AI 에이전트 제대로 쓰는 법, 카파시 llm-wiki 5분 만에 따라하기
AI를 매일 쓰면서도 지식이 쌓이지 않는다면, 지금 당신은 AI를 낭비하고 있는 겁니다.
지금 방식은 같은 책을 매일 처음 읽는 사람한테 질문을 던지는 것과 같습니다. AI는 어제 읽은 논문도, 지난달 기사도, 3년 전 메모도 기억하지 못합니다. 쌓이는 게 없습니다.
AI 계의 전설 안드레아 카파시(Andrej Karpathy)가 GitHub에 마크다운 파일 하나를 올렸을 때, 10시간 만에 별 1,757개가 달린 이유가 바로 여기 있습니다.
이 파일 하나가 우리가 느끼던 답답함을 정확하게 짚어줬기 때문입니다.
실제로 구축해본 한 사용자는 “그동안 나무만 보고 있었는데 이제 숲이 보인다”고 했고, 한 개발자는 “앱이 아니라 운영체제 아이디어에 가깝다”고 표현했습니다.
거창한 설치도, 복잡한 설정도 필요 없습니다.
이 글을 끝까지 읽으시면 오늘 바로 나만의 AI 지식 위키를 시작하실 수 있습니다.

목차
AI 에이전트 활용법, 지금 방식이 왜 문제인가
카파시가 제안한 핵심 아이디어는 단순합니다. AI가 자료를 읽을 때마다 그냥 답 뱉고 끝내는 게 아니라, 그걸 위키에 누적하는 것입니다.
연결하고, 모순을 찾아 표시하고, 업데이트하고, 계속 더 풍부하게 만들어갑니다. 새 자료가 들어올수록 위키는 더 똑똑해집니다.
이자가 붙고 또 그 이자에 이자가 붙는 복리처럼, 지식이 복리로 쌓입니다.
생각해보면 지식이 쌓인다는 건 원래 그런 거였습니다.
연결되고, 업데이트되고, 깊어지는 것. 우리가 못 했던 게 아니라, 그냥 인내심이 없었을 뿐입니다. AI 에이전트는 인내심이 무한합니다.
llm-wiki 핵심 구조, 딱 세 겹으로 이해하기

첫 번째 겹: 원본 자료 (Source Layer)
논문, 기사, 메모, PDF. AI는 이걸 읽기만 하고 절대 건드리지 않습니다. 원본의 무결성을 지키는 게 핵심입니다. 마치 도서관의 책처럼, 빌려 읽되 낙서는 금지입니다.
두 번째 겹: AI가 직접 쓰는 위키 (Wiki Layer)
AI가 직접 쓰고 유지하는 마크다운 파일들입니다. 요약 페이지, 개념 페이지, 개념 간 연결 페이지로 구성됩니다. 당신이 읽고, AI가 씁니다. 자료가 쌓일수록 위키도 깊어집니다.
세 번째 겹: 에이전트 행동 지침 스키마 (Schema Layer)
AI한테 “이 위키를 어떻게 관리해”라고 알려주는 설정 파일입니다. AGENTS.md나 CLAUDE.md에 넣어두면 됩니다. AI한테 주는 업무 매뉴얼이라고 생각하시면 쉽습니다.
카파시 본인은 왼쪽에 AI 에이전트, 오른쪽에 옵시디언(Obsidian)을 열어두고 쓴다고 했습니다.
AI가 위키를 수정하면 옵시디언에서 실시간으로 업데이트되는 걸 본다고요. 그의 표현이 딱입니다.
“옵시디언은 IDE, AI는 프로그래머, 위키는 코드베이스다.”
쉽게 말하면 이렇습니다. 당신은 “이런 거 만들어줘”라고 말하고, AI가 위키를 만들고, 옵시디언에서 결과를 확인합니다.
옵시디언을 처음 접하는 분이라면 Obsidian 공식 사이트에서 무료로 다운로드해 시작해보시길 추천합니다. 내 컴퓨터에만 저장되고, 마크다운과 완벽하게 호환됩니다.
