본문으로 건너뛰기

Obsidian 자료를 AI가 검색하고 활용할 수 있는 개인 위키로 구현하기

Carson

2026.10.14

소개

1주차에 설계한 LLM Wiki를 실제로 동작하도록 구현

  • 1주차에 구성한 AGENTS.md와 3개의 스킬(ingest, query, lint)을 활용해 실제 Markdown 자료를 위키에 반영하고자 함.

  • Obsidian에 저장된 자료를 AI가 읽고 정리한 뒤, 질문에 맞는 정보를 찾아 답변할 수 있도록 구현하고자 함.

  • 원본 자료와 AI가 정리한 문서를 분리하여 관리하고, 문서의 출처와 연결 관계를 유지하는 구조를 구축하고자 함.

  • 새로운 자료가 추가되더라도 기존 문서를 중복 생성하지 않고 위키를 지속적으로 업데이트할 수 있도록 개선하고자 함.

진행 방법

🛠️ 활용한 툴

Codex

  • Markdown 파일을 읽고 분석하는 Python 스크립트 작성.

  • ingest, query, lint 스킬의 실제 실행 절차 구현.

  • 파일 구조 개선 및 문서 간 링크 검증.

  • 샘플 데이터 기반 기능 테스트 및 오류 수정.

Obsidian

  • AI가 생성한 위키 문서 확인.

  • Markdown 링크를 이용한 문서 간 연결.

  • Graph View를 활용한 문서 연결 관계 시각화.

Python

  • 원본 Markdown 파일 탐색 및 메타데이터 추출.

  • 문서 제목, 태그, 출처 등의 정보 처리.

  • 문서 검색 및 검증 기능 구현.

진행 세부 내용

1. 원본 자료를 위키 문서로 변환하는 ingest 기능 구현

시도한 방법

  • raw/ 폴더에 저장된 Markdown 파일을 자동으로 탐색하는 Python 스크립트를 작성함.

  • 파일의 제목과 본문을 분석하여 주요 내용을 추출하도록 구성함.

  • LLM이 원문을 바탕으로 핵심 내용을 정리하고, 결과를 wiki/ 폴더에 새로운 Markdown 문서로 저장하도록 구현함.

  • 생성된 문서에 원본 파일 경로와 생성일을 기록하여 출처를 추적할 수 있도록 함.

얻은 결과

  • 샘플 Markdown 파일을 입력하면 위키 문서가 생성되는 기본 흐름을 구현함.

  • 원본 파일은 수정하지 않고 AI가 정리한 내용만 별도로 저장하도록 처리함.

  • 문서 생성 시 제목, 요약, 주요 내용, 출처를 일정한 형식으로 유지하도록 개선함.

2. 자연어 질문으로 자료를 검색하는 query 기능 구현

시도한 방법

  • 사용자가 질문하면 wiki/ 폴더의 Markdown 문서를 검색하도록 기능을 구성함.

  • 초기 구현에서는 별도의 벡터 데이터베이스 없이 파일의 제목과 본문을 대상으로 키워드 검색을 적용함.

  • 검색된 문서를 LLM에 전달하여 질문과 관련된 내용을 정리하도록 구현함.

  • 답변에 참고한 문서의 경로를 함께 표시하도록 지침을 추가함.

얻은 결과

  • 특정 키워드가 포함된 위키 문서를 검색하고 관련 내용을 답변하는 기본 기능을 구현함.

  • 답변에 참고한 문서 링크를 표시하여 Obsidian에서 원문을 확인할 수 있도록 함.

  • 위키에 관련 정보가 없는 경우 임의로 내용을 생성하지 않고, 자료가 부족하다고 안내하도록 개선함.

3. 문서의 오류와 연결 상태를 검사하는 lint 기능 구현

시도한 방법

  • AI가 생성한 Markdown 문서의 형식을 자동으로 검사하는 기능을 작성함.

  • 문서에 제목과 출처가 누락되었는지 확인하도록 구성함.

  • Markdown 내부 링크가 실제 존재하는 파일을 가리키는지 검사함.

  • 동일한 제목의 문서가 중복으로 생성되는 문제를 확인할 수 있도록 검사 항목을 추가함.

얻은 결과

  • 문서의 기본 형식과 링크 오류를 확인하는 검증 기능을 구현함.

  • 문제가 발견되면 파일명과 오류 내용을 출력하도록 처리함.

  • 자동 수정이 가능한 형식 오류와 사용자의 확인이 필요한 내용 오류를 구분하도록 개선함.

4. 기존 스킬을 연결하여 전체 작업 흐름 테스트

시도한 방법

  • 1주차에 작성한 SKILL.md의 지침을 실제 Python 스크립트와 연결함.

  • ingest → lint → query 순서로 기능을 실행하는 테스트를 진행함.

  • 새로운 자료를 추가한 뒤 위키 문서가 생성되고, 해당 문서를 검색할 수 있는지 확인함.

  • 각 작업의 실행 결과를 log.md에 기록하도록 구성함.

얻은 결과

  • 자료 추가부터 문서 생성, 오류 검사, 검색까지 이어지는 기본 작업 흐름을 구성함.

  • 각 기능을 독립적으로 실행할 수 있도록 유지하면서 필요한 경우 순서대로 실행할 수 있게 함.

  • 이후 자동화를 확장할 수 있도록 기능별 역할을 분리함.

결과와 배운 점

1. AI가 원본에 없는 내용을 추가하는 문제

문제점

LLM이 원본 자료를 요약하는 과정에서 문맥을 자연스럽게 연결하기 위해 원본에 없는 설명을 추가하는 문제가 발생함.

해결 방법

  • ingest 스킬에 원본 자료를 근거로 작성하도록 규칙을 추가함.

  • 원본에서 확인되지 않는 내용은 임의로 보완하지 않도록 제한함.

  • 생성된 문서에 출처를 기록하고, 원문과 비교할 수 있도록 구성함.

2. 비슷한 자료를 여러 번 반영하면 문서가 중복되는 문제

문제점

같은 Markdown 파일을 다시 처리할 때 기존 문서를 업데이트하지 않고 새로운 문서를 생성하는 문제가 발생함.

해결 방법

  • 원본 파일 경로를 기준으로 기존 위키 문서의 존재 여부를 확인하도록 수정함.

  • 기존 문서가 있다면 신규 생성 대신 업데이트하도록 처리함.

  • 원본 파일의 해시값을 비교하여 내용이 변경된 경우에만 다시 처리하도록 개선함.

3. 키워드 검색만으로는 원하는 자료를 찾기 어려운 문제

문제점

질문과 문서에 사용된 표현이 다르면 관련된 내용이 있어도 검색되지 않는 문제가 발생함.

해결 방법

  • 문서 제목뿐 아니라 본문과 태그까지 검색 범위를 확장함.

  • 검색된 문서의 관련도를 기준으로 결과를 정렬하도록 개선함.

  • 향후 임베딩 기반 의미 검색을 적용할 수 있도록 검색 기능을 별도 모듈로 분리함.

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

DECK 프로필 이미지
DECK2026.10.21

AI가 정리한 문장을 읽을 때는 원본에도 같은 말이 있었을 거라고 넘겨짚을 것 같아요. 출처를 따라 돌아갈 자리를 따로 남긴 부분에서, 제가 읽는 문장의 주인이 누구인지 다시 생각했습니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

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

이런 사례도 있어요

사례 전체 보기