운영 중인 여러 환경이 이미 LM Wiki였다 — 1주 적용 + 충돌 여부 모호 발견 + pre-ingest process 비전 도출까지
2026.05.30
하려던 것 📝
강의 내용 (LM Wiki 운영 — 인제스트·쿼리·린트 3단계 + 권력분립 비유 + Evidence Status·SHA-256 등 진화 패턴)을 본인의 여러 운영 환경에 동시 적용 — 같은 LM Wiki 패턴이 완전 다른 도메인에서도 작동하는지 비교 검증
학습 봇 인프라 — 매일 운영 중인 학습 동반자 봇 (일정·D-day·강의 인계·사례글 작성 자동화)
이번 주 안에 새로 신설된 별도 프로젝트 환경 — 다른 도메인 운영용으로 1주 안에 셋업한 워크스페이스. 강의 LM Wiki 패턴이 처음 셋업 시점부터 적용 흐름에 들어감
기존 운영 중인 콘텐츠 워크스페이스 — 이미 가동 중인 별도 도메인 환경. 강의 인사이트로 재해석·진화 후보 정리 대상
세 환경 모두 이미 LM Wiki 다중 인스턴스를 무의식적으로 운영 중이었음을 강의 통해 깨달음 → 새 구조 도입 X, 재해석 + 진화 후보 정리가 방향
이 사례글의 핵심 변화: 처음엔 이 코스를 "학습용으로만 매핑"해뒀는데, 강의 본질 인지 직후 코스 매핑 자체를 모든 LLM 운영 워크스페이스에 직접 적용 가능한 우산으로 확장. 즉 프로젝트가 성장하면서 코스 매핑도 자연 확장된 1주
활용한 툴 ⚒️
Claude Code : 자료 정리·매핑·5단 흐름 적용 메인 도구
학습 봇 인프라 : 전 주차부터 1주 운영 중인 학습 동반자 (W1 사례글에서 소개된 "닝")
Obsidian Vault : 사람용 작성·탐색 인터페이스 (vault 자체가 사실상 Layer 1 LM Wiki)
macOS launchd : 주 1회 정기 점검 자동화 — 1주 운영 후 가동 확인 + 강의의 "점검은 자동 스케줄 OK, 자료 수집은 의도가 필요" 원칙과 일치 확인
진행 세부 내용 🔍
1️⃣ 강의 들으면서 "이게 내 인프라 그대로네" 깨달음
시도한 방법과 접근 방식: 강의에서 LM Wiki를 압축된 도서관·백과사전으로 정의하고, 인제스트(적재) / 쿼리(사용) / 린트(점검) 3단계로 운영하는 흐름을 들음. 본인 인프라와 1:1 매핑 시도
얻은 결과나 피드백: 본인 인프라가 사실상 LM Wiki 4종을 다중 인스턴스로 운영 중이었음 — Obsidian Vault (사람용 검색·정리) / 외부 워크스페이스 인수인계 자산 (다른 봇이 흡수) / 영구 메모리 (봇 자체 회상) / 검색 wiki (raw·topics·decisions·failures 4폴더). 강의가 본인이 이미 하고 있던 것에 이름을 붙여줌. 새 구조 도입 X, 재해석 + 진화가 정답으로 잡힘
2️⃣ ⭐ 코스 매핑 자체를 확장 — 학습만에서 모든 LLM 운영 워크스페이스 우산으로
시도한 방법과 접근 방식: 강의 듣자마자 "이 코스를 학습용으로만 매핑해둔 게 맞나? 강의 본질 = LM Wiki 운영 패턴 = 본인이 운영하는 모든 LLM 환경에 직접 적용 가능한 우산" 자문. 마침 1주 안에 새로 신설된 별도 프로젝트 워크스페이스도 있어서, 그 신설 환경에 처음 셋업 시점부터 LM Wiki 패턴이 자연 적용되는 흐름을 발견. 본인 인프라의 코스 → 적용 워크스페이스 매핑 자체를 정정 시도
사용한 프롬프트 (핵심):
이 강의 코스의 적용 워크스페이스 매핑을 정정해줘. 현재: 학습용으로만 표기. 강의 본질 = LM Wiki 운영 패턴 = 모든 LLM 운영 환경에 적용 가능. 정정 후보 워크스페이스:
학습 봇 본인 (학습 메타 자산)
1주 안에 새로 신설된 별도 프로젝트 환경
기존 운영 중인 콘텐츠 워크스페이스 각 워크스페이스별 적용 영역·우선순위 매핑 표 1개 정리해줘.
