.
조치: 974개 파일에서 [[Koo교수님]] 일괄 제거, orphan Koo교수님.md 삭제, 템플릿도 수정.
3단계 — 다시 그래프 폭망 → "태그 ≠ 엣지"
[[Koo교수님]]을 지우니 이번엔 모든 노드가 점점이 따로 노는 그래프. 1,141개 고립.
처음엔 도메인+제목 키워드로 131개 태그를 자동 부여해 해결했다고 생각. 그런데 그래프는 그대로 점이었다.

원인: Obsidian 그래프 뷰는 [[wikilink]]만 엣지로 인식한다. 태그는 별도 노드로 안 그려진다.
교훈 2. 태그는 검색/필터용, wikilink는 그래프 구조용. 둘은 다른 도구다. 자동 태깅만으로는 시각적 연결이 안 생긴다.
4단계 — Topic Hub 시스템 (Karpathy 패턴 시작점)
해결책: 주제별 hub 노트를 만들고 모든 북마크의 ## Related 섹션에 [[Hub]] wikilink를 박는다.
자동 분류 룰:
Tier 1 (Knowledge Topic): 제목/도메인 키워드 매칭 →
[[AI]],[[LLM]],[[n8n]],[[BIM]],[[Construction]]등 35개Tier 2 (Folder Provenance): Chrome 폴더가 토픽이 아니어도 출처 클러스터로 →
[[Community]],[[PDS]],[[Misc]]등 17개Tier 3 (Root fallback): 폴더 없는 북마크 →
[[Root]]