PARA 노트 정리법을 실제로 적용하는 방법과 주의사항에 대한 정보는 아래 포스팅 글을 꼭 확인하세요.
LLM 위키 실전 활용, 이렇게 쓰면 달라집니다
책 한 권 읽을 때
소설 한 권을 읽는다고 해보겠습니다. 챕터마다 내용을 AI에게 넣으면, 책이 끝날 때쯤 등장인물 관계도, 복선 추적 페이지, 주제 연결 지도가 완성되어 있습니다.
수천 명이 수년에 걸쳐 만든 팬 위키 수준을, 혼자 AI와 함께 책 한 권 읽는 시간에 만들 수 있다는 얘기입니다.
논문·리서치 작업할 때
논문 50편을 읽으면서 각각을 위키에 누적하면, 끝날 때 개념 간 연결 맵, 서로 다른 주장 목록, 아직 연구되지 않은 빈 공간 정리가 자동으로 만들어집니다. 이전까지는 몇 년에 걸쳐 해야 했던 작업들입니다.
매일 읽는 콘텐츠 쌓을 때
뉴스, 유튜브 요약, 메모 등을 매일 위키에 넣으면 점점 자신만의 지식 체계가 만들어집니다.
6개월 뒤엔 어떤 주제에 대해서든 AI가 수백 개의 자료를 바탕으로 맥락 있는 대답을 해줍니다.
처음 써본 사람들이 하나같이 “완전히 다른 경험”이라고 하는 이유가 여기 있습니다.
카파시 아이디어 파일, 오픈소스보다 강력한 이유
기술적으로 새로운 게 있어서가 아닙니다.
카파시가 이 파일을 “아이디어 파일”이라고 부른 게 핵심입니다.
“이 아이디어를 당신 에이전트에게 그대로 복붙하면, 에이전트가 당신 상황에 맞춰 직접 구현해준다”는 것입니다.
오픈소스 소프트웨어는 코드를 나눴습니다. 그런데 코드는 여전히 직접 설치하고, 설정하고, 유지해야 합니다. 진입 장벽이 있습니다.
아이디어 파일은 다릅니다. 에이전트가 내 환경, 내 워크플로우, 내 취향에 맞게 알아서 구현합니다. 받은 사람이 실행하는 게 아니라, 받은 사람의 에이전트가 실행합니다.
앞으로는 앱을 공유하는 게 아니라 아이디어를 공유하는 방향으로 흐를 것 같습니다.
카파시의 이 파일이 그 흐름의 첫 번째 사례 중 하나가 될 수도 있습니다.
llm-wiki 구축 단계별 가이드: 5분 만에 따라하기

1단계: 도구 준비
옵시디언을 설치하고, AI 에이전트는 Claude나 ChatGPT를 활용하면 됩니다. Claude의 경우 긴 문서 처리 능력이 특히 강력해서 위키 구축에 적합합니다.
Claude 공식 페이지에서 바로 시작하실 수 있습니다.
여기서 꿀팁 하나.
Obsidian Web Clipper라는 브라우저 확장 프로그램을 설치해두시면 뉴스 기사나 블로그 글을 읽다가 버튼 하나로 마크다운 파일로 바꿔서 바로 저장할 수 있습니다. 복사·붙여넣기 없이 자료가 쌓입니다.
2단계: 폴더 구조 만들기
📁 my-wiki/
├── 📁 sources/ ← 원본 자료 (AI가 읽기만 함)
│ └── assets/ ← 로컬 저장 이미지
├── 📁 wiki/ ← AI가 쓰는 위키
│ ├── concepts/ ← 개념 페이지
│ ├── connections/ ← 연결 페이지
│ └── summaries/ ← 요약 페이지
└── AGENTS.md ← 에이전트 행동 지침
폴더를 만든 뒤 옵시디언에서 설정 하나만 바꿔두시면 됩니다.
