Search
Duplicate

[My Agent]2.나만의 두뇌(with옵시디언)

목차(클릭하세요)
‘Gemma 4’+’옵시디언’ 을 활용한 나의 두뇌 복제하기 RAG가 정보검색에 강하다면, 지식체계 구조화는 나의 지식을 성장시키고 기록할 수 있음 단순히 도구를 알려주기보다는 예측 불가능한 AI시대에서 생존방향과 나의 철학을 정립하는 것이 보다 중요함! [핵심]1. 지식은 마크다운으로 저장 2.옵시디언으로 지식 체계구조화 3. 체계화된 나의 지식구조를 활용해 AI Agent활용하기(gemma4)

0. 최종적으로 만들고자 하는 것은 무엇인가?

지식그래프가 불리는 이것
내 머리속에서 지식을 활용해 AI를 활용했다면, 그리고 그것들이 기록화되었다면,
아이디어의 출발점: 그 기록들을 하나의 지식그래프처럼 확장&연결한다면 그것이 바로 내 두뇌가 현재 작동하는 있는 형태이지 않을까?
결국, 내 머릿속에 있는 지식을 가장 잘 이해하는 ‘나만의 Agent’를 만드는 것이 이번 강의의 목적
따라서 지식을 먼저 축척하기 시작한다면, 나만의 Agent가 정말 ‘나’와 비슷하게 성장하지 않을까?
[참고자료]
깃허브: 안드레카파시의 ‘지식체계 구조화(LLM Wiki)
옵시디언 공식 사이트:
참고자료1
[EP.3] 10년 치 지식! 구글 Gemma 4로 나만의 AI '제2의 두뇌' 복제하기
👋 안녕하세요, 24시간 돌아가는 'AI 1인 기업' 시스템을 연구하고 교육하는, AI 멘토 Jay입니다. 여러분의 과분한 사랑 덕분에 드디어 구독자 10만 명을 달성했습니다. 진심으로 감사드립니다! 오늘은 구독자 10만 명 달성 기념이자, 지난 10년간 제가 혼자만 비밀스럽게 쌓아왔던 '제2의 두뇌', 즉 나만의 지식을 AI에 완벽하게 복제하는 시스템을 최초로 공개합니다. 오픈AI 공동 창업자 '안드레 카파시'가 극찬한 개념인 LLM 위키(지식 체계 구조화)를 실전으로 구현했습니다. 우리가 매일매일 메모하고 배우는 파편화된 지식들을 옵시디언(Obsidian) 마크다운으로 대충 던져주기만 하세요. 제가 만든'P-Reinforce(위키 에이전트)' 알아서 카테고리를 분류하고 점과 점을 연결해 줍니다. 아무리 똑똑한 AI라도 결국 '누구의 지식'을 바탕으로 움직이느냐가 전부입니다. 인터넷에 떠도는 뻔한 데이터를 학습한 AI가 아닌, 오직 여러분의 인생과 노하우가 담긴 영구적인 인공지능을 구축하세요. 앞으로 10년 뒤, 나만의 AI 에이전트를 가진 자와 그렇지 못한 자의 빈부격차는 상상도 못 할 만큼 벌어질 것입니다. 💡 이번 영상 핵심 포인트 ✅ 옵시디언(Obsidian)을 활용한 마크다운 지식 구조화 원리 ✅ P-Reinforce 에이전트: 메모만 던져도 인공지능이 자동 분류하는 강화학습 시스템 ✅ 구글 젬마 4(Gemma 4): 파편화된 내 지식만 읽고 분석 및 기획안 도출 ✅ 깃허브(GitHub) 자동 동기화: 평생 날아가지 않는 나만의 AI 지식 보관소 구축 ⏱️ [타임스탬프] 00:00 구독자 10만 달성 인사 & 10년 동안 숨겨온 제2의 두뇌 공개 0 1:56 인류의 뇌 구조를 닮은 옵시디언 '마크다운 지식 연결망' 04:35 오픈AI 창업자 안드레 카파시가 말하는 'LLM 위키'란 무엇인가? 06:54 옵시디언 설치 및 나의 첫 번째 지식(점) 찍기 08:28 프롬프트 지식화: AI 에이전트에게 내 노하우를 학습시키는 법 10:51 [실전] 유튜브 API로 내 채널의 모든 과거 데이터를 자동 구조화하기 14:52 젬마 4(Gemma 4) 로컬 연결로 오프라인 환경에서 비용 없이 내 지식 분석 20:49 나만의 지식을 자동 분류해 주는 '위키 에이전트(P-Reinforce)' 사용하기 25:54 평생 보관소! 깃허브(GitHub)에 프라이빗 온라인 백업 완벽 동기화 31:02 깡통 AI vs 나의 뇌를 복제한 AI, 10년 뒤 완전히 갈라질 세상 📚 [나만의 프라이빗 AI 에이전트 만들기 시리즈] ▶ EP.1: 사용료 0원! 구글 Gemma 4로 나만의 AI 비서 설치 및 실전 테스트 https://youtu.be/eyFk27mwFJo ▶ EP.2: 토큰값 0원! 구글 Gemma 4로 나만의 AI 코딩 에이전트 만들기 https://youtu.be/ZtVTeLQDyHQ ▶ EP.3 (본 영상): 10년 치 지식! 구글 Gemma 4로 나만의 AI '제2의 두뇌' 복제하기 https://youtu.be/TNEwF_WmgO4 📎 참고 링크 모음: 👉 옵시디언(Obsidian) 다운로드: https://obsidian.md/ 👉 깃허브(GitHub) 가입: https://github.com/ 👉 오늘 교재 : https://jaijung.notion.site/33fb0dd7632380638babf9c69449dc61?source=copy_link 🏢 AI 기초부터 수익 자동화 파이프라인 구축까지, 제대로 배우고 싶다면? 👉 AI City Builders 마스터클래스: https://www.aicitybuilders.com/ ⬇️ 영상에서 사용된 모든 도구와 교재 링크입니다 ⬇️ 🔒 안티그래비티 대규모 통합 VSIX + 제2의 두뇌 연동 도구 배포 링크 (⚠️ 프로그램은 계속 기능이 진화하고 업데이트 됩니다! 아래 링크로 들어가서 꼭 '최신 버전'으로 다운받아주세요!) 👉 https://github.com/wonseokjung/connect-ai/releases 📚 [나만의 프라이빗 AI 에이전트 만들기 시리즈 정주행] ▶ EP.1 보안 편: https://youtu.be/eyFk27mwFJo ▶ EP.2 비용 최적화 편: https://youtu.be/ZtVTeLQDyHQ ▶ EP.3 지식 구축 편: https://youtu.be/TNEwF_WmgO4 ▶ EP.4 보안+비용+두뇌 통합, 특별편 도구 배포: https://youtu.be/TAkD3UL0_kE 🔥 더욱 최신 트렌드를 파악하고 매주 월요일 8시 라이브로 소통하며 공부하고 싶다면? 👑 제이멘토 유튜브 멤버십 가입: https://www.youtube.com/channel/UCdLZ0MsYS4hmqFgOYCB6C9w/join 🏢 AI 기초부터 수익 자동화 파이프라인 구축까지, 체계적인 커리큘럼으로 마스터하고 싶다면? 👉 AI City Builders 마스터클래스: https://www.aicitybuilders.com/
참고자료2

1. 왜 나만의 AI 두뇌가 필요한가?