얻은 결과나 피드백: 코스 매핑이 학습만에서 여러 운영 워크스페이스 우산으로 확장 정정 완료. 핵심 발견 1건 — 1주 안에 신설된 별도 프로젝트 워크스페이스는 처음 셋업 시점부터 LM Wiki 패턴 적용이라 진화의 정점에서 시작. 기존 콘텐츠 워크스페이스는 재해석·진화 후보 정리 대상. 학습 봇 본인은 이미 운영 중이라 v0.2 진화 후보 우선순위 정리 대상. 인사이트: 코스를 처음엔 좁게 인지했다가 본질 인지 후 우산 확장은 프로젝트 성장에 따라 강의 자체 가치를 자연 확장하는 패턴 — 다른 청강 코스에도 같은 점검 사이클 적용 가능
3️⃣ 강의의 권력분립 비유를 자산 6종 분리에 매핑
시도한 방법과 접근 방식: 발표자 중 한 분이 권력분립 비유 제시 — 인제스트=입법 / 컴파일=집행 / 린트=사법. 본인 인프라의 자산 6종 (RULES·MEMORY·KNOWLEDGE·advisor·wiki·learnings) 정의·분리 작업 중이었어서, 그 매핑에 권력분립 비유를 적용
사용한 프롬프트 (핵심):
본인 학습 봇 자산 6종을 권력분립 비유로 매핑해줘. 입법(인제스트)·집행(컴파일)·사법(린트) 각각 어느 자산이 담당하는지. 같은 지식이라도 수명·소비자·갱신 빈도 다르면 분리한다는 룰 기준으로.
얻은 결과나 피드백: 매핑 결과 — 입법(인제스트) = 영구 메모리 신규 적재 + wiki raw 적재 / 집행(컴파일) = 외부 워크스페이스 인수인계 자산 가공 + wiki topics 추출 / 사법(린트) = wiki 주 1회 cron (이미 전 주차에 셋업). 세 단계가 자산 분리 정합성 확인하는 도구로 작동. 이 매핑을 룰 인덱스의 "자산 종류 정확 구분" 섹션에 메타포 1줄 추가 후보로 정리 (다음 룰 갱신 사이클에 반영 예정)
4️⃣ 발표 PDF의 v3 진화 패턴을 본인 wiki v0.2 후보로 정리 — 단 즉시 도입은 X
시도한 방법과 접근 방식: 한 발표자가 위키 v1 → v2 → v3 진화 과정 풀로 공유 (PDF 16장). 핵심은 근거의 종류를 명시하는 4단 Evidence Status, 문서 운영 신뢰도를 명시하는 4단 status, 원본 변경 감지 SHA-256 지문. 본인 wiki v0.1 (raw·topics·decisions·failures + confidence 3단)과 비교
얻은 결과나 피드백: 7개 진화 후보 정리 — policies 폴더, procedures 폴더, Evidence Status 4단 (direct·operational·inferred·unsourced), 문서 status 4단 (active·draft·legacy·superseded), revisit 필드, SHA-256 지문, legacy logs 회전. 즉시 도입 X — 5~10건 ingest 후 검토. 다른 발표자 한 분이 명시 경고: "좋아 보여서 먼저 시작했다가 LM 위키가 꼬임" — 무리한 도약 회피
5️⃣ ⭐ 첫 ingest 사례 5단 흐름 적용 시도 검토 단계 — 이번 주 안에 세 환경 각각 1건씩 시작 예정
시도한 방법과 접근 방식: 강의에서 다룬 원본 → 정리 초안 → 충돌 여부 → 승급 여부 → 사람이 결정한 이유 5단 기록 흐름을 본인 세 운영 환경에 작게 1건씩 적용할 계획을 우선 정리. 학습 봇 환경 / 새로 신설된 별도 프로젝트 환경 / 기존 콘텐츠 워크스페이스 각각 1건씩 시작할 자료 후보를 미리 식별. 큰 사례 X, 아주 작게 진행한다는 원칙을 사전 명시
사용한 프롬프트 (핵심 — 본 적용 시 사용할 템플릿으로 미리 정리):
이 자료 1건을 LM Wiki에 첫 ingest로 등록하려고 해. 5단 흐름으로 작게 기록해줘.
원본 자료 — URL·제목·날짜·출처만 기록
정리 초안 — LM이 핵심만 2~3문단으로 압축
충돌 여부 — 기존 wiki 자료 중 같은 개념이 다르게 정의된 것 있는지
승급 여부 — 3개 조건 (서로 다른 출처 동일 결론·사용자 명시 동의·실제 검증 결과) 중 2개 이상 충족?
