본문으로 건너뛰기

Knowledge manager를 이용한 wiki 구축 테스트 1

리히토

2026.08.05

이전 기수 스터디에서 논문을 가지고 위키 프로토타입을 만들어봤습니다만, 아직 제대로 굴리지 못하고 있었습니다. 이유가 둘이었습니다.

첫째, 들어오는 자료의 품질을 아직 100% 확신할 수 없었습니다. 논문을 출판사 사이트에서 받아 텍스트로 바꾸는데, 어떤 건 표가 통째로 날아가고 어떤 건 참고문헌이 비어 있습니다. 그런데 그게 들어올 때는 티가 안 납니다. 파일은 멀쩡히 생겼고 용량도 있습니다. 나중에 그 노트를 열어봤을 때야 "어? 여기 숫자가 없네" 하고 알게 됩니다.

둘째, 자료를 인제스트 하는게 적당할지 여전히 감이 안 잡혔습니다. 본문보다 짧게 요약해서 인사이트를 얻고 싶은데, 어떻게 인제스트 하면 읽기 좋은 방식인지 여전히 감을 못잡고 있었습니다.

제가 만들려는 것 — 세 단계짜리 위키

단계

하는 일

쉽게 말하면

인제스트(ingest)

원문을 읽어 노트로 바꾸고 기존 노트와 잇는다

넣기

쿼리(query)

쌓인 노트에서 필요한 걸 찾아온다

찾기

합성(synthesis)

여러 노트를 모아 새 문서를 쓴다

엮기

세 번째가 최종 목표입니다. "이 주제에 대해 지금까지 읽은 논문들을 종합해줘"가 되려면 앞의 둘이 먼저 튼튼해야 합니다. 넣은 게 서로 연결돼 있지 않으면 엮을 것이 없고, 찾지 못하면 재료를 못 모읍니다.

이번에 본 건 앞의 둘입니다. 세 번째는 아직 안 했습니다.

무엇을 써봤나

제가 참여 중인 23기 AI결과검수 스터디에서 knowledge-manager라는 도구를 써보기로 했습니다. 공개 저장소입니다.

https://github.com/treylom/knowledge-manager
설치 형태: Claude Code 플러그인 (제가 쓴 건 v1.2.3)
표방하는 것: "단일 소스가 기존 위키 페이지 10~15장을 건드린다"

마지막 줄이 흥미로웠습니다. 새 자료 하나를 넣으면 요약본만 하나 늘어나는 게 아니라 이미 있던 노트들을 고친다는 뜻이니까요.

아래부터는 줄여서 km이라고 부르겠습니다. km은 Claude Code(터미널에서 쓰는 AI 코딩 도구) 전용이라 다른 환경으로 그대로 옮기기는 어렵습니다. 다만 이 글에서 중요한 건 도구가 아니라 「무엇을 넣으면 무엇이 나오는가」의 흐름이고, 그건 도구 없이도 따라 해보실 수 있게 마지막에 프롬프트로 정리해뒀습니다.

전체 흐름은 이렇습니다.

논문 원문(본문 + 표)  +  이미 있던 노트 16장
            ↓
        km 실행 (약 20분)
            ↓
   새 노트 9장  +  기존 노트 8장 수정

여기에 사람이 승인하는 단계는 없습니다. km은 수정안을 보여주고 물어보지 않고 파일을 직접 고칩니다. 기존 문장을 지우지 않고 뒤에 덧붙이는 방식이었습니다.

논문은 하나의 파일로 합쳐서 넣었습니다.

기존 논문 위키 구성 시 논문을 PDF로 두지 않고 md 파일로 변환한 뒤, 세 조각으로 분해해서 보해두었었습니다. — 본문 / 표 / 참고문헌. md 파일 2개와 yaml 파일 하나입니다.

표를 본문에 두지 않고 따로 빼둔 이유는 사실 본문이 너무 길어지는게 싫어서였고, 어차피 기존 위키에서는 FTS/BM25 방식의 쿼리가 잘 되었기 때문에 그대로 두었습니다.

그런데 km은 파일을 하나씩 받습니다. 폴더를 통째로 던질 수 없습니다. 그래서 본문과 표를 이어 붙여 한 장으로 만드는 짧은 스크립트를 먼저 만들었습니다.

무엇을 넣었나 — 지시문 세 층

파일만 던진다고 원하는 결과가 나오지는 않습니다. 실제로 들어간 지시는 세 층이었고, 그중 제가 직접 쓴 건 한 층뿐입니다.

층

누가 정했나

내용

절차

도구

원문 읽기 → 기존 노트 훑기 → 초안 → 검사 → 저장 → 기존 노트에 반영

성격

제가 인터뷰에서 답한 것

상세하게 / 근거와 수치 중심 / 주제별로 쪼개기 / 연결은 최대한 많이

문체

제 작업공간 규칙

용어는 풀어 쓰되 원어를 남길 것, 수치는 요약하지 말고 표로 보존할 것

가운데 층이 재미있었습니다. km을 처음 설치할 때 몇가지 질문을 던집니다.

"요즘 시간을 가장 많이 쓰는 일 두세 가지는 무엇이고 각각 주당 몇 시간인가",

"그중 제일 막히는 지점은 어디이고 최근 실제 사례를 하나만 말해달라" 같은 질문입니다.