결과: 52 hub, 1,490 wikilink, orphan 0개, 100% 연결.
가장 큰 클러스터: Construction(254), Community(185), AI(162), Misc(149), Research/Study Abroad(91 각각), Root(84), BIM(35), Project A(30)…
교훈 3. Karpathy LLM Wiki 패턴은 "Raw Source는 폭포처럼 쌓이고, Wiki는 사람이 천천히 정제한다"는 구조다. hub 노트의 본문은 비워두고 wikilink만 박아도 그래프 구조와 backlinks 패널이 즉시 작동한다. 본문은 시간 두고 채우면 됨.
5단계 — Wayback Machine으로 죽은 URL 복원
여기까지 와도 541개 죽은 URL은 본문이 "fetch failed" 안내만 있어 "이 사이트가 뭐였지" 알 수가 없다.
해결: Internet Archive의 Wayback Machine API 활용.
죽은 URL 하나당:
archive.org/wayback/available?url=<url>→ 가장 가까운 스냅샷 조회 → 페치 → 본문 추출사례:
www.2ndrive.com(죽은 한국 클라우드 스토리지) → 2016년 서비스 종료 안내문까지 복원 완료스냅샷도
_raw/{hash}_wayback.html에 캐시
결과: 276개 복원(원본 541 중 51%), 229개는 Wayback에도 없음, 35개는 스냅샷은 있지만 fetch 실패.
교훈 4. 죽은 웹은 절반은 살릴 수 있다. Wayback은 무료, 폴라이트 0.5s 슬립으로 1,140 URL 처리에 약 10분.
의미 — AI 협업의 진짜 가치
이번 세션에서 코드 작성보다 더 인상 깊었던 건 방향 결정 순간들이다:
그래프가 별 모양일 때 → "그냥 두자" vs "근본 원인 찾자" 결정 → 원인 발견 후 일괄 sweep
태그만으론 안 됐을 때 → 옵시디언 메커닉스 재학습 → hub 시스템 재설계
죽은 URL 처리 옵션 3개 → LLM(비싸지만 풍부) / Wayback(무료, 중간) / 수동 → 비용 트레이드오프 의식적으로 결정
Claude는 매번 옵션을 펼쳐 보였고, 나는 각 분기점에서 어떤 깊이까지 갈지 결정만 했다. 이게 vibe coding이 아닌 "PKM 시스템 설계 협업"으로 느껴졌던 이유.
결과물
1,141 마크다운 북마크 + 867 HTML 캐시(원본 592 + Wayback 275)
52 hub 노트로 토픽/출처 클러스터 구성
100% 그래프 연결, 1,490 wikilink
GitHub 공개: https://github.com/4ints/bookmark-llm-wiki
5 commits, 약 2 시간 대화 세션, 사용한 코드는 4개 Python 스크립트 (ingest / retag / link_hubs / enrich)
로그인하고 댓글을 남겨 주세요
우와..북마크를 LLM으로 정리해볼 생각을 전혀 못했었는데 덕분에 저도 도전해봐야겠네요. 저두 십여년 넘게 북마크가 쌓이다보니 죽은 링크나, 여기저기 흩어진 북마크들 주제별로 재정리의 필요성을 느끼는데 정리 제대로 한번 해봐야겠네요.
근데 llm-wiki 개념으로 북마크를 정리..연결하셨다는 의미는...자연어로 물어보면, 해당 북마크로 연결해주는 걸 의도하시는건가요? 참신한 생각이네요.
북마크라는 것이 기억하고 싶은, 다시 재방문 의사가 있는 정보의 사이트를 표시해 둔 것이기 때문에.. 결국 지식의 한 카테고리가 될 수 있겠다는 생각에서 시작해 보았습니다~ 지식을 wiki화 하는 방식은 LLM wiki와 동일합니다~
13년치 크롬 북마크 2,590개를 그냥 “정리해야지”에서 끝내지 않고, LLM Wiki 구조로 옮겨서 그래프 지식베이스로 만들어보신 게 정말 좋았습니다. 특히 2,590개를 1,147개 unique URL로 줄이고, 실제 fetch 성공/실패까지 숫자로 남긴 부분에서 단순 정리 작업이 아니라 오래된 개인 데이터 아카이브를 제대로 다룬 느낌이 났어요.
그래프가 처음에 전부 Koo교수님 노드로 빨려 들어간 대목이 저는 제일 좋았습니다. 겉으로는 “오 연결됐다”처럼 보일 수 있는데, 자세히 보니 토픽 연결이 아니라 author 메타 필드 때문에 생긴 의미 없는 별 모양이었다는 걸 잡아내셨잖아요. 이걸 그냥 넘기지 않고 원인을 찾아서 974개 파일에서 wikilink를 제거하고 템플릿까지 고친 과정이 진짜 중요한 학습 포인트였다고 느꼈습니다.
태그와 wikilink의 역할을 구분한 것도 좋았습니다. 태그는 검색/필터용이고, Obsidian 그래프에서 엣지로 작동하는 건 wikilink라는 걸 실제 실패를 통해 확인하신 거니까요. 자동 태깅으로 “정리된 것 같다”고 끝내지 않고, 그래프가 왜 여전히 고립 노드로 남는지 다시 파고든 점이 좋았습니다.
Topic Hub 시스템으로 52개 hub, 1,490개 wikilink, orphan 0개까지 만든 흐름도 인상적이었습니다. 특히 hub 본문을 처음부터 완성하려고 하지 않고, 일단 Related 섹션에 주제별 연결을 심어서 backlinks와 그래프 구조가 작동하게 만든 판단이 좋았어요. Raw Sources는 폭포처럼 쌓고, Wiki는 천천히 정제한다는 LLM Wiki 감각이 잘 살아난 사례처럼 보였습니다.
죽은 URL 541개를 Wayback Machine으로 다시 살려본 것도 정말 좋은 확장이라고 느꼈습니다. 13년 된 북마크라면 실패가 많이 나오는 게 당연한데, 그걸 “죽었네”로 끝내지 않고 무료 API, polite sleep, raw 캐시까지 고려해서 276개를 복원한 건 꽤 실전적인 아카이빙 작업이었어요. 오래된 웹 자료를 다룰 때 실패 URL도 하나의 데이터라는 걸 보여준 부분이 좋았습니다.
마지막에 Claude가 옵션을 펼쳐주고, 본인은 각 분기점에서 어디까지 깊게 갈지 결정했다고 적으신 부분도 좋았습니다. 이게 단순히 AI가 코드를 대신 짜준 사례가 아니라, 그래프가 이상할 때 원인을 볼지 말지, 태그로 끝낼지 hub로 갈지, 죽은 URL을 LLM으로 복원할지 Wayback으로 갈지 같은 설계 판단을 함께 해나간 과정으로 보였어요. 그래서 “PKM 시스템 설계 협업”이라고 표현하신 게 잘 맞는 것 같습니다.
결과물도 1,141개 마크다운 북마크, 867개 HTML 캐시, 52개 hub 노트, 100% 그래프 연결까지 꽤 탄탄하네요. 개인 북마크 더미가 검색도 어렵고 기억도 흐릿한 저장소에서, 다시 탐색하고 확장할 수 있는 지식베이스로 바뀐 사례라서 다른 분들께도 많이 참고가 될 것 같습니다.
지아코모님~! 댓글이 거의 해설집 수준이라 감명 받았습니다. 디테일한 후기 감사합니다~ 최고~!!
스터디의 순기능이 이런게 아닌가싶습니다...다들 어떻게 이런 생각들을 하시죠?...ㅋㅋㅋㅋ 사실 저.는 북마크가 그렇게 많은 편은 아니지만.. 북마크에 들어가지 못하고 증발되어버리는 페이지들은 많아요 ㅠ.ㅠ 그래도 어느정도 관심있는 페이지들은 저장했으면 좋았을텐데 싶은 생각이 듭니다. 갑자기 생각났는데, 기존 페이지들은 이미 넣는 작업들을 하고 계신거같고, 새로 사이트 추가할때 옵시디언 web clipper(크롬 확장 기능)를 써서 raw에 넣는 것도 어떨까 생각이 들었습니다. 원하시는 포맷대로 저장될진 모르겠어요 (왠지 될거같긴 한데).
진짜 좋은 제안이네요~ 신규 페이제에 대한 고민은 아직 구체적으로 해본적이 없었는데 너무 좋은 아이디어 같습니다! 북마크와 비슷한 것이 네이버 웨일 브라우저에는 "스크랩북"이라는 것이 있어 활용해 오고 있었는데 이것들도 말씀 주신 "옵시디언 웹 클리퍼"를 사용해 지식화 하면 좋겠다는 생각이 들었어요~ 감사합니다~!!




와 이 제목을 어떻게 지나치죠? 생각해보니까 북마크 얘기 저네요..!😅
이번주 사례글 소재 제공 해주셔서 감사합니다 ^-^