Claude Code 사용하면서 이런 문제 겪어본 적 있나요?
・매번 AI에게 똑같은 내용을 다시 설명해야 해서 번거롭다
・어제 대화를 기억하지 못한다
・연구한 내용이 다음 세션에서 초기화된다
・예전에 읽은 아티클과 노트가 결국 어디론가 사라진다
이 모든 것은 "AI에 기억이 없다"는 사실 때문에 발생합니다.
전 OpenAI 및 전 Tesla AI 책임자였던 Andrej Karpathy가 제안한 "AI 외부 두뇌" 구축 방법을 Claude Code로 실제 운영 가능한 수준까지 분석한 아티클이 현재 해외에서 2,100개 이상의 좋아요를 받으며 화제입니다 😳
이 글은 해외 AI 개발자 커뮤니티에서 바이럴 콘텐츠를 정기적으로 게시하는 크리에이터 @hooeem이 작성했습니다. 이번에는 완전 초보자부터 개발자까지 모두를 위한 3단계 가이드로 정리되었습니다.
지금부터 내용을 알기 쉽게 분석하고 설명해 드리겠습니다 👇
원본 게시물: https://x.com/hooeem/status/2041196025906418094
■ 현재 AI 사용 방식이 "잘못된" 이유
원문은 이렇게 시작합니다:
"대부분의 사람들은 AI를 '기억상실증 검색 엔진'으로 사용한다."
질문하기 → 답변 받기 → 탭 닫기. 다음 날이면 처음부터 다시 시작합니다. 아무것도 축적되지 않고, 아무것도 쌓이지 않습니다. 같은 맥락을 다시 찾기 위해 계속 토큰만 소모할 뿐입니다.
Karpathy의 시스템은 이것을 완전히 뒤집습니다.
- 자료를 모은다. 관심 주제와 관련된 아티클, 논문, YouTube 트랜스크립트, PDF 등 무엇이든 좋다.
- AI가 모든 것을 읽고 구조화된 Wiki를 작성한다. 요약, 개념 설명, 아이디어 간 연결, 마스터 인덱스를 포함한다.
- 해당 Wiki에 대해 질문한다. AI는 축적된 지식을 교차 검색하여 인용문과 함께 통합된 답변을 반환한다.
- 답변은 자동으로 Wiki에 저장된다. 다음 질문은 이전 모든 작업의 혜택을 받는다.
- AI는 주기적으로 Wiki의 상태를 점검한다. 모순, 공백, 오래된 정보를 찾아 수정한다.
결과? 사용할수록 더 똑똑해지는 개인 지식 베이스입니다.
한 달 동안 계속 정보를 추가하면 Google 검색으로는 절대 복제할 수 없는 깊이 있게 연결된 지식 자산이 완성됩니다. 단순한 "색인"이 아니라 "통합된" 것이기 때문입니다.
원문에 따르면, 이 시스템은 모든 주제에 사용할 수 있습니다: 암호화폐 시장, 의학 연구, 법적 판례, 경쟁사 분석, 학술 연구, 철학까지. 시간이 지남에 따라 지식을 축적하고 연결하려는 모든 것에 적용 가능합니다.
■ 레벨 1: 완전 초보자용 (Obsidian + Claude Chat)
기술적 능력 불필요. 두 가지만 있으면 됩니다:
・Obsidian (무료) ── obsidian.md에서 다운로드
・Claude 구독 ($20/월 Pro, 또는 선호하는 AI 챗봇)
이게 전부입니다.
Step 1: Vault 생성 (2분)
Obsidian을 열고 "새 Vault 생성"을 클릭하세요. 이름을 지정하고 저장 위치를 선택하기만 하면 됩니다. Vault는 그냥 폴더입니다. 그 안의 Markdown 파일이 자동으로 노트로 표시됩니다.
Step 2: 두 개의 폴더 생성 (1분)
raw ── 원자료 폴더 (아티클, 노트, 모든 것)
wiki ── AI가 요약한 지식 폴더
이것이 전체 기본 구조입니다.
Step 3: 첫 번째 자료 추가 (5분)
진정으로 관심 있는 주제 하나를 선택하세요. 해당 주제에 대한 좋은 아티클 3-5개를 찾으세요. 각각을 raw 폴더에 노트로 만들고 텍스트를 복사하여 붙여넣으세요. 상단에 출처: [URL]을 작성하세요.
서식은 신경 쓰지 마세요. 중요한 것은 텍스트를 넣는 것입니다.
Step 4: AI가 Wiki를 만들게 하기 (5분)
Claude (claude.ai)를 열고 원문에서 소개된 프롬프트를 사용하세요. 자료를 붙여넣고 "각 출처의 요약을 작성하고, 핵심 개념을 나열하며, 마스터 인덱스를 생성하라"고 지시하세요.
