소개
1주차 실습에서 제시된 CMDS 프레임워크를 이해하고, 이를 바탕으로 나의 지식 구조를 정의해보는 시간을 가졌습니다. 지식이 여기저기 흩어져 있는 느낌을 정리하고 싶었고, 이를 해결하기 위해 옵시디언 기반의 CMDS 디렉토리 구조를 설계해 보았습니다.
특히 생성형 AI를 활용해 내 관심 주제들을 빠르게 뽑아내고 분류하는 과정에서, 어떤 AI가 더 적합한지 직접 실험해 보고 싶었습니다. 🧠✨
진행 방법
- 사용한 생성형 AI: Gemini, ChatGPT, Claude
- 실험 방법:
- 동일한 프롬프트를 3개의 AI에 입력
- 각 결과물을 비교 분석
- Claude가 가장 구조적이고 만족스러운 결과물을 제공
- 활용 프롬프트 예시
# 🚥 나만의 Input-Process-Output 정의
## 📥 Input (투입되는 정보 및 자료)
- 주요 정보 출처: 논문, 책, 강의 영상, 강의 PPT
- 주로 수집하는 정보 유형: 최신 연구 논문, 책
- 정보 수집 도구: Obsidian Web Clipper, Zotero
## ⚙️ Process (정보 처리 및 활용 방법)
- 정보 정리 및 분석 방법: 노트북 LM을 통한 교과서 목차 별 내용 정리, Gemini 및 chatGPT를 활용한 딥리서치 및 교과서 내용 작성
- 자주 사용하는 도구 및 기술: ChatGPT, Gemini, 노트북 LM
## 📤 Output (산출 결과물 형태)
- 주로 만들어 내고자 하는 결과물 유형: 교과서, 교육 자료 (PPT), 강의 영상
- 결과물 관리 방법: 구글 드라이브 저장, 옵시디언 폴더 및 노트 정리 구조화
# 🎯 나의 관심 주제 CMDS 구조화
## 🔗 Connect (관심사 및 주제 연결)
- 나의 핵심 관심 주제:
- 주제 : JSHA(교과서 출간)
- 각 주제 간 연결성 및 맥락 설정:
- 연결 포인트: AI를 활용하여 JSHA 교과서 출간 속도 내기
- 확장 가능성: -
## 🧩 Merge (관련 문헌 및 지식 통합)
- 관련 주요 문헌 및 이론적 기반:
- 주제 관련 문헌: 논문, 부정렬 증후군,
- 주제별 키워드 정리:
- 주제 키워드: JSHA, 불균형(imbalance), 부정렬(malalignment), GTO(Golgi tendon organ), neurology, neuroplasty(신경가소성), 보상(compensation) , 통증(pain), Gate control theory(게이크 컨트롤 이론), 기능성 보상성 측만증(functional compensatory scoliosis)
## 🛠️ Develop (데이터 및 방법론 적용 계획)
- 활용할 데이터 및 분석 방법: 기존 강의 PPT, 강의 영상, 인터뷰 자료
- 생성형 AI 활용 전략: 노트북 LM을 통한 소스 정리 및 요약, gemini, claude, chatGPT를 활용한 정리 및 딥리서치
## 🚀 Share (결과물 제작 및 확산 계획)
- 공유 및 결과물 형태 : 교과서, 블로그, 유튜브 영상
- 공유 채널 및 방법: 블로그, 유튜브, 워크샵 결과와 배운 점
Claude의 결과를 바탕으로 옵시디언에 MCP를 활용하여 다음과 같은 구조로 디렉토리 구성함
JSHA-교과서-프로젝트/
├── 1-Input/
│ ├── 논문/
│ │ └── _논문-태그-인덱스.md
│ ├── 책-참고자료/
│ └── 강의자료/
│ ├── PPT/
│ └── 강의영상-스크립트/
│
├── 2-Process/
│ ├── 키워드-분석/
│ │ └── _키워드-인덱스.md
│ └── LM-분석결과/
│ ├── 노트북LM-요약/
│ ├── ChatGPT-연구/
│ ├── Gemini-딥리서치/
│ └── Claude-분석/
│
├── 3-Output/
│ ├── 교과서/
│ │ ├── 1장-개요/
│ │ │ ├── 1.1-작업초안.md
│ │ │ ├── 1.2-검토본.md
│ │ │ └── 1.3-최종본.md
│ │ ├── 2장-불균형이론/
│ │ └── ...
│ ├── 교육자료-PPT/
│ ├── 강의영상-스크립트/
│ ├── 블로그/
│ │ ├── JSHA-개념소개/
│ │ ├── 사례연구/
│ │ └── 기술-팁/
│ └── 최종-출판자료/
│
├── 4-프로젝트-관리/
│ ├── 일정-및-마일스톤/
│ ├── 회의록/
│ ├── 협업자-피드백/
│ └── 출판-계획/
│
└── _Templates/
├── 논문-노트-템플릿.md
├── 챕터-템플릿.md
├── 블로그-포스트-템플릿.md
└── 회의록-템플릿.md결과와 배운 점
내가 주로
Input과Process에는 많은 에너지를 쓰고 있고,Output은 부족하다는 사실을 자각하게 되었습니다.
여러 생성형 AI를 병렬로 실험해보며, 자신에게 가장 잘 맞는 도구와 결과를 찾는 것이 중요하다는 걸 배웠습니다.
Claude가 제가 원하는 정보 분류 스타일과 가장 잘 맞았고, 이후에도 계속 Claude 위주로 초안 뽑기를 시도해보려 합니다.
앞으로는 이 구조를 기반으로 Output 루틴을 강화할 계획입니다.
도움 받은 글 (옵션)
CMDS 관련 개념은 함께 학습한 강의 자료 기반
