AI를 쓰다 보면 같은 문제가 반복됩니다.
자료를 업로드하고 질문하면 좋은 답변은 받습니다.
하지만 며칠 뒤 비슷한 작업을 할 때는 또 자료를 찾고, 또 설명해야 합니다.
그래서 저는 방향을 바꿨습니다.
AI에게 매번 자료를 다시 읽히는 대신, Obsidian 안에 LLM Wiki를 만들고 AI가 그 위키를 관리하게 했습니다.
기존 방식의 문제
같은 자료를 반복해서 설명해야 함
좋은 답변이 채팅 기록 속에 묻힘
원본 자료와 AI 요약본이 섞여 관리가 어려움
지식이 축적되지 않고 매번 새로 시작함
제가 만든 구조
Obsidian 안에 간단한 LLM Wiki 구조를 만들었습니다.
raw : 원본 자료
concepts : 개념 정리
queries : 재사용 가치가 있는 질문 답변
comparisons : 비교 분석
schema : 운영 규칙
index : 전체 탐색
log : 변경 기록
핵심은 원본과 AI가 정리한 지식을 분리하는 것입니다.
가장 큰 변화
기존에는 질문할 때마다 원문을 다시 찾았습니다.
지금은 AI가 새 자료를 읽고 기존 개념 노트와 연결합니다.
즉,
자료 → 개념 → 질문답변 → 콘텐츠
가 하나의 흐름으로 이어집니다.
좋은 답변은 사라지지 않고 지식으로 축적됩니다.
NotebookLM과 연결
저는 이 구조를 NotebookLM과도 연결했습니다.
자료 수집
Obsidian 저장
개념 노트 생성
지식 연결
NotebookLM 소스팩 구성
발표자료·강의안·캐러셀 제작
덕분에 자료 하나가 한 번 쓰이고 끝나지 않습니다.
느낀 점
이번에 가장 크게 느낀 것은
지식관리는 검색보다 축적이 중요하다는 점입니다.
AI는 답변을 잘합니다.
하지만 더 중요한 것은 좋은 답변이 사라지지 않고 다음 작업의 재료가 되는 구조를 만드는 것입니다.
Obsidian + LLM Wiki 조합은 단순 메모장이 아니라 AI와 함께 운영하는 개인 지식 시스템에 가까웠습니다.