설정 → Files and links에서 첨부 파일 저장 위치를 sources/assets/로 지정해두는 것입니다. 이렇게 해두면 웹에서 가져온 기사 속 이미지들이 자동으로 내 컴퓨터에 저장됩니다.
나중에 원본 링크가 사라져도 이미지를 잃지 않고, AI가 이미지를 직접 보면서 분석할 수 있어 답변 품질이 올라갑니다.
한 가지만 알아두세요.
AI는 텍스트와 이미지를 동시에 읽지는 못합니다. 텍스트 먼저, 이미지 나중에 따로 보여주는 방식으로 쓰시면 됩니다. 조금 번거롭지만 결과는 충분히 좋습니다.
3단계: AGENTS.md 핵심 지침 작성
AGENTS.md는 AI한테 주는 업무 매뉴얼입니다.
아래 처리 순서를 그대로 넣어두시면 됩니다.
새 자료가 들어오면 다음 순서로 처리할 것:
- wiki/concepts/ 폴더에서 관련 개념 페이지를 먼저 찾는다
- 새 자료와 기존 페이지 내용을 비교한다
- 일치하면 참조 수만 업데이트한다
- 충돌하면 해당 페이지 하단 모순 섹션에 명시한다
- 새로운 내용이면 기존 페이지에 추가하거나 새 페이지를 만든다
- 원본 파일은 절대 수정하지 않는다
- 각 페이지 상단에 태그, 날짜, 참조한 자료 수를 메모로 남긴다
이 순서 하나만 넣어두면 자료가 들어올 때마다 AI가 기존 위키와 자동으로 비교하고, 모순은 표시하고, 새 내용은 알아서 추가합니다.
따로 지시할 필요 없이 구조가 스스로 굴러갑니다.
특히 마지막 항목이 나중에 빛을 발합니다.
AI가 각 페이지에 태그와 날짜를 달아두면, Dataview 플러그인으로 “이 태그가 붙은 페이지만 모아보기”, “이번 달에 추가된 내용 목록” 같은 걸 클릭 한 번으로 볼 수 있습니다.
엑셀 없이 위키 안에서 검색과 정리가 다 됩니다.
4단계: 첫 번째 자료 넣기
논문 한 편, 책 한 챕터, 기사 하나. 뭐든 상관없습니다. AI에게 “AGENTS.md의 지침에 따라 이 자료를 위키에 추가해줘”라고 하면 됩니다.
처음엔 위키가 빈약해 보여도 괜찮습니다. 자료가 쌓이면서 완전히 달라집니다.
5단계: 반복하면서 위키 성장시키기
자료를 하나씩 넣으면서 AI가 연결을 만드는 걸 지켜보시면 됩니다. 어느 순간 “아, 이 개념이 저기랑 연결되는구나”라는 순간이 옵니다. 그때부터 위키가 살아있다는 느낌이 납니다.
위키가 어느 정도 쌓이면 옵시디언 왼쪽 사이드바에서 그래프 뷰를 열어보시기 바랍니다. 페이지들이 점과 선으로 연결된 지도처럼 펼쳐집니다.
어떤 개념이 중심에 있는지, 어떤 페이지가 혼자 동떨어져 있는지 한눈에 보입니다. 내 지식의 전체 지형도를 처음 보는 느낌이 납니다.
발표 자료가 필요하신 분께는 Marp 플러그인도 추천합니다.
위키에 쌓인 마크다운 내용을 그대로 슬라이드로 바꿔줍니다.
AI가 정리한 위키가 발표 자료로 바로 이어지는 겁니다. 보고서 쓰는 시간이 눈에 띄게 줄어듭니다.
마지막으로, 이 위키 전체는 결국 텍스트 파일 묶음입니다.
Git으로 관리하면 “어제 내용으로 되돌리기”, “팀원과 함께 편집하기”가 별도 툴 없이 가능합니다. 혼자 쓰다가 팀으로 확장할 때도 구조를 바꿀 필요가 없습니다.