객관식이 아니라 전부 서술형이고, 답할 때마다 후속 질문이 하나씩 붙습니다. 그 답변이 일종의 user-profile 파일로 저장돼서 이후 모든 작업의 기본값이 됩니다.

두 번째 논문부터는 "당신 프로필 기준으로 이렇게 정리할게요, 이대로 할까요?" 라고 하고 다음 지시문을 사용하였습니다.

핵심만 추린 지시문입니다.

논문 원문(마크다운 한 장)을 읽고 아래 형태로 노트를 만들어줘.

[구조]
- 목차 노트 1장 — 하위 노트를 링크로 모으는 허브
- 주제별 노트 4~6장 — 한 노트에 한 주제
- 미해결 질문 노트 1장 — 이 논문이 답하지 않은 것

[내용]
- 수치는 요약하지 말고 원문 표를 그대로 옮길 것
- 처음 나오는 전문용어는 그 자리에서 풀되 원어를 괄호로 남길 것
- 각 노트 첫 줄에 상위 노트 링크를 둘 것
- 원문 안에서 숫자가 서로 안 맞으면 그 자리에 표시할 것

[연결]  
- 저장하기 전에 기존 노트를 반드시 훑을 것
- 관련 있는 기존 노트를 찾으면, 링크만 걸지 말고
  "왜 연결되는지"를 그 노트에 문단으로 추가할 것

그래서 안에서 이런 순서로 돕니다

제가 친 명령은 한 줄인데, 안에서는 여덟 단계를 밟습니다. 어느 단계를 코드(기계)가 하고 어느 단계를 LLM(AI)이 하는지 표시해뒀습니다.

  ①  환경 확인 · 작업 시작 기록                          기계
  ②  입력이 뭔지 판단 (파일? 웹페이지? 재정리?)            AI
  ③  내 프로필 읽어서 기본값 적용                         기계
  ④  원문 읽기 + 전에 넣은 적 있는지 확인                  기계
  ⑤  ★기존 노트 뒤지기★  15장 훑어 관련 11장 추림         기계 → AI
  ⑥  노트 초안 9장 작성 + 원문 숫자 모순 표시              AI ★
  ⑦  자체 채점 → 저장                                   기계
  ⑧  ★기존 노트에 반영★  8장에 "왜 연결되는지" 작성        AI ★★
      + 링크 점수 계산 (후보 15개 → 2개 통과)             기계

AI가 실제로 머리를 쓰는 칸은 ⑥·⑧단계입니다. 앞뒤는 전부 기계 처리입니다 — 후보 찾기는 단어 검색이고, 링크 점수는 계산식입니다.

그중에서도 ⑧이 토큰이 많이 듭니다.

논문 한편을 넣었더니 작은 노트 9장이 나왔습니다

논문 한 편을 넣고 20분쯤 기다리니 노트 9장이 나왔습니다. 목차 노트 1장, 주제별 노트 7장, 미해결 질문 노트 1장입니다.

주제별 노트는 「연구 설계」, 「예측 성능」, 「한계와 원문 무결성」처럼 나뉘었습니다.

우선 인제스트 품질은 생각보다 맘에 들어서, 앞서 보여드린 지시문을 추후에 개인적으로 위키 꾸릴때 질문으로 써도 좋겠다는 생각이 들었습니다.

여기까지는 "AI가 요약을 잘하네" 수준입니다.

새 논문을 넣었더니 기존에 있던 노트 8장을 고쳤습니다

두번째 논문을 넣고 비교해보니, 새로 만든 9장 말고도 기존 노트 8장이 수정돼 있었습니다. 각각 10~20줄씩 늘어나 있었습니다.

처음엔 링크나 한 줄 붙였겠거니 했습니다. 열어보니 기존에 있었던 논문의 방법론과 가설을 비교하고, 밝혀지지 않은 연구 gap을 제안하는 문구가 추가되었습니다.

그리고 균형도 같이 잡아놨습니다. 새 논문의 성적을 보니 검증 단계에서 통계적으로 의미 있는 우위가 하나도 없었습니다. 그래서 "가능성은 보였지만 아직 이르다"까지 적혀 있었습니다. 한쪽 편을 드는 게 아니라 양쪽을 저울에 올려놓은 것입니다.

사실 이번 짧은 실험에서는 스터디 당시 보여주셨던 km의 파이프라인의 각 단계를 자세히 살펴보진 못했지만 우선 인제스트 하는 노하우 및 기존 노트와의 연결에서 어떤 시도를 하는지 살펴볼 수 있었습니다. 그래서 km을 직접 이대로 써보거나, 좋았던 점을 차용해서 써보면 좋을것 같습니다.

추후 더 보충, 실험해볼 것.

  • 제가 사실 설치환경을 꼼꼼히 다 읽어보진 첫 설치때는 환경 설정시 윈도우에 맞춰서 적혀있는 지시문, 스크립트가 있어서 그런지 맥 환경에서 약간 매끄럽게 진행되지 않는 점이 있었습니다. 또한 옵시디언을 연결하는 쪽도 한번에 잘 안되서 이부분을 다시 해결하고 테스트 해봐야할 듯 합니다.

  • 처음에 GraphRAG 쪽이 잘 연결 안되서 처음에 테스트해지 못했는데 GraphRAG의 적용이 노트들에 어떤 영향을 주는지 살펴봐야할듯 합니다.

함께 이야기해요 0

로그인하고 댓글을 남겨 주세요

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

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

이런 사례도 있어요

사례 전체 보기