1-1. 제2의 두뇌 개념

“일반적인 AI는 그럴싸하게 거짓말하지만, 42만 개로 쪼개진 10년치 지식 세포를 풀해서 오직 나만의 철학과 노하우가 담긴 데이터를 기반으로 대답한다.”
나만의 AI 에이전트를 만들기 위해 두 가지가 반드시 필요함:
1.
데이터 네트워크: 내가 쌓아온 모든 경험, 지식, 콘텐츠를 점(node)으로 만들고 연결한 구조 옵시디언
2.
나만의 AI 모델: 그 데이터를 학습하고 분석하는 로컬 인공지능 ollama로 돌리고 있는 ‘(Gemma 4)’
이 두 가지가 결합될 때 비로소 “나를 닮은 AI” 가 탄생함.
[현재 AI 도구들의 한계]
일반 AI (ChatGPT, Gemini 등)
나만의 AI 에이전트
인터넷 일반 지식 기반
내 5~6년 이상의 경험 기반
맥락 없이 매번 초기화
지식이 점점 축적·성장
토큰 비용 발생
로컬 실행, 비용 0원
데이터 외부 유출 위험
완전 보안, 오프라인 동작

1-2. 카파시의 LLM 위키 개념

OpenAI 공동창업자 안드레 카파시(Andrej Karpathy) 가 제안한 개념:
“자신만의 지식을 마크다운 형식으로 구조화하고 축적하라. AI가 일반 텍스트를 읽는 게 아니라 키워드를 찾아 효율적으로 기억을 탐색하게 만들어야 한다.”
핵심은 휘발성 지식을 구조화된 영구 데이터로 전환하는 것. 일기, 학습 내용, 업무 노하우 모두 마크다운으로 쌓으면 AI가 읽고 분석할 수 있는 나만의 데이터베이스가 됨.
[RAG와 지식체계 구조화의 차이]
RAG: 질문마다 문서를 재검색하고 조합하여 즉각적으로 답을 내는 단발성 '읽기' 중심의 도구임. LLM Wiki: 문서를 마크다운 위키로 누적·갱신하여 시스템 자체의 지식을 성장시키는 '쓰기 및 운영' 체계임. 결론: 두 방식은 경쟁 관계가 아니며, 지식 처리의 층위가 다른 상호 보완적 개념임.
비유하자면: RAG는 필요할 때마다 도서관에서 책을 찾고 반납하는 열람실이라면, LLM Wiki는 읽은 지식을 바탕으로 나만의 백과사전을 계속 집필하고 개정해 나가는 편집실과 같음.

2. 옵시디언(Obsidian)을 활용한 지식 연결망 구축

2-1. 마크다운으로 내 지식을 구조화해야 하는 이유!

일반 텍스트 vs 마크다운 구조화 비교
일반 텍스트
마크다운 구조화
AI 검색
전체 읽기 (토큰 낭비)
키워드로 빠르게 탐색
지식 연결
불가능
태그·링크로 자동 연결
성장 방식
매번 초기화
점점 축적·강화
비용
토큰 대량 소비
효율적, 토큰 최소화
마크다운 기본 구조 예시:
--- id: 20260515 title: Gemma4 로컬 설치 tags: [AI, 로컬, Ollama] date: 2026-05-15 --- ## 핵심 내용 -Ollama 설치 후 gemma4:e2b 실행 -OLLAMA_NEW_ENGINE=false 설정 필수 ## 관련 지식 [[Ollama]] [[로컬AI]] [[바이브코딩]]
Markdown
복사

2-2. 인간 뇌 구조를 닮은 그래프 네트워크

자전거를 떠올리면 하나의 기억만 나오지 않는다. 자전거 → 여행 → 친구 → 여름 이렇게 연결된 기억들이 함께 떠오른다.
옵시디언은 이 뇌의 연결 구조를 그대로 재현하는 도구임. 각 노트가 키워드로 연결되어 그래프 네트워크 형태를 이룸.
노트 하나 = 점(node) 하나 = 하나의 기억
키워드 링크 = 기억 간의 연결
그래프 뷰 = 내 지식 전체의 시각화

2-3. 옵시디언 설치 및 첫 번째 점 찍기

1.
설치:https://obsidian.md 접속
설치 완료된 모습
새로운 보관함을 생성한뒤, ‘보관함의 위치’는 내가 저장할 폴더를 선택
2.
시작화면
3분할 UI 구조(탐색기-편집기-그래프)
좌측 사이드바 : 지식의 저장소 및 파일 탐색기
가장 왼쪽의 세로형 리본 메뉴를 통해 문서 검색, 그래프 뷰 열기, 설정 등 핵심 기능에 빠르게 접근할 수 있음.
중앙 편집기 : 지식의 가공 및 생산 공간
노트의 제목과 본문을 작성하고 확인하는 메인 영역
우측 그래프 뷰 : 지식의 시각화 (Network)
옵시디언의 정체성이자 가장 강력한 무기

2-3. 옵시디언 사용을 위한 기초지식

분류
용어/기능
의미 및 핵심 역할
노션과의 대응/비유
기반 구조
Vault (보관함)
옵시디언의 모든 노트와 첨부파일이 저장되는 최상위 로컬 폴더임: 하나의 독립된 지식 세계를 의미함.
노션의 워크스페이스(Workspace) 개념과 유사함.
기반 구조
Markdown (마크다운)
옵시디언이 사용하는 기본 텍스트 포맷임: 특정 플랫폼에 종속되지 않는 영구적인 데이터 보존이 가능함.
노션의 일반 블록 텍스트가 변환되는 형태임.
연결성
WikiLink (위키링크)
[[노트제목]] 형태로 문서 간의 링크를 생성하는 문법임: 옵시디언 연결성의 핵심임.
노션의 @페이지 멘션 기능에 대응됨.
연결성
Backlink (백링크)
현재 노트를 인용하거나 링크를 걸어둔 다른 노트들의 목록을 보여주는 기능임: 지식의 역방향 추적이 가능함.
노션 페이지 상단의 백링크와 동일함.
연결성
Graph View (그래프 뷰)
노트 간의 연결 관계를 시각적인 네트워크 노드로 펼쳐주는 기능임: 지식의 군집과 확장을 한눈에 파악함.
노션에는 없는 옵시디언만의 독보적인 무기임.
분류성
Tag (태그)
#단어 형태로 노트에 라벨을 붙이는 기능임: 문서의 상태나 유형을 그룹화하여 빠르게 필터링할 때 사용함.
노션 DB의 선택(Select)/다중 선택 속성과 유사함.

2-4. 옵시디언 한걸음

첫 번째 노트(점) 만들기
왼쪽 상단 새 노트 아이콘 클릭 → 제목 입력 (예: 첫 번째 지식) → 내용 작성 → 왼쪽 하단 그래프 뷰 아이콘으로 연결 확인
Plain Text
복사
이렇게 지식을 연결시킬때 사용하는 것이 바로 위키링크
옵시디언의 두 가지 핵심 축인 태그(#)와 위키링크([[]])의 차이
# (태그): 노트에 특정 속성이나 상태라는 라벨을 붙여 그룹화하는 분류(Classification) 도구
노트의 본질을 바꾸지 않고, 검색이나 필터링을 쉽게 하기 위해 메타데이터를 심는 행동
[[]] (위키링크): 노트와 노트 사이에 실질적인 통로를 뚫어 새로운 지식 개체를 생성하는 연결(Connection) 도구
특정 단어를 클릭하면 이동할 수 있는 독립적인 '노트'로 격상시키는 행동
[[반드시 확인해야 할 1가지] 형태로 다른 노트와 연결하면 그래프 뷰에서 자동으로 연결선이 생김.

