옵시디언 RAG(Obsidian RAG)는 벡터 데이터베이스나 임베딩 없이, 마크다운 파일 구조만으로 AI에게 질문하고 답변받을 수 있는 개인 지식 베이스 시스템이에요. Andrej Karpathy가 2026년 4월 공개한 LLM Wiki 아키텍처를 기반으로, Obsidian + Claude Code 조합만으로 구축할 수 있어요.
벡터DB 세팅하고, 임베딩 파이프라인 만들고, 검색 로직 짜고... 기존 RAG 시스템은 시작하기 전에 지치는 경우가 많았죠. Karpathy의 방식은 이걸 마크다운 폴더 구조 하나로 해결해요. 진짜 RAG는 아니지만, 사실상 같은 결과를 내요.
준비물
Obsidian — obsidian.md에서 무료 다운로드
Claude Code — 터미널에서 실행하는 AI 코딩 도구
Obsidian Web Clipper — 커뮤니티 플러그인 (웹 페이지를 마크다운으로 변환)
코딩 경험이 없어도 괜찮아요. 폴더 만들고 파일 정리하는 수준이에요.
Step 1: 옵시디언 볼트 만들기
옵시디언을 처음 열면 볼트(Vault)를 만들어야 해요. 볼트는 모든 마크다운 파일이 저장되는 최상위 폴더예요.
Obsidian 다운로드 후 실행
Create new vault 선택
이름은 "vault"로 지정 (다른 이름도 가능)
볼트 안에 다음 폴더 3개를 만들어요:
vault/
├── raw/ ← 수집한 원본 데이터 보관소
├── wiki/ ← AI가 정리한 위키 문서
└── CLAUDE.md ← Claude Code 설정 파일raw/ — 웹에서 클리핑한 아티클, PDF, 리서치 자료가 쌓이는 곳
wiki/ — Claude Code가 raw 데이터를 분석해서 만든 정리된 위키
CLAUDE.md — Claude Code에게 "이 볼트를 어떻게 탐색하고 정리해"라고 알려주는 규칙 파일
Step 2: Web Clipper로 데이터 수집하기
웹에서 읽은 아티클을 옵시디언으로 가져오는 게 핵심이에요. Obsidian Web Clipper를 쓰면 웹 페이지를 통째로 마크다운 파일로 변환할 수 있어요.
Web Clipper 설치
Obsidian에서 Settings → Community plugins 이동
"Web Clipper" 검색 후 설치 & 활성화
브라우저 확장 프로그램으로도 설치 가능 — obsidian.md/clipper
클리핑 설정
Web Clipper 설정에서 한 가지만 바꿔주세요:
Note location →
raw폴더로 지정
이렇게 하면 클리핑한 모든 웹 페이지가 자동으로 raw/ 폴더에 저장돼요. 이미지도 함께 가져와요.
사용법
브라우저에서 읽고 싶은 아티클 열기
Web Clipper 확장 프로그램 클릭
Add to Obsidian 누르기
끝이에요. 아티클 전체가 마크다운 파일로 변환돼서 raw/ 폴더에 들어가요.
주의할 점이 하나 있어요. Web Clipper는 이미지 처리에 약해요. 이미지가 제대로 안 들어올 수 있는데, 이건 알려진 한계예요. 텍스트 위주 아티클에서 가장 잘 작동해요.
Step 3: CLAUDE.md 설정하기
CLAUDE.md 파일은 Claude Code에게 "이 폴더를 어떻게 다뤄야 하는지"를 알려주는 설정 파일이에요. 볼트 루트에 만들어요.
이 파일에 포함할 내용:
파일 구조 설명 — raw/, wiki/ 폴더의 역할
위키 생성 규칙 — raw 데이터를 위키로 변환하는 방법
인덱스 파일 관리 — 마스터 인덱스와 서브 인덱스 구조
탐색 규칙 — 위키 간 링크 연결 방식
Karpathy가 공개한 GitHub Gist에 CLAUDE.md 템플릿이 있어요. 복사해서 붙여넣기만 하면 돼요.
핵심은 Claude Code가 이 파일을 읽고 볼트 전체의 구조를 이해한다는 거예요. 마치 도서관의 분류 체계를 AI에게 알려주는 것과 비슷해요.
Step 4: Claude Code로 위키 생성하기
여기서부터 진짜 재미있어져요. Claude Code를 볼트 폴더에서 실행하면, raw/ 폴더의 데이터를 읽고 자동으로 위키를 만들어줘요.
실행 방법
터미널에서 볼트 폴더로 이동한 뒤:
# Claude Code 실행 (볼트 디렉토리에서)
claude그리고 이렇게 요청해요:
raw/ 폴더에 있는 문서를 분석해서,
claude code skills에 대한 위키를 만들어줘Claude Code가 하는 일
raw/ 폴더 스캔 — 모든 마크다운 파일을 읽어요
관련 정보 추출 — 주제와 관련된 내용만 골라요
위키 생성 — wiki/ 폴더 안에 정리된 마크다운 파일을 만들어요
인덱스 생성 — 마스터 인덱스 + 서브 인덱스로 탐색 구조를 만들어요
링크 연결 — 위키 간 내부 링크를 자동으로 걸어요
결과 구조
wiki/
├── master-index.md ← 전체 위키 목차
├── claude-code-skills/
│ ├── index.md ← 이 위키의 목차
│ ├── overview.md ← 개요
│ └── specific-topics.md ← 세부 주제별 문서
├── ai-agents/
│ ├── index.md
│ └── ...
