본문으로 건너뛰기

LLM Wiki, 작게 시작해서 지식이 복리로 굴러가게 만들기

벤쿠버쪼

2026.05.31

LLM Wiki, 작게 시작해서 지식이 복리로 굴러가게 만들기 본문 이미지

소개

출퇴근 시간마다 틈틈이 자료를 모으는 습관이 있었습니다.
회사 업무에 필요한 경쟁사 제품 정보, 유튜브나 블로그에서 본 AI 스터디 자료, 나중에 다시 보고 싶은 글들을 하나씩 저장해두곤 했습니다.

처음에는 “일단 모아두면 언젠가 도움이 되겠지”라고 생각했습니다.
그런데 시간이 지나면서 문제가 생겼습니다.

자료는 계속 쌓이는데, 정작 필요할 때 다시 꺼내 쓰기가 어려웠습니다.
경쟁사 자료는 업무 방향을 잡을 때 필요했고, AI 스터디 자료는 자기 개발에 활용하고 싶었지만, 저장된 자료들이 서로 연결되지 못한 채 흩어져 있었습니다.

그래서 이번에는 단순한 자료 저장소가 아니라, 제가 모은 자료를 바탕으로 업무와 자기 개발 방향을 잡아주는 LLM Wiki를 만들어보기로 했습니다.

이번 시도의 목표는 거창하지 않았습니다.

  • 회사 업무에 필요한 경쟁사 제품 정보를 한곳에 모으기

  • AI 스터디 자료를 계속 축적하기

  • LLM이 참고할 수 있는 개인 지식 기반 만들기

  • 자료를 단순 보관이 아니라 의사결정과 학습에 활용하기

한마디로 말하면, “나중에 볼 자료함”이 아니라 생각을 도와주는 지식 위키를 만들고 싶었습니다.

진행 방법

1. 노션에서 옵시디언으로 방향을 바꾸다

원래는 노션을 활용하고 있었습니다.
노션은 보기 좋고 정리하기 편해서 자료를 모으는 데는 충분히 좋았습니다.

한국어 텍스트가 포함된 Google 캘린더 스크린샷

하지만 LLM Wiki를 찾아보다 보니, 최근에는 옵시디언(Obsidian)을 활용해 개인 지식 저장소를 구성하는 사례가 많이 보였습니다. 특히 마크다운 기반으로 문서를 관리하고, 문서 간 연결을 만들기 좋다는 점이 매력적으로 느껴졌습니다.

그래서 이번에는 노션이 아니라 옵시디언으로 LLM Wiki를 구현해보기로 했습니다.

사용하거나 참고한 도구와 자료는 다음과 같습니다.

  • 옵시디언

  • Claude Code

  • Andrej Karpathy의 LLM Wiki 아이디어

  • 시민 개발자 구씨 유튜브 콘텐츠

  • 업무 중 수집한 경쟁사 제품 정보

  • 유튜브와 블로그에서 정리한 AI 스터디 자료

2. 너무 완벽하게 나누지 않기로 했다

처음에는 위키를 제대로 만들고 싶어서 카테고리를 아주 세세하게 나누고 싶었습니다.

예를 들면 이런 식입니다.

  • 경쟁사별 제품 정보

  • 기능 비교

  • 가격 정책

  • 마케팅 메시지

  • AI 도구별 사용법

  • 프롬프트 사례

  • 업무 자동화 사례

  • 공부할 개념 정리

그런데 이렇게 시작하면 오히려 1차 구현이 늦어질 것 같았습니다.
자료 구조를 완벽하게 설계하려고 하다가, 정작 자료를 넣고 활용하는 단계까지 가지 못할 수도 있겠다는 생각이 들었습니다.

그래서 이번에는 방향을 바꿨습니다.

“처음부터 완벽한 구조를 만들기보다, 일단 작게 구현하고 실제로 써보자.”

LLM Wiki의 목적은 예쁜 폴더 구조를 만드는 것이 아니라, 제가 모은 자료를 실제 업무와 학습에 활용하는 것이기 때문입니다.

3. 1차 구조는 단순하게 시작하기

현재 구상한 1차 구조는 복잡하지 않습니다.