Claude는 구조화된 출력을 반환하므로, 각각을 wiki 폴더에 노트로 저장하세요.
Step 5: 마법을 확인하세요
Obsidian의 그래프 뷰(Ctrl+G)를 열면, Wiki 링크로 연결된 노트들이 점으로 표시됩니다. 이것이 바로 당신의 지식 베이스 네트워크입니다.
이제부터 매일의 습관으로 만드세요: 새 아티클을 찾으면 raw에 넣고 Claude에게 "기존 인덱스를 기반으로 새 출처를 처리하라"고 요청하세요. 모순이 있으면 Claude가 ⚠️로 표시합니다.
요약하자면, 레벨 1은 복사-붙여넣기만으로 작동합니다. 터미널이나 코딩이 필요 없습니다.
■ 레벨 2: 전체 시스템 (3계층 아키텍처 + CLAUDE.md)
레벨 1이 "복사-붙여넣기 작업"이라면, 레벨 2는 "AI가 스스로 파일을 생성하고 관리하는 시스템"입니다.
원문에서 제안하는 아키텍처는 3계층 구조입니다.
계층 1: raw/ (원자료) ── 유일한 진실 공급원. AI는 이것을 읽지만 다시 쓰지는 않습니다. 아티클, 논문, 레포 문서, 데이터셋, 이미지를 포함합니다.
계층 2: wiki/ (컴파일된 Wiki) ── AI가 생성하고 유지 관리합니다. 요약, 개념 아티클, 인물/조직 페이지, 교차 링크, 인덱스, 쿼리 출력을 포함합니다. 일반적으로 인간이 직접 편집하지 않습니다.
계층 3: CLAUDE.md (스키마) ── AI에게 이 Wiki의 "구조, 명명 규칙, 실행 가능한 작업"을 가르치는 설정 파일입니다. Vault의 루트에 배치하세요.
그리고 4가지 운영 사이클이 계속 실행됩니다:
・수집(Ingest) ── 새 자료 가져오기. AI가 자동으로 요약, 개념 페이지, 연결을 생성합니다.
・컴파일(Compile) ── Wiki 페이지 구축 및 업데이트. 인덱스를 유지하고 새 정보를 기존 구조에 통합합니다.
・쿼리(Query) ── 질문하기. AI가 Wiki를 교차 검색하고 인용문과 함께 답변을 반환합니다. 답변은 Wiki에 저장됩니다.
・린트(Lint) ── 상태 점검. 모순, 공백, 끊어진 링크, 오래된 정보를 자동으로 찾아 수정합니다.
원문에 나온 폴더 구조는 이렇습니다 👇
my-knowledge-base/
├── raw/
│ ├── articles/
│ ├── papers/
│ ├── repos/
│ ├── datasets/
│ └── assets/
├── wiki/
│ ├── index.md
│ ├── log.md
│ ├── concepts/
│ ├── entities/
│ ├── sources/
│ ├── syntheses/
│ ├── outputs/
│ └── attachments/
├── templates/
└── CLAUDE.md
모든 파일명은 케밥-케이스(소문자 하이픈 구분)를 사용합니다. 예: active-inference.md ✓, Active Inference.md ✗. 출처 요약은 저자-연도-짧은-제목.md 형식을 따릅니다(예: friston-2010-free-energy.md).
CLAUDE.md는 Wiki 구조, 명명 규칙, 각 작업(수집/쿼리/린트)의 구체적인 절차, 페이지 생성 기준(2개 이상의 출처에 등장하는 개념은 전체 페이지, 1개 출처는 스텁), 품질 기준(요약 200-500단어, 개념 아티클 500-1500단어)을 설명합니다.
원문은 "이 파일을 80줄 미만으로 유지하라. 모든 줄이 컨텍스트 윈도우를 소모한다"고 말합니다.
■ 지식 베이스에 무엇을 넣어야 할까?
원문이 묻습니다:
"지난 1년 동안 소비했지만 사라져버린 모든 것에 대해 생각해보라."
・읽고 잊어버린 책들
・생각을 바꿔준 팟캐스트
・밤 11시에 저장하고 다시 열어보지 않은 아티클
・늦은 밤 YouTube 토끼굴에 빠져 어떤 강의보다 더 많이 배운 순간들
・하이라이트하고 다시 보지 않은 Kindle 하이라이트
・중요한 결정 전에 했던 연구
・예전 프로젝트의 노트들
・실패한 일에서 얻은 교훈
이 모든 것이 어딘가에서 잠자며 아무 일도 하지 않고 있습니다. 이 모든 것이 Vault에 들어가야 합니다.