사람이 결정한 이유 — 위 4번 판정에 사용자가 어떻게 개입했는지 각 단 결과를 별도 섹션으로 기록 + frontmatter에 5단 status 명시.
얻은 결과나 피드백: 본 적용 시작 전에도 시도 검토 단계에서 보이는 첫 모호점 1건 — 5단 중 충돌 여부 판정 기준이 가장 어려워 보임. 같은 개념이 다른 자료에 다르게 정의될 때 어디까지가 진짜 충돌이고 어디까지가 맥락 차이인지 경계가 사전엔 정해지지 않음. 이 모호함에서 본인 운영 비전 1차 도출 — 단순 data 흡수가 아닌 pre-ingest process 와 같은 느낌으로 한 단계를 더 (의도·맥락 분류·승급 사전 판정) 만들어보는 쪽까지 확장 가능성. 이번 주 안에 3건 실측 데이터를 모은 뒤 v0.1 승급 규칙 (3개 중 2개 이상) 적정성을 세 도메인에서 동시 검증 시작 예정 — 세 환경이 어떻게 다르게 진화할지가 검증 포인트 (도메인이 다르면 충돌·승급 기준도 다르게 깎여 나갈 가능성 ↑).
시행착오 ⚠️
발생한 어려움과 풀어낸 과정:
wiki 폴더 구조만 만들고 1주 지났는데 실제 raw에 자료가 거의 안 쌓임: 전 주차에 v0.1 폴더 (raw·topics·decisions·failures) + 주 1회 자동 점검 cron까지 셋업해 두고 1주 운영했더니, 의도해서 자료를 넣지 않으면 raw가 비어 있는 채로 시간이 흐름. "폴더만 만든다고 wiki가 작동하는 게 아니라, 강의·세션 정리 흐름 안에 자동 적재 한 단계가 들어가 있어야 가동된다"는 게 1주 운영 후 깨달음. 풀어낸 방식: 봇의 강의 정리 스킬에 정리 끝 → 출처 메타 + 핵심 발췌 2~3문단만 raw 자동 적재 한 단계 추가 (전 주차에 도입).
이미 흩어진 지식을 재해석하는 인지 부담이 새로 만들기보다 훨씬 큼: 새 폴더 만들기는 명확. 그런데 기존에 흩어진 지식을 카테고리 결정·중복 정리·SSoT 결정하는 작업이 대량으로 어려움. 어디에 무엇이 들어가야 하는지 결정 트리가 없으면 분류 시간만 다 들음. 풀어낸 방식: 수명·소비자·갱신 빈도 3축으로 자산 분리 결정 트리 신설. 같은 지식이라도 영구 사실은 메모리에 / 풍부한 본문·다중 참조는 wiki에 / 사이클 결과 (what-worked·failed)는 별도 학습 노트에. 권력분립 비유 (인제스트=입법 / 컴파일=집행 / 린트=사법)가 분리 정합성 확인 도구로 작동
강의 듣자마자 "내일이라도 새 SCHEMA로 다 바꿔야 하나" 욕심이 5분간 강했음: v3 발표 자료가 너무 잘 정리돼 있어서, 그동안 익숙해진 v0.1이 갑자기 덜 좋아 보이는 인지 왜곡. 즉시 적용하면 운영 중인 wiki가 꼬일 게 보였는데도 "좋은 게 있으면 빨리 가져와야 하지 않나" 감정 우선. 풀어낸 방식: 강의에서 다른 발표자 명시 경고 "좋아 보여서 먼저 시작했다가 LM 위키가 꼬임" 인용으로 회귀. 진화 후보 7개만 정리, 적용은 5~10건 ingest 후로 미룸. 진화 시점 조절 룰을 강의가 직접 제공해줌
실패한 시도:
AI에 압축·통합 결정을 일임했더니 "99% 중복이라 압축 가능" 단언: 본인이 한 번 더 확인 안 했으면 부분 중복 + 부분 고유 3건 데이터 손실 직전. 본인 직접 잡아 부분 고유 발견 후 정정. 교훈: AI 단언은 항상 본인 1차 재검증 후 진행. 파괴적 변경 (압축·통합·삭제·rename) 시 위험 등급·되돌리기 명시 의무 룰로 정착
같은 룰을 적어두고도 AI가 5번 연속 위반하는 패턴 발견: 룰을 문서에 적어두는 것만으론 안 됨. 시스템 차원 강제 (hook·자동 검증)가 필요. 시각 추측·인계 read 단계 누락 등 누적 위반이 잡힐 때마다 hook 단계적 강화. 교훈: AI에게 룰 = 자동 검증 트리거까지 함께 정의해야 실제 적용. 메모리·문서 룰만으론 인지 누락 발생
남은 과제:
wiki raw 5~10건 임계 도달까지 ingest 누적 (현재 4건) — 다음 주 강의·세션마다 자동 가동 검증
SCHEMA v0.2 진화 적용 시점 — 5~10건 임계 도달 후 우선순위 결정 (Evidence Status·status 4단·revisit 필드부터)