3. 지식 구조화 실전

3-1. 프롬프트 지식화 방법

잘 만든 프롬프트나 노하우를 재사용 가능한 지식으로 변환하는 과정
예시 프롬프트와 그 결과
{ "scene_description": "A surreal, high-octane cinematic concept art piece featuring a male athlete sprinting through a desert, pursued by a colossal, elemental cheetah formed entirely from swirling sand and dust.", "subject": { "type": "male athlete", "age": "late 20s", "features": { "physique": "lean, muscular, runner's build", "skin": "tanned/bronzed, sweat-glistening", "expression": "intense focus, determination, mouth slightly open in exertion" }, "attire": "light grey athletic t-shirt with a subtle white logo on the chest, matching athletic shorts, running cap or close-cropped hair", "position": "mid-stride sprinting across a sand dune, leaning forward into the run" }, "action": { "primary": "sprinting dynamically across sand dunes", "secondary": "kicking up a trail of dust and sand with every step", "effect": "the motion creates a connection between the runner and the giant sand creature behind him" }, "environment": { "setting": "vast, sun-drenched desert dunes under a partly cloudy sky", "foreground_elements": [ "flying sand particles", "dune ridges", "motion-blurred dust" ], "background_elements": [ "deep blue sky with white cumulus clouds", "rolling sand hills" ] }, "visual_description": { "core_subject": "A gigantic, hyper-realistic cheetah head and front paw emerging from a massive sandstorm.", "creature_physics": "The cheetah is not solid; it is a volumetric simulation composed of millions of sand grains, dust, and wind. The edges of the fur dissolve into the sandstorm.", "scale": "The cheetah is kaiju-sized, dwarfing the human runner, symbolizing speed and nature's power." }, "lighting": { "style": "High-contrast daylight", "key_light": { "type": "Harsh sun", "direction": "Top-left", "color": "Bright white/Warm daylight", "illuminates": [ "the runner's profile", "the textured ridges of the sand-cheetah's face" ] }, "shadows": "Deep, sharp shadows casting definition on the sand ripples and the athlete's muscles" }, "style": { "medium": "Digital Art / VFX Concept", "aesthetic": "Surrealism, Sports Advertising, Epic Cinematic", "quality": "8k resolution, hyper-detailed particle simulation", "details": "Grainy texture of sand, subsurface scattering in the dust clouds" }, "scene_composition": { "subject_action": "Dynamic movement from left to right", "camera_behavior": "Low angle, wide lens to emphasize the massive scale of the sand creature", "depth_layering": "Foreground runner -> Mid-ground Sand Cheetah -> Background Sky" }, "lighting_and_atmosphere": { "type": "Desert Day", "specifics": "Atmospheric haze caused by the sandstorm, sun flares peaking through clouds", "color_grade": "Desaturated blues, rich earthy beiges and tans, high contrast" }, "attire_customization": { "current_clothing": "Grey athletic t-shirt and shorts", "customizable_clothing": "User can replace with specific sportswear brand kits or colors" }, "brand_product_customization": { "current_brand_product": "Generic athletic wear (resembling Nike)", "customizable_brand": "Nike / Adidas / Puma", "customizable_product": "Sportswear collection / Running shoes", "product_placement_area": "Center chest of the t-shirt or the side of the shoes" }, "objects_and_props": { "main_objects": [ "Runner", "Sand Cheetah Entity" ], "secondary_objects": [ "Sand dunes", "Dust clouds" ] }, "camera_and_lens": { "focal_length_feel": "24mm Wide Angle", "aperture_effect": "f/8 (deep depth of field to keep both subjects relatively sharp)", "camera_angle": "Low angle, tracking shot", "lens_type": "Cinema Prime", "bokeh_style": "Motion blur on the edges" } }
Plain Text
복사
이 프롬프트를 지식 체계에 넣고 싶다면?
지식화 프롬프트
아래의 형태로 프롬프트 지식화 및 구조화해줘. # [[Title of Concept/Entity]] ## 📌 Brief Summary (A concise 1-2 sentence definition of this topic.) ## 📖 Core Content (Detailed explanation synthesized from raw sources.) ## 🔗 Knowledge Connections - **Related Topics:** [[Related-Concept-A]], [[Related-Concept-B]] - **Projects/Contexts:** [[Project-Name]] - **Contradictions/Notes:** (e.g., "Source X claims this, but Source Y disagrees.") --- *Last updated: 오늘 날짜* 프롬프트: - result: 결과 요약 - connections: 연관 지식 링크 [프롬프트 내용] (여기에 구조화할 프롬프트 붙여넣기)
Plain Text
복사
이 결과를 복사해서 옵시디언 새 노트에 붙여넣기
이렇게 옵시디언에 연결할 수 있는 스킬을 만들고 저장하기!
옵시디언 스킬 지침
--- name: obsidian-knowledge version: 2.0 description: | 옵시디언(Obsidian) 지식 연결 스킬. 프롬프트, 개념, 아이디어 등 임의의 원본 자료를 옵시디언 [[백링크]] 기반의 지식 그래프에 연결 가능한 노트 형식으로 변환함. 트리거 (아래 키워드 중 하나라도 포함되면 자동 적용): 한국어: 옵시디언, 지식연결, 지식 연결, 지식 체계화, 지식 그래프, 지식 노드, 노트 지식화, 프롬프트 구조화, 지식화, 백링크 영어: obsidian, onsidian, knowledge graph, knowledge link, knowledge node, backlink, second brain, PKM --- # Obsidian Knowledge Structuring Skill v2 ## 🎯 목적 임의의 원본 자료를 옵시디언의 **[[백링크]] 기반 지식 그래프**에 밀도 높게 연결되는 노트로 변환함. 단순 요약이 아니라, **노드들이 실제로 그래프에서 연결되는** 구조를 만드는 것이 목표임. --- ## 🧠 핵심 설계 원칙: 왜 기존 방식은 파편화를 만드는가 옵시디언 그래프에서 노드가 고립되는 이유는 **본문 안에 위키링크가 없기 때문**임. | 나쁜 예 (파편화) | 좋은 예 (연결됨) | |---|---| | 본문: "카파시의 4원칙을 적용한다" | 본문: "[[Andrej Karpathy]]의 [[카파시 4원칙]]을 [[Claude Code]]에 적용한다" | | 맨 끝에만: `[[관련-개념-A]]` | 개념이 처음 등장하는 문장에서 즉시 위키링크 처리 | | 허브 없이 모든 노트가 동등 | 상위 허브([[MOC]])와 하위 노드의 계층 구조 | **규칙: 본문에서 개념이 처음 등장할 때 즉시 `[[위키링크]]`로 감쌀 것.** --- ## 📐 출력 템플릿 아래 구조를 **항상 그대로** 사용할 것. 섹션 순서·헤딩 레벨 변경 금지. ```markdown --- tags: [태그1, 태그2] aliases: [별칭1, 별칭2] created: YYYY-MM-DD --- # {노트 제목} > 한 줄 요약: (이 노트가 무엇인지 15단어 이내로) ## 📌 Brief Summary (1~2문장 핵심 정의. **처음 등장하는 핵심 개념은 모두 [[위키링크]]로 처리**할 것.) ## 🗺️ 이 노트의 위치 - 상위 개념: [[허브-노트-또는-MOC명]] - 같은 레벨: [[비슷한-노트-A]] · [[비슷한-노트-B]] - 하위 개념: [[세부-개념-A]] · [[세부-개념-B]] (있을 경우) --- ## 📖 Core Content (원본 자료를 분석·합성한 상세 설명. **본문 전체에 걸쳐 개념이 처음 등장할 때마다 [[위키링크]]로 감쌀 것. 같은 개념의 두 번째 등장부터는 일반 텍스트로 써도 됨.**) ### {소주제 1} (내용 — 핵심 개념 [[위키링크]] 포함) ### {소주제 2} (내용 — 핵심 개념 [[위키링크]] 포함) ... ### 💬 원본 자료 (원본 프롬프트·JSON·텍스트를 코드블럭으로 삽입. 없으면 생략.) --- ### ✅ Result - **용도:** (실제 활용 사례 목록) - **핵심 변수:** (커스터마이징 가능 요소 목록. 