카파시의 원본 llm-wiki.md는 GitHub에서 직접 확인하고 그대로 에이전트에게 붙여넣기 해보시기 바랍니다.
이것만 기억하시면 됩니다. 시작할 때 쓸 플러그인 세 가지입니다.
- Obsidian Web Clipper: 웹 기사를 클릭 한 번으로 마크다운 저장
- Dataview: 태그·날짜 기반으로 위키 내용을 표로 자동 정리
- Marp: 위키 내용을 발표 슬라이드로 바로 변환
FAQ: 카파시 llm-wiki 관련 자주 묻는 질문
Q1. LLM 위키를 시작하려면 코딩 실력이 필요한가요?
전혀 필요 없습니다. 마크다운 문법 기초(#, **, – 정도)만 알면 충분하고, 그것도 AI가 대신 써줍니다.
Q2. 옵시디언 말고 다른 도구를 써도 되나요?
노션, 로암(Roam Research), 로그시크(Logseq) 등 마크다운을 지원하는 도구라면 모두 가능합니다. 옵시디언은 로컬 저장이라 데이터 보안 면에서 장점이 있습니다.
Q3. AI 에이전트는 어떤 걸 써야 하나요?
Claude나 ChatGPT 모두 가능합니다. 긴 문서를 한 번에 처리해야 할 경우 Claude의 200K 컨텍스트 윈도우가 유리합니다.
Q4. 위키가 점점 커지면 관리가 어려워지지 않나요?
오히려 반대입니다. 위키가 클수록 AI가 더 많은 연결을 만들어내고 답변 품질이 높아집니다. 관리 부담은 AI가 가져가기 때문에 사람이 신경 쓸 건 줄어듭니다.
Q5. 회사 업무에도 적용할 수 있나요?
충분히 가능합니다. 회의록, 보고서, 업무 지침 등을 위키에 누적하면 신규 입사자 온보딩이나 반복 질문 대응에 강력하게 쓸 수 있습니다.
Q6. 원본 자료가 업데이트되면 위키도 자동으로 바뀌나요?
자동은 아닙니다. 업데이트된 자료를 다시 AI에게 넣어줘야 합니다. 단, AI가 기존 위키와 비교해 변경된 부분만 업데이트해주므로 처음부터 다시 할 필요는 없습니다.
Q7. 개인 정보가 담긴 자료를 넣어도 안전한가요?
클라우드 기반 AI를 쓴다면 개인 정보는 넣지 않는 게 좋습니다. 민감한 자료는 내 컴퓨터에서 직접 구동하는 AI(예: Ollama)와 함께 쓰는 방법을 고려해보시기 바랍니다.
이 글 하나로 AI 쓰는 방식이 달라집니다
지금까지 카파시가 공개한 llm-wiki.md의 핵심 구조부터 실전 활용법, 5단계 구축 가이드까지 모두 정리했습니다. 핵심만 다시 짚어보겠습니다.
- AI는 지금까지 읽고 잊었습니다. LLM 위키는 읽고 쌓습니다
- 3겹 구조(원본·위키·스키마)만 만들면 당장 시작할 수 있습니다
- 코딩 실력 필요 없습니다. 옵시디언 + AI 에이전트면 충분합니다
- 아이디어 파일 패러다임이 시작됐습니다. 앱이 아니라 아이디어를 공유하는 시대입니다
- 우리가 할 일은 좋은 자료와 좋은 질문. 나머지는 에이전트가 합니다
AI 활용법, 생산성 도구, 최신 기술 트렌드를 매주 가장 빠르게 정리해 드리고 있습니다.
다음 글에서는 옵시디언과 Claude를 연결해 LLM 위키를 실제로 구축하는 과정을 스크린샷과 함께 단계별로 보여드릴 예정입니다. 놓치지 마세요.



