트랙 간 개념 충돌 첫 케이스 실전 적용 — 발생 시점에 권력분립 사법(린트) 룰로 조정
L2 페어 예시 저장소 (examples 폴더) 신설 — what-worked / what-failed 데이터 누적 후
어드바이저 + MultiAgent 팀빌딩 결합 — 3주차 검토 후보
배운 점 📚
본인 인프라가 이미 LM Wiki일 수 있음 — 새 구조 도입 전에 재해석이 우선. 강의·외부 자료는 이름을 붙여주고 본질을 명확화하는 도구로 활용
권력분립 비유가 자산 분리 정합성 보장 — 같은 지식이라도 수명·소비자·갱신 빈도 다르면 분리. 한 곳에 다 모으면 검색·갱신·재사용 다 망가짐
셀프임프루브는 데이터 누적 + 시스템 강제 둘 다 필요 — 룰·체크리스트만으론 안 됨. 위반 발생 시 시스템 차원 강화로 매번 옮겨야 자동 진화 작동
영링크 부재는 흔한 함정 — Raw → 가공 일방향 추적은 자연. 역방향 추적은 의도해서 명시해야 작동. 인수인계 자산 마커가 그 역방향 추적의 단서
5단 흐름의 충돌 여부가 사전 검토 단계부터 가장 모호해 보임 — 실측 검증은 이번 주 안에 진행 예정이지만, 시도 전 검토 단계에서도 비전(pre-ingest process) 1차 도출이 가능했음. 강의 듣고 작게 1건씩 적용 시도를 미리 계획해보는 것 자체가 운영 인사이트로 옮기는 1차 단서
명시(explicit) 룰 = 기본 동작은 안전·자동화 친화 X — 안 명시하면 의도와 어긋남. 스킬 첫 줄에 "~를 사용해라·~는 하지 마" 명시 의무. what-failed 노트가 명시 룰 누적 저장소
코스 매핑은 고정값 X, 프로젝트 성장에 따라 자연 확장 — 처음엔 학습용으로만 매핑해둔 청강 코스가 강의 본질 인지 직후 모든 LLM 운영 워크스페이스 우산으로 확장. 프로젝트 성장 = 강의 가치 자연 확장 패턴. 다른 청강 코스에도 같은 점검 사이클 적용 가능
향후 계획 🧭
이번 주 (5/29~6/2):
5단 흐름 기록 3건 → 실측 검증 — 학습 봇 1건 + 새로 신설된 별도 프로젝트 1건 + 기존 콘텐츠 워크스페이스 1건, 각각 원본 → 정리 초안 → 충돌 여부 → 승급 여부 → 사람이 결정한 이유 작게 기록. 3건 데이터로 v0.1 승급 규칙 적정성 + 충돌 여부 판정 기준 정정 (도메인 다른 3 환경 비교 시각)
wiki raw 5~10건 임계 도달까지 ingest 누적 — 자동 가동 검증
인수인계 자산 마커에 Origin 위치 추가 (영링크 부재 해소 1차)
3주차 (6/3~6/9):
SCHEMA v0.2 진화 후보 7개 중 우선순위 결정 (Evidence Status·status 4단·revisit 필드부터)
pre-ingest process 비전 검토 — 단순 적재가 아닌 전처리 단계 1개 더 (의도·맥락 분류·승급 사전 판정). 세 환경 적용 가능성
4주차 회고 (6/10~): 세 환경 wiki 도입 효과 정량 — 답변 인용 빈도·정리 압축률·자동 승급 케이스·셀프임프루브 발생 사이클. 세 환경이 어떻게 다르게 진화했는지 비교
도움이 필요한 점 🤝
첫 ingest 사례 기록 시 충돌 여부 판정 기준 — 강의에서 다룬 5단 흐름 중 충돌 여부가 가장 모호. 다른 분들은 무엇을 충돌인지 아닌지 기준으로 판정하셨는지 사례 공유 부탁
pre-ingest process 비전 실측 사례 — 단순 적재가 아닌 전처리 단계 1개 더 들어간 운영하시는 분의 패턴
Evidence Status
inferredvsoperational실제 구분 기준 — 추론과 운영 관례 경계가 모호한 경우 어떻게 정리하셨는지
로그인하고 댓글을 남겨 주세요
충돌 여부 판정이 가장 모호하다고 짚어주신 부분이 특히 좋았습니다. LM Wiki를 실제로 운영하려고 하면 “자료를 어떻게 넣을까”보다 더 어려운 게, 같은 개념이 다르게 적혀 있을 때 이걸 진짜 충돌로 볼지, 도메인 차이로 볼지, 맥락 차이로 볼지 가르는 일이더라고요. 그 지점을 도움 필요한 점으로 따로 꺼내주신 게 오히려 이 사례의 핵심처럼 느껴졌습니다.