나만의 지식/노하우 위키를 만들어줘.
아래 Karpathy의 LLM Wiki 아이디어를 참고해서 구현해:
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
이 프로젝트는 내 업무와 학습에서 쌓이는 지식을 축적하는 나만의 나무위키야.
자료를 넣으면 네가 읽고 정리해서 위키로 만들어주고, 나는 필요할 때 질문하면 돼.
나는 LG 전자의 HS본부 (생활가전)에서 세탁기, 건조기 상품기획 업무를 하고 있어.
내가 주로 넣을 자료:

- 업계 동향 기사, 경쟁사 분석 자료
- 프로젝트 회의록, 의사결정 기록
- 읽은 책에서 얻은 인사이트, 멘탈모델
- 강연/교육에서 배운 노하우
- 개인 프로젝트 기록, 삽질 기록

다음을 만들어줘:
1. CLAUDE.md — 위키 관리 규칙 (Schema). 자료 넣기/질문하기/건강검진 3가지 운영 방법 정의
2. raw/ 폴더 — 원본 자료 보관 (내가 넣고, 너는 읽기만)
3. wiki/ 폴더 — 정리된 지식 저장 (네가 작성하고 관리)
4. wiki/index.md — 전체 목차 (자료 넣을 때마다 업데이트)
5. wiki/log.md — 작업 이력

raw와 wiki 안에는 하위 폴더 없이 플랫하게 관리해줘. 분류는 index.md에서 카테고리별로 정리하면 돼.
위키 페이지는 마크다운으로 작성하고, 페이지 간 [[위키링크]]로 교차참조해.

{{선택사항: 사업/업무 맥락 파일이 있다면 아래 줄 추가}}
먼저 {{맥락 파일 경로}} 파일을 읽어서 내 사업 미션, 방향성, 타겟 고객을 파악해줘.
중요한 규칙:
모든 위키 페이지의 맨 앞에 > callout 블록으로 "내 비즈니스/방향성 관점에서의 핵심 takeaway"를 먼저 넣어줘.
내 미션과 방향성을 고려했을 때 이 내용에서 내가 가져가야 할 핵심이 뭔지를 첫 문단에서 바로 확인할 수 있게.
그 아래에 구체적 내용이 오도록 해줘.
항상 페이지를 wiki에 추가할때 교차참조를 적극적으로 활용해줘.

핵심은 자료를 너무 촘촘하게 분류하는 것이 아니라, 나중에 LLM이 읽고 연결할 수 있도록 최소한의 구조를 만들어두는 것입니다.

4. 에르메스 에이전트에게 활용 방향을 맡기기

이번 LLM Wiki의 중요한 포인트는, 위키를 만든 다음 “어떻게 활용할지”를 AI에게 함께 물어보는 것입니다.

저는 이 역할을 에르메스 에이전트에게 맡겨볼 계획입니다.

예를 들면 이런 식으로 질문할 수 있습니다.

내 LLM Wiki에는 회사 업무 관련 경쟁사 제품 정보와 AI 스터디 자료가 들어 있습니다.
이 자료들을 바탕으로 내가 앞으로 어떤 업무 방향과 자기 개발 방향을 잡으면 좋을지 제안해줘.

다음 관점으로 정리해줘.
1. 현재 자료에서 반복적으로 등장하는 관심사
2. 업무에 바로 활용할 수 있는 아이디어
3. 더 수집하면 좋을 자료
4. 앞으로 2주 동안 실행해볼 액션 아이템

또는 경쟁사 자료를 활용할 때는 이렇게 물어볼 수 있습니다.

아래 경쟁사 제품 정보들을 바탕으로 우리 제품 기획이나 마케팅에서 참고할 만한 포인트를 정리해줘.

정리 기준:
- 경쟁사가 강조하는 핵심 기능
- 사용자에게 전달하는 메시지
- 우리 서비스에 적용해볼 수 있는 아이디어
- 추가로 조사해야 할 질문

AI 스터디 자료에는 이런 프롬프트를 사용할 수 있을 것 같습니다.