해당 없으면 생략.) --- ## 🔗 Knowledge Connections ### 직접 연결 (이 노트가 링크하는 노트) - [[개념-A]] — 연결 이유 한 줄 - [[개념-B]] — 연결 이유 한 줄 - [[프로젝트-또는-MOC]] — 연결 이유 한 줄 ### 역방향 기대 (이 노트를 링크해야 할 노트들) > 아래 노트들은 아직 존재하지 않거나, 이 노트를 백링크로 걸어야 할 후보임. - [[노트명-A]]: {왜 이 노트가 현재 노트를 참조해야 하는가} - [[노트명-B]]: {왜 이 노트가 현재 노트를 참조해야 하는가} ### ⚠️ 충돌·한계·주의 (출처 간 불일치, 도구별 동작 차이, 주의사항. 없으면 생략.) --- *Last updated: YYYY-MM-DD* ``` --- ## 📏 작성 규칙 ### 1. Frontmatter (YAML) - `tags`: 검색·분류용. 2~5개. 예: `[AI코딩, 에이전트, 프롬프트엔지니어링]` - `aliases`: 이 노트를 다른 이름으로 부를 때. 예: `[하네스, Harness Engineering]` - `created`: 오늘 날짜 `YYYY-MM-DD` ### 2. 인라인 위키링크 규칙 ⭐ (가장 중요) **개념이 처음 등장하는 문장에서 즉시 `[[위키링크]]`로 감쌀 것.** ```markdown ❌ 나쁜 예: Andrej Karpathy가 정립한 4가지 원칙은 AI 코딩 에이전트의 과설계를 막는다. ✅ 좋은 예: [[Andrej Karpathy]]가 정립한 [[카파시 4원칙]]은 [[AI 코딩 에이전트]]의 [[과설계(Over-engineering)]] 문제를 막는다. ``` **위키링크 후보 기준:** - 별도 노트로 존재하거나 존재할 가능성이 있는 개념 - 고유명사 (사람, 도구, 프레임워크, 프로젝트명) - 이 노트에서 핵심적으로 다루는 개념어 - 상위/하위 범주 개념 **위키링크 금지 대상:** - 일반 동사·형용사 ("좋은", "빠른", "사용한다") - 너무 포괄적인 개념 ("AI", "코드", "파일") - 이미 같은 문단에서 한 번 링크한 개념의 반복 ### 3. 이 노트의 위치 섹션 (허브 구조) 옵시디언 그래프에서 **계층**이 생겨야 파편화가 사라짐. - **상위 개념:** 이 노트가 속하는 MOC(Map of Content) 또는 더 넓은 개념 노트 - 예: `하네스 엔지니어링` → 상위: `[[프롬프트 엔지니어링]]` 또는 `[[AI 코딩 도구 MOC]]` - **같은 레벨:** 비슷한 성격의 형제 노트 - **하위 개념:** 이 노트에서 파생되는 세부 노트 (있는 경우만) > 상위 개념 노트가 아직 없더라도 반드시 작성할 것. > 작성하는 순간 "예정 노트"로서 그래프에 연결점이 생김. ### 4. 역방향 기대 (Backlink Expectation) 기존 스킬에 없던 핵심 추가 사항. 현재 노트를 **링크해야 할 다른 노트들**을 명시함으로써, 나중에 그 노트를 작성할 때 이 노트를 잊지 않고 연결할 수 있게 함. ```markdown ### 역방향 기대 - [[Claude Code 사용법]]: 하네스 엔지니어링 적용 방법을 이 노트에서 참조해야 함 - [[AI 에이전트 코딩 원칙 MOC]]: 이 노트가 해당 MOC의 하위 항목으로 포함되어야 함 ``` ### 5. 파일명 슬러그 - 한국어 노트명 → 한국어 그대로 사용 가능 (옵시디언은 한글 파일명 지원) - 영어 혼용 시 공백은 하이픈(-), 특수문자 제거 - 예: `하네스-엔지니어링-karpathy.md` --- ## 🔄 처리 흐름 ``` 원본 자료 입력 ↓ 1. 자료 유형 판단 (프롬프트 JSON / 개념 텍스트 / 혼합) ↓ 2. 핵심 개념어 목록 추출 → 위키링크 후보 확정 (고유명사, 핵심 개념, 도구명 등) ↓ 3. 이 노트의 계층적 위치 파악 → 상위 MOC / 같은 레벨 / 하위 개념 결정 ↓ 4. Frontmatter 작성 (tags, aliases, created) ↓ 5. Brief Summary 작성 — 핵심 개념 [[위키링크]] 포함 ↓ 6. Core Content 작성 — 개념 첫 등장마다 [[위키링크]] 삽입 ↓ 7. Result 요약 ↓ 8. Knowledge Connections 작성 - 직접 연결: 이 노트가 참조하는 노트 + 연결 이유 - 역방향 기대: 이 노트를 참조해야 할 노트 목록 - 충돌·한계 ↓ 9. 파일명 slug 생성 → /mnt/user-data/outputs/{slug}.md 저장 ↓ 10. present_files 로 다운로드 링크 제공 11. 채팅창에는 Brief Summary + 위치 + Connections 요약만 출력 ``` --- ## ✅ 품질 체크리스트 출력 전 아래 항목 확인: - [ ] Frontmatter (tags / aliases / created) 포함 - [ ] `> 한 줄 요약` 15단어 이내 - [ ] Brief Summary 2문장 이하 + [[위키링크]] 포함 - [ ] **`이 노트의 위치` 섹션 존재** (상위 개념 반드시 1개 이상) - [ ] **본문 전체에 핵심 개념 첫 등장 시 [[위키링크]] 처리됨** - [ ] 인라인 위키링크 총 **5개 이상** (맨 끝 섹션 제외, 본문 안에서 카운트) - [ ] Knowledge Connections에 **역방향 기대** 섹션 존재 - [ ] Last updated 날짜 정확 - [ ] 원본 자료 유실 없이 Core Content에 반영 - [ ] /mnt/user-data/outputs/에 .md 파일로 저장 - [ ] present_files 호출로 다운로드 링크 제공 - [ ] 채팅 출력은 Summary + 위치 + Connections 요약만 (파일 중복 출력 금지) --- ## 📝 적용 예시 (Before / After) ### ❌ v1 방식 (파편화 유발) ```markdown # [[하네스 엔지니어링]] ## 📌 Brief Summary AI 코딩 에이전트를 제어하는 프레임워크임. ## 📖 Core Content ### 개념 정의 Andrej Karpathy가 만든 4가지 원칙으로 AI의 과설계를 막음. ## 🔗 Knowledge Connections - **Related Topics:** [[Andrej Karpathy]], [[Claude Code]], [[프롬프트 엔지니어링]] ``` → 본문에 위키링크 0개. 그래프에서 고립된 노드 생성됨. --- ### ✅ v2 방식 (그래프 연결 유발) ```markdown --- tags: [AI코딩, 에이전트제어, 프롬프트엔지니어링] aliases: [하네스, Harness Engineering, 카파시 스킬] created: 2026-05-17 --- # 하네스 엔지니어링 — Karpathy 4원칙 > 한 줄 요약: AI 코딩 에이전트의 잘못된 질주를 막는 65줄짜리 구조적 고삐 ## 📌 Brief Summary [[Andrej Karpathy]]가 [[LLM 코딩 실패 패턴]]을 분석해 정립하고, [[Forrest Chang]]이 [[CLAUDE.md]]로 구현한 **AI 에이전트 행동 제약 프레임워크**임. ## 🗺️ 이 노트의 위치 - 상위 개념: [[AI 코딩 도구 MOC]] · [[프롬프트 엔지니어링]] - 같은 레벨: [[Claude Code 설정법]] · [[Cursor 룰 설정]] - 하위 개념: [[카파시 4원칙]] · [[CLAUDE.md 전역 vs 프로젝트 설정]] --- ## 📖 Core Content ### 개념 정의 [[AI 코딩 에이전트]]는 코드를 못 짜는 게 아님. 오히려 너무 잘 짜고, 너무 빠르고, 너무 자신 있게 짬. 문제는 **잘못된 방향으로 전속력으로 달려버린다**는 것. [[하네스(Harness)]]란 말 그대로 마구(馬具) — 말에게 채우는 고삐와 안장. [[AI 에이전트]]에게 더 많은 자유를 주는 게 아니라, 올바른 작업 습관을 강제하는 구조적 제약을 의미함. ... ## 🔗 Knowledge Connections ### 직접 연결 - [[Andrej Karpathy]] — 4원칙 최초 관찰자 - [[CLAUDE.md]] — 원칙을 파일로 구현한 핵심 산출물 - [[과설계(Over-engineering)]] — 이 프레임워크가 해결하는 핵심 문제 ### 역방향 기대 - [[AI 코딩 도구 MOC]]: 이 노트가 MOC의 하위 항목으로 포함되어야 함 - [[Claude Code 시작 가이드]]: 하네스 엔지니어링 적용법을 참조해야 함 - [[AI 수업 설계 원칙]]: 4원칙의 교육 적용 사례를 이 노트에서 인용해야 함 ``` → 본문 인라인 링크 8개 + 계층 구조 + 역방향 기대 → 그래프에서 밀도 높은 허브 노드 생성됨. --- ## ⚠️ 주의사항 1. **원본 손실 금지:** 원본 자료의 핵심 내용은 반드시 Core Content에 포함 2. **위키링크 과잉 금지:** 모든 단어를 링크로 감싸면 노이즈. 의미 있는 개념만. 3. **날짜 하드코딩 금지:** 항상 현재 날짜를 계산하여 삽입 4. **파일로 출력:** present_files 호출 필수. 채팅창 전체 출력 금지 — 파일이 정본임. 5. **허브 없이 출력 금지:** `이 노트의 위치` 섹션에 상위 개념이 반드시 1개 이상 있어야 출력 가능.
Plain Text
복사
테스트(안드레 카파시 스킬)
프롬프트 엔지니어링이라는 위키링크로 서로 연결된 지식
좀더 체계적인 관리를 위해 속성을 옵시디언 노트 앞쪽에 추가하여 스킬을 업데이트
만들다 보면서 드는 생각?
나중에 옵시디언 노트가 많아지면 이것들을 한눈에 지식구조화로 볼려면 main파일이 있어야 하는거 아닌가??
옵시디언에서 지식이 쌓일수록 허브 역할을 하는 인덱스 노트가 없으면 그래프가 아무리 연결돼도 "어디서부터 봐야 하지?"가 됨.
[옵시디언을 제대로 활용하기 위한 구조]
📁 00_MOC (메인 허브) └── 📄 HOME.md ← 최상위 진입점 ├── [[AI 코딩 도구 MOC]] ├── [[AI 이미지 프롬프트 MOC]] ├── [[양파고 수업 설계 MOC]] └── [[Mcp&skills MOC]] ├── [[하네스 엔지니어링]] ├── [[CLAUDE.md]] └── ...
Plain Text
복사
지금 당장 만들어두면 좋은 파일 2개:
HOME.md — 전체 지식의 출발점. 모든 MOC로 가는 링크만 있으면 됨.
② 주제별 XXX MOC.md — 예: AI 코딩 도구 MOC.md. 하위 노트들을 한 페이지에서 조망.
이런 형태를 만들기 위해 필요한 개념이 바로 MOC(Map of Content)
옵시디언이 설치된 폴더에 파일을 이렇게 저장하가
vault/ ├── HOME.md ├── MOC/ │ ├── AI 코딩 도구 MOC.md │ ├── AI 이미지 생성 MOC.md │ ├── Mcp&skills MOC.md │ └── 옵시디언 지식관리 MOC.md └── 노트/ ├── 하네스-엔지니어링-karpathy.md └── sand-cheetah-chase-프롬프트.md
옵시디언 철학은 폴더 대신 태그·링크로 분류하는 것이므로 너무 많은 폴더-하위폴더-하위폴더 구조는 지향하기
실용적으로 딱 3개면 충분
📁 vault/ ├── 📄 HOME.md ├── 📁 MOC/ ← MOC 파일들 ├── 📁 notes/ ← 모든 일반 노트 └── 📁 assets/ ← 이미지·첨부파일
Plain Text
복사
assets폴더에 영상, 이미지, 한글파일을 저장할때 태그와 위키링크는 어떻게 설정하는가?
assets 폴더의 파일들은 태그·위키링크 설정이 불가능
방법은?
assets 파일을 참조하는 노트를 만드는 방식으로 연결
📁 vault/ ├── 📁 notes/ │ └── 하네스-엔지니어링-강의영상.md ← 이 노트가 허브 역할 └── 📁 assets/ └── harness_lecture.mp4 ← 실제 파일
Plain Text
복사
최종 완성된 옵시디언 관련 프로젝트 폴더
프로젝트 폴더를 많이 만들면 안되는 이유?
Hermes Agent 같은 AI 에이전트를 옵시디언에 연결하면 결국 vault 폴더 전체를 하나의 지식베이스로 읽는 구조이기 때문
하나의 vault, 잘 정리된 MOC 체계가 나중에 Hermes Agent 연동의 기반이 됨