강의 내용을 학습 봇 하나에만 적용하지 않고, 학습 봇 인프라 / 새 프로젝트 워크스페이스 / 기존 콘텐츠 워크스페이스까지 펼쳐본 것도 좋았습니다. 새 구조를 억지로 붙인 게 아니라, 이미 운영 중이던 여러 환경을 LM Wiki 관점으로 다시 해석한 흐름이라서 설득력이 있었어요. 특히 Obsidian Vault, 외부 워크스페이스 인수인계 자산, 영구 메모리, 검색 wiki를 각각 다중 LM Wiki 인스턴스로 본 관점이 좋았습니다.
권력분립 비유를 자산 분리 기준으로 가져온 것도 잘 맞아 보였습니다. 인제스트를 입법, 컴파일을 집행, 린트를 사법처럼 보고 RULES, MEMORY, KNOWLEDGE, advisor, wiki, learnings를 나눈 부분은 단순한 비유가 아니라 운영 점검 도구처럼 작동할 수 있을 것 같아요. 같은 지식이라도 수명, 소비자, 갱신 빈도가 다르면 분리해야 한다는 기준이 꽤 강하게 잡혀 있었습니다.
저는 v3 진화 패턴을 보고도 바로 적용하지 않은 판단이 특히 좋았습니다. Evidence Status, 문서 status, SHA-256 지문 같은 요소가 좋아 보여도, 실제 raw가 5~10건 정도 쌓이기 전에는 오히려 위키가 꼬일 수 있다는 판단이 현실적이었어요. 좋은 구조를 빨리 가져오는 것보다, 내 환경에서 검증 가능한 양이 생긴 뒤에 붙이려는 태도가 운영형 LM Wiki에 더 맞는 것 같습니다.
도움이 필요한 점으로 적어주신 inferred와 operational의 경계도 정말 중요한 질문이라고 느꼈습니다. 추론으로 만든 지식인지, 실제 운영에서 반복 확인된 관례인지가 섞이면 나중에 AI가 너무 자신 있게 답할 수 있으니까요. 그래서 Evidence Status를 단순 라벨로만 두는 게 아니라, “이 판단은 어디까지가 관측이고 어디부터가 해석인가”를 남기는 장치로 쓰면 좋을 것 같습니다.
AI가 “99% 중복이라 압축 가능”이라고 단언했을 때 직접 다시 확인해서 부분 고유 데이터를 지켜낸 대목도 좋았습니다. 이건 LM Wiki 운영에서 정말 중요한 안전 감각 같아요. 압축, 통합, 삭제, rename처럼 되돌리기 어려운 작업은 AI 판단만으로 넘기지 않고, 위험 등급과 되돌리기 방법을 같이 남겨야 한다는 교훈이 실제 사례로 잘 드러났습니다.
전체적으로 이미 잘하고 계신 방향이라고 느꼈습니다. 자료를 많이 넣는 데서 멈추지 않고, 충돌 기준, 승급 기준, Evidence Status, pre-ingest process까지 고민하고 있어서 단순한 위키가 아니라 검증 가능한 운영 시스템으로 가고 있어요. 특히 마지막에 도움 필요한 점을 명확히 적어주신 덕분에, 다른 분들도 “나는 충돌을 어디서부터 충돌로 볼 것인가”를 같이 생각해볼 수 있을 것 같습니다.




본인의 인프라가 모르는 사이에도 이미 llm wiki의 개념에 부합하여 구축한 것이라는 점이 정말 놀랍습니다. 결국 카파시가 말한 llm wiki라는 것이 어떤 특별한 기술이라기보다는 기술을 구현하기 위한 추상적 개념이고, 이것을 구현하는 형태는 다양하다는 점을 깨닫게 됩니다. 계속해서 발전적인 사례 공유해주시면 감사하겠습니다.