내가 모은 AI 스터디 자료를 바탕으로 현재 내 학습 흐름을 분석해줘.

다음 항목으로 정리해줘.
- 내가 자주 관심을 갖는 주제
- 아직 이해가 부족해 보이는 개념
- 다음에 공부하면 좋을 주제
- 실습으로 연결할 수 있는 작은 프로젝트 아이디어

이렇게 하면 LLM Wiki는 단순한 자료 저장소가 아니라, 저의 업무와 학습을 같이 정리해주는 파트너가 될 수 있을 것 같습니다.

한국어로 된 문자 메시지의 스크린샷
한국어로 된 WhatsApp 메시지 스크린샷

결과와 배운 점

아직 옵시디언에 많은 자료가 담겨 있지는 않습니다.
그래서 지금 단계에서 “완성된 LLM Wiki를 만들었다”고 말하기는 어렵습니다.

하지만 이번 시도를 통해 방향은 꽤 분명해졌습니다.

1. 지식 관리는 수집보다 활용이 중요하다

자료를 모으는 것 자체는 어렵지 않았습니다.
문제는 모은 자료를 다시 꺼내서 업무와 학습에 연결하는 일이었습니다.

LLM Wiki를 만들면서 느낀 점은, 자료를 많이 모으는 것보다 나중에 질문하고 연결할 수 있는 형태로 쌓는 것이 더 중요하다는 점입니다.

2. 처음부터 완벽한 분류 체계는 필요 없다

처음에는 카테고리를 아주 자세히 나누고 싶었습니다.
하지만 실제로는 너무 디테일한 구조가 오히려 시작을 어렵게 만들 수 있었습니다.

그래서 지금은 작게 시작하는 쪽을 선택했습니다.

  • 먼저 자료를 넣는다

  • 기본 구조만 만든다

  • 실제로 질문해본다

  • 자주 쓰는 흐름을 기준으로 구조를 개선한다

이 방식이 더 현실적이라고 느꼈습니다.

3. Wiki는 한 번에 완성하는 문서가 아니라 자라는 시스템이다

LLM Wiki는 한 번 만들고 끝나는 결과물이 아니라, 계속 자료를 넣고 다시 연결하면서 성장하는 시스템에 가깝다고 느꼈습니다.

지금은 자료가 많지 않지만, 앞으로 경쟁사 자료와 AI 스터디 내용을 계속 넣다 보면 어느 순간부터는 자료들이 서로 연결되고, 업무 아이디어나 학습 방향을 잡는 데 더 큰 도움이 될 것 같습니다.

제가 기대하는 모습은 이런 것입니다.

  • 출퇴근 시간에 본 자료를 위키에 넣는다

  • 업무 중 궁금한 점을 LLM Wiki에 질문한다

  • 경쟁사 흐름과 내 업무를 연결한다

  • AI 스터디 자료를 자기 개발 계획으로 바꾼다

  • 시간이 지날수록 지식이 복리처럼 쌓인다

4. 다음 계획

앞으로는 LLM Wiki에 자료를 조금씩 더 쌓아가면서 실제 활용도를 높여볼 예정입니다.

우선은 다음과 같은 방식으로 운영해보려고 합니다.

  • 경쟁사 제품 정보를 꾸준히 추가하기

  • 유튜브와 블로그에서 본 AI 스터디 내용을 요약해서 넣기

  • 에르메스 에이전트에게 주기적으로 업무 방향을 질문하기

  • 쌓인 자료를 바탕으로 자기 개발 계획을 업데이트하기

  • 너무 복잡해진 카테고리는 다시 단순화하기

이번 시도에서 가장 크게 남은 메시지는 이것입니다.

LLM Wiki는 거창하게 시작하지 않아도 된다.
간단한 구조로라도 시작하면, 지식은 점점 연결되고 복리처럼 굴러갈 수 있다.