3-2. 지식 구조 체계화를 위한 스킬(skill.md) 고도화

[양파고 최종 스킬]
--- name: obsidian-knowledge version: 3.1 changelog: "1.0": 최초 작성. Knowledge Connections 섹션에만 위키링크 배치. "2.0": 인라인 위키링크 의무화 / 이 노트의 위치 섹션 / 역방향 기대 섹션 추가. "2.1": Frontmatter links 속성 추가. flat 리스트 구조로 수정 (중첩 키 JSON 오파싱 버그 수정). "3.0": P-Reinforce 아키텍처 통합. 00_Raw·10_Wiki·20_Meta 폴더 전략 / confidence_score / Policy.md 피드백 루프 / GitHub 연동 / 원본 보존 구조 추가. "3.1": 00_Raw 원본 정의 명확화. 출처 무관(Claude 생성·수기 작성·웹 클리핑 등) 가공 전 자료 모두 포함. 비마크다운 데이터(JSON·CSV·코드)는 코드블럭으로 감싸 .md로 저장. description: | 옵시디언(Obsidian) 지식 연결 스킬 v3.1. P-Reinforce(RL 기반 자동 분류·폴더링·GitHub 동기화)와 양파고 v2.1(인라인 위키링크·MOC 계층·역방향 기대)을 통합한 자율 지식 정원(Autonomous Knowledge Garden) 구축 스킬. 트리거 (아래 키워드 중 하나라도 포함되면 자동 적용): 한국어: 옵시디언, 지식연결, 지식 연결, 지식 체계화, 지식 그래프, 지식 노드, 노트 지식화, 프롬프트 구조화, 지식화, 백링크 영어: obsidian, knowledge graph, knowledge link, knowledge node, backlink, second brain, PKM --- # Obsidian Knowledge Structuring Skill v3.1 ## — P-Reinforce × 양파고 통합 에디션 --- ## 🎯 목적 파편화된 원시 정보를 **자율 지식 정원(Autonomous Knowledge Garden)** 으로 변환함. - **P-Reinforce 엔진:** RL 기반 자동 분류 · 폴더 설계 · GitHub 동기화 - **양파고 엔진:** 인라인 위키링크 의무화 · MOC 계층 · 역방향 기대 두 엔진이 결합되어 **에이전트 없이도 작동하고, 에이전트가 붙으면 자동화되는** 구조를 목표로 함. --- ## 📂 표준 Vault 구조 ``` vault/ ├── HOME.md ← 전체 지식의 최상위 진입점 │ ├── 00_Raw/ ← [불변] 원본 데이터 보존 (Source of Truth) │ └── YYYY-MM-DD/ ← 날짜별 원본 보관 │ ├── 10_Wiki/ ← [자동 구조화] 지식 처리 층 │ ├── 🛠️ Projects/ ← 목표 중심 (진행 중인 프로젝트) │ ├── 💡 Topics/ ← 개념 중심 (AI, 교육, 철학 등) │ ├── ⚖️ Decisions/ ← 의사결정 기록 (왜 이렇게 판단했는가) │ └── 🚀 Skills/ ← 실행 중심 (프롬프트, 워크플로우) │ ├── 20_Meta/ ← [시스템] 지식 엔진의 두뇌 │ ├── Graph.json ← 지식 연결 관계 데이터 (시각화용) │ ├── Policy.md ← 사용자 피드백 반영 분류 정책 (RL Weights) │ └── Index.md ← 위키 전체 입구 (= HOME.md 역할 보조) │ ├── MOC/ ← 주제별 Map of Content │ ├── AI 코딩 도구 MOC.md │ ├── AI 이미지 생성 MOC.md │ ├── Mcp&skills MOC.md │ └── 옵시디언 지식관리 MOC.md │ └── assets/ ← 이미지·영상·첨부파일 저장소 ``` > **핵심 원칙:** > - `00_Raw/` 는 절대 수정하지 않음. 원본 그대로 보존. > - `10_Wiki/` 는 에이전트(또는 수동)가 구조화한 지식만 배치. > - `20_Meta/` 는 시스템이 자동 관리. 직접 편집 최소화. > - `MOC/` 는 주제별 허브. HOME.md와 함께 탐색 진입점 역할. --- ## 📐 출력 템플릿 아래 구조를 **항상 그대로** 사용할 것. 섹션 순서·헤딩 레벨 변경 금지. ```markdown --- id: {{UUID}} tags: [태그1, 태그2] aliases: [별칭1, 별칭2] created: YYYY-MM-DD last_reinforced: YYYY-MM-DD confidence_score: 0.0 category: "[[10_Wiki/Topics/카테고리명]]" links: # 상위 - "[[MOC명 또는 상위개념]]" # 같은레벨 - "[[비슷한-노트-A]]" # 하위 - "[[세부-개념-A]]" raw_source: "[[00_Raw/YYYY-MM-DD/원본파일명]]" --- # {노트 제목} > 한 줄 통찰: (이 지식의 핵심을 꿰뚫는 단 한 문장, 15단어 이내) ## 📌 Brief Summary (1~2문장 핵심 정의. **처음 등장하는 핵심 개념은 모두 [[위키링크]]로 처리**할 것.) ## 🗺️ 이 노트의 위치 - 상위 개념: [[MOC명]] · [[상위개념]] - 같은 레벨: [[비슷한-노트-A]] · [[비슷한-노트-B]] - 하위 개념: [[세부-개념-A]] · [[세부-개념-B]] (있을 경우) --- ## 📖 Core Content (원본 자료 분석·합성. **본문 전체에서 개념 첫 등장마다 [[위키링크]] 삽입.**) ### {소주제 1} (내용 — 핵심 개념 [[위키링크]] 포함) ### {소주제 2} (내용 — 핵심 개념 [[위키링크]] 포함) ### 💬 원본 자료 (원본 프롬프트·JSON·텍스트를 코드블럭으로 삽입. 없으면 생략.) --- ### ✅ Result - **용도:** (실제 활용 사례) - **핵심 변수:** (커스터마이징 가능 요소. 해당 없으면 생략.) --- ## ⚠️ 모순 및 업데이트 - **과거 데이터와의 충돌:** [[이전_문서]]와 달라진 점 기록. (없으면 생략) - **정책 변화:** 이 문서로 강화된 분류 기준. (없으면 생략) --- ## 🔗 Knowledge Connections ### 직접 연결 (이 노트가 링크하는 노트) - [[개념-A]] — 연결 이유 한 줄 - [[개념-B]] — 연결 이유 한 줄 ### 역방향 기대 (이 노트를 링크해야 할 노트들) > 아래 노트들은 작성 시 이 노트를 반드시 백링크로 포함해야 함. - [[노트명-A]]: 연결해야 하는 이유 - [[노트명-B]]: 연결해야 하는 이유 ### ⚠️ 충돌·한계·주의 (출처 간 불일치, 도구별 동작 차이, 주의사항. 없으면 생략.) --- *Last reinforced: YYYY-MM-DD* ``` --- ## 📏 작성 규칙 ### 1. Frontmatter (YAML) 필수 속성 | 속성 | 설명 | 예시 | |---|---|---| | `id` | UUID (에이전트 자동 생성, 수동 시 생략 가능) | `a1b2c3d4` | | `tags` | 검색·분류용 2~5개 | `[AI코딩, 에이전트]` | | `aliases` | 다른 이름으로 링크될 때를 위한 별칭 | `[하네스, Harness]` | | `created` | 최초 생성일 | `2026-05-17` | | `last_reinforced` | 마지막 업데이트일 | `2026-05-17` | | `confidence_score` | RL 기반 분류 확신도 0.0~1.0 (에이전트 자동, 수동 시 생략) | `0.85` | | `category` | 이 노트가 속한 `10_Wiki/` 경로 | `"[[10_Wiki/Topics/AI코딩]]"` | | `links` | 계층 관계 flat 리스트 (상위·같은레벨·하위 주석 구분) | 아래 참고 | | `raw_source` | 원본이 보존된 `00_Raw/` 경로 | `"[[00_Raw/2026-05-17/원본]]"` | **links 작성 예시 (flat 리스트 — 중첩 키 사용 금지):** ```yaml links: # 상위 - "[[AI 코딩 도구 MOC]]" - "[[프롬프트 엔지니어링]]" # 같은레벨 - "[[Claude Code 설정법]]" - "[[Cursor 룰 설정]]" # 하위 - "[[카파시 4원칙 상세]]" - "[[CLAUDE.md 전역 vs 프로젝트 설정]]" ``` > ⚠️ 중첩 키(`상위: - "[[...]]"`) 사용 시 옵시디언이 JSON으로 오파싱함. 반드시 flat 리스트 + 주석 구조로 작성. --- ### 2. 인라인 위키링크 규칙 ⭐ (가장 중요) **개념이 처음 등장하는 문장에서 즉시 `[[위키링크]]`로 감쌀 것.** ```markdown ❌ 나쁜 예: Andrej Karpathy가 정립한 4원칙은 AI 코딩 에이전트의 과설계를 막는다. ✅ 좋은 예: [[Andrej Karpathy]]가 정립한 [[카파시 4원칙]]은 [[AI 코딩 에이전트]]의 [[과설계(Over-engineering)]] 문제를 막는다. ``` **위키링크 후보 기준:** - 고유명사 (사람, 도구, 프레임워크, 프로젝트명) - 핵심 개념어 (별도 노트로 존재하거나 존재할 개념) - 상위·하위 범주 개념 **위키링크 금지:** - 일반 동사·형용사 - 너무 포괄적인 단어 ("AI", "코드", "파일") - 같은 문단에서 이미 링크한 개념의 반복 --- ### 3. 이 노트의 위치 섹션 (허브 구조) 상위 개념이 없으면 출력 금지. 반드시 1개 이상 명시. - **상위:** 이 노트가 속하는 MOC 또는 더 넓은 개념 노트 - **같은 레벨:** 비슷한 성격의 형제 노트 - **하위:** 이 노트에서 파생되는 세부 노트 (있는 경우만) 구분자는 **`·` (중간점)** 으로 통일. `,` 와 혼용 금지. --- ### 4. 역방향 기대 (Backlink Expectation) 현재 노트를 **링크해야 할 다른 노트들**을 미리 명시. 나중에 그 노트 작성 시 이 노트를 잊지 않고 연결하기 위한 장치. --- ### 5. Policy.md 피드백 루프 사용자가 노트를 이동·수정·칭찬할 때 `20_Meta/Policy.md`에 반영: ```markdown ## 분류 정책 변경 로그 | 날짜 | 행동 | 내용 | 가중치 변화 | |---|---|---|---| | 2026-05-17 | 이동 | "하네스 엔지니어링"을 Topics→Skills로 이동 | Skills 가중치 +0.1 | | 2026-05-17 | 칭찬 | "치타 프롬프트 분류 완벽해" | 해당 카테고리 확신도 +0.05 | ``` --- ### 6. GitHub 동기화 프로토콜 노트 작성·수정 후 아래 순서로 커밋: ```bash git add . git commit -m "[P-Reinforce] {Action_Summary}" # 예: [P-Reinforce] Topics/AI코딩 폴더 생성 및 하네스 엔지니어링 노트 연결 git push origin main ``` 커밋 성공 시 해당 노트의 `confidence_score` +0.05 보너스. --- ## 🔄 처리 흐름 ``` 원본 자료 입력 ↓ 1. 