└── rag-systems/
├── index.md
└── ...Obsidian에서 이 위키를 열면, 문서 간 링크가 연결돼 있어서 쉽게 탐색할 수 있어요. 그래프 뷰에서 보면 지식 네트워크가 시각적으로 보여요.
Step 5: 질문하고 답변 받기
위키가 만들어지면, Claude Code에게 바로 질문할 수 있어요.
이 볼트에서 AI 에이전트의 핵심 아키텍처 패턴이 뭐야?Claude Code는 마스터 인덱스를 먼저 확인하고, 관련 위키로 이동해서, 구체적인 답변을 만들어줘요. 벡터 검색 없이도 마크다운 파일 구조만으로 정확한 정보를 찾아내요.
이게 가능한 이유는 인덱스 파일 덕분이에요. Claude Code가 모든 문서를 매번 읽는 게 아니라, 인덱스를 따라가며 필요한 문서만 찾아요. 토큰도 절약되고, 답변 속도도 빨라요.
옵시디언 RAG vs 전통 RAG — 언제 뭘 써야 할까?
항목
옵시디언 RAG
전통 RAG (LightRAG 등)
문서 수
~수백 개
수천~수만 개
인프라
없음 (마크다운 파일만)
벡터DB + 임베딩 파이프라인
비용
거의 무료
호스팅 + API 비용
설정 난이도
폴더 3개 만들기
개발 환경 세팅 필요
적합한 사용자
1인 개발자, 소규모 팀
대규모 데이터 처리 팀
솔직히 말하면, 대부분의 사람에게 옵시디언 RAG로 충분해요. 문서 수백 개 수준이라면 Claude Code가 인덱스를 따라가며 필요한 정보를 찾는 게 벡터 검색보다 정확할 수 있어요.
진짜 RAG가 필요한 시점은 명확해요:
문서가 수천 개 이상으로 늘어날 때
실시간 검색 속도가 중요할 때
여러 사용자가 동시에 접근해야 할 때
그 전까지는 옵시디언으로 시작하고, 한계가 느껴지면 LightRAG 같은 시스템으로 넘어가면 돼요.
주의할 점
이미지 처리 한계 — Web Clipper가 이미지를 완벽하게 가져오지 못할 수 있어요. Community plugins에서 "Local Images" 플러그인을 켜면 도움이 돼요
CLAUDE.md 관리 — 볼트 구조가 바뀌면 CLAUDE.md도 업데이트해야 해요
위키 갱신 — raw/ 폴더에 새 문서가 추가되면, Claude Code에게 위키 업데이트를 요청해야 해요. 자동은 아니에요
자주 묻는 질문
옵시디언 RAG는 무료인가요?
네, 거의 무료예요. Obsidian 자체는 개인 사용이 무료이고, Claude Code 사용료만 발생해요. 벡터 데이터베이스 호스팅 비용이 없어서 전통 RAG 대비 비용이 크게 절약돼요.
옵시디언 RAG 시작하려면 코딩을 할 줄 알아야 하나요?
아니에요. 폴더 만 들고, Web Clipper로 아티클 저장하고, Claude Code에게 말로 요청하는 게 전부예요. 터미널에서 claude 명령어만 입력할 수 있으면 충분해요.
옵시디언 RAG와 LightRAG의 차이점은?
옵시디언 RAG는 마크다운 파일 + 인덱스 구조로 정보를 탐색해요. 벡터 검색이 아니라 파일 경로 탐색이에요. LightRAG는 문서를 임베딩해서 벡터 공간에서 유사도 기반으로 검색해요. 문서 수백 개까지는 옵시디언이 더 간편하고, 수천 개 이상이면 LightRAG가 유리해요.
💡 Insight
Karpathy의 이 접근법이 재미있는 건, "RAG가 필요하다"는 전제 자체를 뒤집기 때문이에요. 사실 대부분의 개인 사용자가 벡터DB를 세팅하는 건 오버엔지니어링이었죠.
근데 진짜 핵심은 옵시디언이 아니라 CLAUDE.md의 설계에 있다고 봐요. 잘 짜인 CLAUDE.md 하나가 수만 줄의 RAG 파이프라인 코드를 대체해요. 이건 프롬프트 엔지니어링의 극단적인 사례인 셈이에요. "AI에게 도서관 분류 체계를 가르치는 것"과 "AI에게 책 내용을 통째로 외우게 하는 것"의 차이죠.
원문: https://www.youtube.com/watch?v=OSZdFnQmgRw
참고: Karpathy LLM Wiki Gist