도움 받은 글

  • Andrej Karpathy의 LLM Wiki 아이디어

  • LLM-Wiki - LLM을 활용하여 개인 지식저장소 구축하기

  • Obsidian 기반 LLM Wiki 구축 사례들

  • 시민 개발자 구씨 유튜브 콘텐츠
    https://www.youtube.com/watch?v=wXc7-vFSd5U

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

Giacomo 프로필 이미지
Giacomo2026.06.01

지난번 글에서 업무 Agent 팀을 만들기 전에 먼저 업무를 Task 지침과 판단 기준으로 구조화하려는 방향이 인상적이었는데, 이번 글은 그 기반을 더 일상적인 지식 관리 쪽으로 확장하신 느낌이라 좋았습니다. 처음부터 완벽한 자동화나 거대한 위키를 만들려 하기보다, 출퇴근길에 모은 자료와 업무 중 필요한 경쟁사 정보, AI 스터디 자료를 “나중에 다시 질문할 수 있는 형태”로 바꾸려는 접근이 현실적으로 느껴졌어요.

특히 노션에서 옵시디언으로 방향을 바꾸면서도, 도구 자체보다 “자료를 어떻게 다시 꺼내 쓸 것인가”에 초점을 둔 점이 좋았습니다. 경쟁사별 제품 정보, 가격 정책, 마케팅 메시지처럼 처음부터 세세하게 나누고 싶어지는 지점이 있었는데, 거기서 멈추지 않고 일단 raw와 wiki를 단순하게 두고 index에서 연결하겠다고 판단하신 게 중요한 선택처럼 보였습니다. 구조를 너무 빨리 촘촘하게 만들면 자료를 넣기 전에 지치기 쉬운데, 이번 글에서는 “작게 넣고, 실제로 질문해보고, 자주 쓰는 흐름을 기준으로 개선한다”는 운영 감각이 잘 드러났습니다.

저는 CLAUDE.md에 자료 넣기, 질문하기, 건강검진이라는 운영 방법을 정의하려고 하신 부분도 좋았습니다. 단순히 마크다운 파일을 모아두는 게 아니라, LLM이 어떤 규칙으로 원본을 읽고, 어떤 기준으로 wiki를 만들고, index와 log를 어떻게 갱신해야 하는지까지 생각하신 거잖아요. 지난번 글에서 말씀하셨던 “Agent가 참고할 수 있는 업무 지식 기반”이 이번에는 조금 더 구체적인 위키 운영 규칙으로 내려온 것 같았습니다.

또 “내 비즈니스/방향성 관점에서의 핵심 takeaway”를 각 페이지 앞에 두겠다는 아이디어가 특히 좋았습니다. 자료 요약은 누구나 할 수 있지만, 실제 업무에서는 “그래서 내 제품 기획이나 경쟁사 분석에 어떤 의미가 있지?”가 더 중요하니까요. 이 callout이 잘 자리 잡으면, 벤쿠버쪼님 위키는 단순 자료함이 아니라 업무 판단을 도와주는 개인 전략 노트처럼 발전할 수 있을 것 같습니다.

앞으로 조금 더 발전시킨다면, 지난번 글에서 잡으셨던 업무 Task 구조와 이번 LLM Wiki 구조를 한 번 연결해보면 좋을 것 같습니다. 예를 들어 경쟁사 자료를 하나 넣었을 때, wiki 페이지가 단순 요약으로 끝나는 것이 아니라 입력 자료 → 핵심 takeaway → 업무에 적용할 판단 기준 → 다음 액션 후보 → 사람이 확인해야 할 지점까지 이어지면, 나중에 Agent에게 실제 업무를 맡길 때 훨씬 강한 기반이 될 것 같습니다.

이번 글에서 가장 좋았던 건 “완벽한 분류 체계”보다 “지식이 계속 연결되며 자라는 시스템”을 선택하신 점이었습니다. 지난번에는 업무를 Agent가 이해할 수 있는 언어로 바꾸는 출발점이었다면, 이번에는 그 언어를 계속 축적하고 다시 꺼내 쓰는 개인 지식 기반으로 확장된 것 같아요. 작게 시작하되 실제 질문과 활용을 통해 복리처럼 굴러가게 만들겠다는 방향이 벤쿠버쪼님 상황에 잘 맞는 접근이라고 느꼈습니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

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

이런 사례도 있어요

사례 전체 보기