00_Raw/YYYY-MM-DD/ 에 원본 그대로 저장 (수정 금지) - Claude 생성 노트 → 마크다운 그대로 - 수기 작성 초안 → 마크다운 그대로 - 웹 클리핑 → 복사한 텍스트 그대로 - JSON·CSV·코드 → 코드블럭으로 감싸 .md로 저장 ↓ 2. 20_Meta/Graph.json + Policy.md 읽어 현재 지식 지형도 파악 ↓ 3. 유사도 판단 - 85% 이상 → 기존 폴더 배치 - 85% 미만 → 신규 폴더 생성 (상위 개념 도출) - 특정 폴더 12개 초과 → 세분화(Refactoring) 제안 ↓ 4. 위키링크 후보 추출 (고유명사·핵심 개념·도구명) ↓ 5. 계층적 위치 파악 (상위 MOC / 같은레벨 / 하위) ↓ 6. Frontmatter 작성 (id · tags · aliases · created · last_reinforced · confidence_score · category · links · raw_source) ↓ 7. Brief Summary 작성 — 핵심 개념 [[위키링크]] 포함 ↓ 8. Core Content 작성 — 개념 첫 등장마다 [[위키링크]] 삽입 ↓ 9. 모순 및 업데이트 섹션 — 기존 노트와 충돌 여부 확인 ↓ 10. Knowledge Connections 작성 - 직접 연결 + 역방향 기대 + 충돌·한계 ↓ 11. 10_Wiki/ 적절한 하위 폴더에 파일 저장 ↓ 12. 20_Meta/Policy.md 업데이트 ↓ 13. GitHub 커밋 ↓ 14. present_files 로 다운로드 링크 제공 채팅창에는 Brief Summary + 위치 + Connections 요약만 출력 ``` --- ## ✅ 품질 체크리스트 출력 전 아래 항목 확인: - [ ] `00_Raw/` 에 원본 보존 경로 명시 (`raw_source`) - [ ] Frontmatter 전체 속성 포함 (id · tags · aliases · created · last_reinforced · confidence_score · category · links · raw_source) - [ ] `links` flat 리스트 구조 확인 (중첩 키 사용 금지) - [ ] `> 한 줄 통찰` 15단어 이내 - [ ] Brief Summary 2문장 이하 + [[위키링크]] 포함 - [ ] **`이 노트의 위치` 섹션 존재** (상위 개념 반드시 1개 이상) - [ ] **본문 인라인 위키링크 5개 이상** (맨 끝 섹션 제외) - [ ] 구분자 `·` 통일 (`,` 혼용 금지) - [ ] `역방향 기대` 섹션 존재 - [ ] `모순 및 업데이트` 섹션 확인 - [ ] `last_reinforced` 날짜 정확 - [ ] `10_Wiki/` 적절한 하위 경로에 저장 - [ ] `20_Meta/Policy.md` 업데이트 여부 확인 - [ ] GitHub 커밋 메시지 작성 - [ ] present_files 호출로 다운로드 링크 제공 --- ## ⚠️ 주의사항 1. **원본 손실 금지:** `00_Raw/` 원본은 절대 수정·삭제하지 않음 2. **위키링크 과잉 금지:** 의미 있는 개념만 링크. 모든 단어 링크 금지 3. **flat 리스트 준수:** `links` 중첩 키 사용 시 옵시디언 JSON 오파싱 버그 발생 4. **구분자 통일:** `·` 만 사용. `,` 혼용 시 시각적 불일치 발생 5. **허브 없이 출력 금지:** 상위 개념 없는 노트는 반드시 MOC 생성 후 연결 6. **파일로 출력:** present_files 호출 필수. 채팅창 전체 출력 금지
Plain Text
복사
[멘토J의 스킬]
[[P-Reinforce_Skill.md]] 📌 Brief Summary P-Reinforce는Andre Karpathy의 LLM-Wiki 아키텍처와 강화학습(RL) 이론을 결합한 지식 자동화 에이전트입니다. 사용자가 던지는 파편화된 정보를 읽어 (1) 의미론적 분류 (2) 자동 폴더 생성 및 배치 (3) 지식 간 상호 연결 (4) GitHub 버전 관리를 인간의 개입 없이 수행합니다. 📖 에이전트 시스템 지침 (System Instruction) Markdown # Role: P-Reinforce Architect (The Autonomous Gardener) 너는 지식의 중력을 거스르는 'P-Reinforce' 엔진이다. 사용자의 원시 데이터를 영속적 위키로 변환하며, 모든 행동은 강화학습의 보상 정책에 따라 최적화된다. # Core Mission 1. raw/ 폴더의 모든 입력을 실시간 모니터링하고 지식화하라. 2. 폴더 구조를 고정하지 말고, 지식의 맥락에 따라 스스로 '폴더 트리'를 설계하고 확장하라. 3. 지식의 파편들을 [[쌍방향 링크]]로 엮어 하나의 거대한 '외부 뇌'를 구축하라. 4. 모든 변화를 GitHub에 커밋하여 지식의 타임라인을 보존하라. # 🧠 강화학습 기반 구조화 로직 (The RL Logic) 지식 배치 시 아래 보상 함수 $R$을 극대화하라. $$R = w_1(\text{Categorization Accuracy}) + w_2(\text{Graph Connectivity}) + w_3(\text{User Satisfaction})$$ 1. **상태(State) 분석**: - 현재 `10_Wiki/` 하위의 모든 폴더 트리와 `20_Meta/Graph.json`을 읽어 지식의 지형도를 파악한다. 2. **행동(Action) - 분류 및 폴더링**: - **기존 분류**: 유사도 85% 이상 시 기존 폴더 배치. - **신규 생성**: 기존 카테고리에 맞지 않는 새로운 개념 등장 시 즉시 상위 개념을 도출하여 새 폴더 생성. - **구조 재설계**: 특정 폴더의 파일이 12개를 초과하면 하위 카테고리로 세분화(Refactoring)를 제안한다. 3. **행동(Action) - 지식 합성**: - Karpathy의 '영속적 위키' 템플릿에 맞춰 내용을 정제하고 최소 2개 이상의 관련 지식을 링크한다. 4. **보상(Reward) 및 정책 업데이트**: - 사용자 피드백(이동, 수정, 칭찬)을 수집하여 `20_Meta/Policy.md`를 갱신하고 다음 분류 시 반영한다. 📂 P-Reinforce 표준 폴더 구조 (The Structure) 에이전트가 관리하는 폴더의 위계와 역할입니다. Plaintext root/ ├── 00_Raw/ # [불변] 사용자로부터 입력된 가공되지 않은 모든 데이터 │ └── YYYY-MM-DD/ # 날짜별 원본 보관 (Source of Truth) │ ├── 10_Wiki/ # [자동 구조화] 에이전트가 RL 정책에 따라 관리하는 지식 층 │ ├── 🛠️ Projects/ # 목표 중심 (현재 진행 중인 일, 프로젝트별 요약) │ ├── 💡 Topics/ # 개념 중심 (심리학, 코딩, 철학 등 스스로 생성한 분류) │ ├── ⚖️ Decisions/ # 의사결정 중심 (왜 이렇게 판단했는가에 대한 기록) │ └── 🚀 Skills/ # 실행 중심 (사용자만의 프롬프트, 워크플로우 패턴) │ ├── 20_Meta/ # [시스템] 지식 엔진의 두뇌 데이터 │ ├── Graph.json # 지식 간 연결 관계 데이터 (시각화용) │ ├── Policy.md # 사용자 피드백이 반영된 분류 정책 (RL Weights) │ └── Index.md # 위키 전체의 입구 (Table of Contents) │ └── .github/ # GitHub Sync 설정 및 자동화 워크플로우 📝 지식 문서 변환 규격 (The Wiki Template) 에이전트가 최종적으로 생성/업데이트해야 하는 마크다운 형식입니다. Markdown --- id: {{UUID}} category: "[[10_Wiki/Path/To/Folder]]" confidence_score: 0.0 ~ 1.0 (RL 기반 확신도) tags: [tag1, tag2] last_reinforced: 2026-04-10 github_commit: "{{commit_hash}}" --- # [[문서 제목]] ## 📌 한 줄 통찰 (The Karpathy Summary) > 이 지식의 핵심을 꿰뚫는 단 한 문장. ## 📖 구조화된 지식 (Synthesized Content) - **추출된 패턴:** (파편화된 정보에서 찾아낸 반복 가능한 지혜) - **세부 내용:** (불렛포인트 위주의 간결한 정리) ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) - **과거 데이터와의 충돌:** [[이전_문서]]와 달라진 점 기록. - **정책 변화:** 이 문서를 통해 강화된 분류 기준 설명. ## 🔗 지식 연결 (Graph) - **Parent:** [[상위_카테고리]] - **Related:** [[연관_개념_A]], [[연관_개념_B]] - **Raw Source:** [[00_Raw/YYYY-MM-DD/Original_Note]] 💻 GitHub 동기화 자동화 워크플로우 (Git Protocol) 스킬 실행 시 내부적으로 수행되는 명령어 시퀀스입니다. Stage: git add . (새로운 구조와 문서 모두 포함) Commit: * 메시지 예시: reinforce: "Topics/Psychology" 폴더 생성 및 3개 문서 연결 최적화 git commit -m "[P-Reinforce] {{Action_Summary}}" Push: git push origin main Verification: 성공 시 confidence_score 보너스 부여, 실패 시 로그 기록 후 재시도. 💡 사용자 가이드: "어떻게 에이전트를 가르칠 것인가?" 당신이 던지는 한마디가 P-Reinforce의 신경망을 자극합니다. 칭찬: "이 폴더 분류 완벽해." → 에이전트는 해당 주제의 유사도 가중치를 높입니다. 수정: "이건 '코딩'이 아니라 '비즈니스' 폴더로 옮겨줘." → 에이전트는 두 주제 사이의 경계선을 재설정(Boundary Shift)합니다. 방치: 에이전트가 만든 구조를 당신이 계속 사용한다면, 그것은 암묵적 보상으로 간주되어 정책이 고착됩니다.
Plain Text
복사
[변경한 부분 핵심4가지]
① 폴더 구조 업그레이드
00_Raw · 10_Wiki · 20_Meta · MOC 4계층으로 정교화. 원본 보존과 지식 처리가 완전히 분리됨.
② Frontmatter 확장
confidence_score · category · last_reinforced · raw_source 추가. 에이전트가 붙으면 자동 갱신, 수동으로 써도 의미 있음.
③ Policy.md 피드백 루프
노트 이동·수정·칭찬을 20_Meta/Policy.md에 기록해서 다음 분류에 반영하는 RL 구조 추가.
④ GitHub 커밋 프로토콜
노트 작성·수정 시 커밋 메시지 패턴 표준화. Hermes Agent 연동 시 자동화 기반이 됨.
[최종 저장 구조]
1.
초기 준비
폴더와 파일을 셋팅
MOC(Map of Content) 초기 마크다운 파일도 준비해야 함!

생성 순서

순서
작업
비고
1
HOME.md 생성
vault 루트에 배치. 그래프의 중심 노드
2
폴더 5개 생성
00_Raw · 10_Wiki · 20_Meta · MOC · assets
3
10_Wiki 하위 폴더 4개 생성
Projects · Topics · Decisions · Skills
4
MOC 파일 4개 배치
MOC/ 폴더 안에 넣기
5
노트 추가
10_Wiki/Skills/ 또는 10_Wiki/Topics/ 에 배치
6
00_Raw/YYYY-MM-DD/ 에 원본 보존
노트 작성 후 원본도 함께 저장
2.
사용방법
새 노트를 추가할때는 해당 폴더안에 노트를 배치 시킴
10_Wiki/ ├── 🛠️ Projects/ ← 지금 진행 중인 일 ├── 💡 Topics/ ← 개념·지식 ├── ⚖️ Decisions/ ← 왜 이렇게 판단했는가 └── 🚀 Skills/ ← 프롬프트·워크플로우·실행 도구
Plain Text
복사
질문
폴더
지금 진행 중인 프로젝트인가?
Projects
개념·이론·지식인가?
Topics
어떤 결정을 내린 기록인가?
Decisions
실행 가능한 도구·방법론인가?
Skills
[주의] 노트나 스킬이 업데이트될 때마다 HOME.md도 같이 수정해야 함
나중에 Hermes Agent 연동되면 이 부분을 자동화 할 수 있음
[각 폴더의 성격정리]

폴더 및 파일 구조

이름
유형
생성 주체
초기 상태
역할
규칙
HOME.md
파일 (루트)
직접 생성
내용 있음
전체 지식의 최상위 진입점. 모든 MOC 링크 + 최근 노트 목록 + 스킬 버전 기록
노트 추가·스킬 업데이트 때마다 수동 갱신 필요
00_Raw/
폴더
내가 직접
비어 있음
출처 무관 가공 전 원본 보존 (Source of Truth). 수정 절대 금지
Claude 생성·수기 작성·웹 클리핑·JSON 등 → 날짜별 하위 폴더(YYYY-MM-DD/)에 저장. 비마크다운은 코드블럭으로 감싸 .md로 저장
10_Wiki/
폴더
내가 직접
하위 4개 폴더
구조화된 지식 노트 저장소
Projects · Topics · Decisions · Skills 4개 하위 폴더로 분류. 한 폴더 12개 초과 시 세분화 제안
20_Meta/
폴더
시스템·에이전트
비어 있음 (정상)
지식 엔진의 두뇌. 지금은 비어있어도 됨
Graph.json · Policy.md · Index.md — Hermes Agent 연동 시 자동 생성. 직접 편집 최소화
MOC/
폴더
내가 직접
4개 파일 있음
주제별 허브 노트 모음. HOME.md와 함께 탐색 진입점 역할
AI 코딩 도구 MOC · AI 이미지 생성 MOC · Mcp&skills MOC · 옵시디언 지식관리 MOC
assets/
폴더
내가 직접
비어 있음
이미지·영상·한글·PDF 등 바이너리 파일 저장소
태그·위키링크 직접 불가 → 참조 노트(.md)로 연결. 외부 URL은 노트 본문에 직접 작성
무제.base
파일 (베이스)
옵시디언 자동
자동 생성됨
노트 Frontmatter 속성을 표 형태로 조회·필터 가능
지금 단계에서는 사용 안 해도 됨. 노트가 쌓이면 confidence_score·tags 등 일괄 조회에 유용

3-3. 위키 에이전트(P-Reinforce) 만들기

P-Reinforce: Persistent Reinforce의 약자. 지식이 영속적으로 지속되면서 강화되는 에이전트.
“롤에다가 내가 지식을 넣어버리기만 하면 알아서 분류하고 구조화해서 저장한다.”
안티그래비티에서 위키 에이전트 생성:
1.
안티그래비티 실행 → 새 폴더 생성 (예: wiki-agent)
2.
아래 P-Reinforce 스킬 내용을 시스템 프롬프트로 입력:
P-Reinforce 시스템 프롬프트 구조:
너는 나의 지식 구조화 에이전트야. 내가 던져주는 모든 원시 데이터(raw)를 분석해서: 1. 어떤 주제/카테고리인지 판단 2. 기존 위키에 같은 주제가 있으면 추가, 없으면 새 항목 생성 3. 마크다운 형식으로 구조화 4. 관련 지식과 연결(connections) 표시 5. GitHub에 자동 동기화 폴더 구조: - /raw: 내가 던져주는 원시 데이터 - /wiki: 구조화된 지식 저장소 - /wiki/AI - /wiki/business - /wiki/coding - /wiki/daily - /meta: 지식 간 연결 데이터 (JSON)
Plain Text
복사
1.
wiki-agent 폴더 경로를 안티그래비티에 붙여넣기
2.
위키 에이전트야, 오늘 지식 구조화하고 동기화해 명령

3-4. 유튜브 API로 내 채널 데이터 자동 구조화

내 유튜브 채널의 모든 과거 콘텐츠를 지식으로 변환하는 실전 예시.
안티그래비티 프롬프트:
레오야, 유튜브 API 사용해서 나의 채널 모든 콘텐츠를 다 가져오고 아래 형태로 구조화해줘: [구조화 형식] - id: 영상 고유 ID - title: 제목 - views: 조회수 - likes: 좋아요 수 - comments_count: 댓글 수 - tags: 태그 목록 - publish_date: 게시일 - thumbnail_url: 썸네일 URL - description: 설명 요약 - connections: 관련 영상/주제 링크
Plain Text
복사
→ 결과물이 옵시디언 폴더에 마크다운으로 자동 저장됨 → 그래프 뷰에서 모든 영상이 주제별로 연결된 네트워크 확인 가능

4. Gemma 4 + 안티그래비티로 나만의 지식 분석

4-1. 로컬 연동으로 토큰 0원 지식 분석

일반 AI로 문서를 분석하면 입력 토큰 + 출력 토큰 모두 비용 발생. Gemma 4 로컬 연동 시 인풋 토큰 비용 전혀 없음.
“잼마 4가 마크다운을 읽고 분석하고 생성하는 모든 과정을 로컬에서 처리하기 때문에 토큰 비용이 0원.”
비용 비교:
방식
입력 토큰
출력 토큰
월 비용
Gemini/Claude API
유료
유료
수만 원~
로컬 Gemma 4
무료
무료
0원

4-2. 마크다운 폴더 경로 연동 실전

안티그래비티에서 로컬 지식 분석:
1. 옵시디언에서 분석할 폴더 우클릭 → 경로 복사하기 2. 안티그래비티 채팅창에 붙여넣기: @local [폴더경로] 이 폴더에 있는 마크다운 전체를 분석해서 다음 콘텐츠 알고리즘 터질 것 기획해줘 3. 결과 확인: - 과거 데이터 패턴 분석 - 다음 콘텐츠 기획안 자동 생성
Plain Text
복사
@local 을 붙이면 Gemma 4 로컬 모델이 응답. 붙이지 않으면 Gemini/Claude 사용 (토큰 소비)
하이브리드 활용 전략:
작업
사용 모델
이유
대용량 문서 분석
@local Gemma 4
토큰 비용 절감
복잡한 기획/전략
Gemini / Claude
높은 추론 품질
단순 분류·정리
@local Gemma 4
무료로 충분
최종 콘텐츠 생성
Claude
자연스러운 문체

5. GitHub 백업 동기화

5-1. 프라이빗 저장소 생성

컴퓨터가 고장나거나 교체해도 지식이 사라지지 않도록 GitHub에 자동 백업.
1. https://github.com 접속 → 로그인 2. 우측 상단 + → New repository 3. 저장소 이름 입력 (예: my-wiki, ysj-preinforce) 4. ⚠️ Private 선택 (반드시 공개 금지) 5. Create repository 클릭 6. 생성된 저장소 URL 복사
Plain Text
복사

5-2. 지식 자동 동기화

안티그래비티에서 GitHub 동기화:
[GitHub 저장소 URL 붙여넣기] 위 저장소에 현재 위키 폴더 전체를 push해줘
Plain Text
복사
→ 동기화 완료 후 GitHub에서 새로고침하면 마크다운 파일들이 모두 업로드됨
동기화 주기 추천:
상황
동기화 시점
새 지식 추가 후
즉시
하루 마무리
매일 저녁
큰 작업 완료 후
작업 완료 즉시
반드시 Private 저장소로 설정. 나만의 노하우, 사업 데이터, 개인 일상이 담겨있으므로 절대 공개 금지

전체 워크플로우 요약

매일 배운 것 / 경험한 것 ↓ 원시 데이터(raw) 작성 ↓ 위키 에이전트(P-Reinforce)가 자동 분류 · 구조화 · 마크다운화 ↓ 옵시디언 그래프 뷰에서 지식 연결 시각화 확인 ↓ @local Gemma 4로 토큰 0원 분석 · 기획 ↓ GitHub Private 저장소에 자동 동기화 · 영구 보관
Plain Text
복사
핵심: 지식을 쌓는 사람과 쌓지 않는 사람, 나만의 AI를 가진 사람과 그렇지 않은 사람의 차이는 5년 후 10년 후에 극명하게 갈릴 것. 오늘 첫 번째 점을 찍는 것이 시작.