자료가 없다면? Claude 채팅을 열고 20분 동안 이야기하세요. 업무, 목표, 지금 만들고 있는 것, 생각하고 있는 것에 대해. 그 대화를 Memory 파일로 저장하세요. 그것만으로도 첫 세션부터 "Claude가 나를 안다"는 느낌을 받게 될 것입니다.
Vault가 유용하려면 완벽할 필요는 없습니다. 중요한 것은 "진짜"라는 것입니다.
■ 레벨 3: 자동화 (5단계)
파워 유저를 위한 것입니다. 원문은 자동화를 5단계로 설명합니다.
레벨 3-1: CLI를 통한 원샷 실행
터미널에서 Claude Code를 열고 단일 명령어로 raw/의 모든 미처리 파일을 처리하게 합니다.
레벨 3-2: 슬래시 명령어
.claude/commands/에 Markdown 파일을 배치하여 /wiki-compile 같은 사용자 정의 명령어를 사용합니다. 반복적인 워크플로우를 단일 명령어로 전환합니다.
레벨 3-3: 예약 실행
Claude Desktop의 /schedule 기능이나 cron을 사용하여 매일 아침 raw/의 새 파일을 자동으로 처리합니다. 자기 전에 아티클을 클립하면, 일어났을 때 Wiki가 업데이트되어 있습니다.
레벨 3-4: GitHub Actions
Vault를 GitHub 레포로 전환합니다. raw/에 푸시하면 Claude Code가 GitHub Actions에서 Wiki를 컴파일합니다. PC가 꺼져 있어도 작동합니다.
레벨 3-5: 에이전트 스킬
.claude/skills/에 스킬 파일을 배치하면, Claude가 자동으로 컨텍스트를 감지하고 적절한 작업을 수행합니다. "raw/에 새 파일을 넣었어"라고 말하면, Claude가 명령어를 입력하지 않아도 자동으로 수집 사이클을 실행합니다.
원문의 조언: 레벨 3-1부터 시작하여 익숙해지면서 단계를 높여가세요. 어디서 시작하든 이전 레벨이 깨지지 않습니다.
게다가 커뮤니티에서 이미 플러그인을 구축했습니다. wiki-skills 플러그인을 설치하면 /wiki-init /wiki-ingest /wiki-query /wiki-lint 명령어를 즉시 사용할 수 있습니다. 설정 파일을 수동으로 작성할 필요도 없습니다.
■ "유지보수"가 가장 큰 병목이었던 이유
이것이 원문의 가장 깊은 통찰입니다.
Notion, Evernote, Roam Research... "두 번째 두뇌"를 주장하는 많은 도구들이 있었습니다. 하지만 대부분의 사람들은 몇 달 후에 사용을 중단합니다.
이유는 같습니다: 유지보수가 너무 번거롭기 때문입니다.
원문이 말하듯: "정보를 넣는 것은 재미있습니다. 하지만 태그를 정리하고, 상호 참조를 업데이트하고, 구조를 재구성하는 이 추가 작업이 쌓이면, 실제 작업 위에 또 다른 작업이 됩니다. 게을러지면 시스템이 저하됩니다. 6개월 후에 다시 구축하려고 시도하고, 사이클이 반복됩니다."
Claude는 이 사이클을 영원히 깨뜨립니다. 유지보수는 그저 명령어 하나가 됩니다. 전체 Vault 재구성은 하나의 프롬프트입니다. Notion에서 마이그레이션? 내보내기 파일 처리, 속성 추가, 새 시스템으로 구조 재구성까지 모두 자동화됩니다.
마지막으로 원문은 Vannevar Bush의 Memex(1945)를 언급합니다. 개인적으로 선별된 지식 저장소로, 문서 간의 연결이 문서 자체만큼 가치 있습니다—Bush는 이것을 구상했지만, 그가 해결할 수 없었던 것은 "누가 유지보수를 할 것인가"였습니다.
이제, 그 답이 여기에 있습니다.
■ 요약
・Karpathy가 제안한 LLM 지식 베이스는 "AI에 장기 기억을 부여하는" 접근 방식입니다
・레벨 1은 Obsidian + Claude Chat 간 복사-붙여넣기만으로 시작할 수 있습니다
・레벨 2는 3계층 아키텍처(raw / wiki / CLAUDE.md)와 4가지 사이클(수집 / 컴파일 / 쿼리 / 린트)로 구성됩니다
・레벨 3은 5단계 자동화(CLI → 슬래시 명령어 → 예약 → GitHub Actions → 에이전트 스킬)입니다
・Vault에 넣어야 할 것은 "지난 1년 동안 소비하고 잃어버린 모든 것"입니다
・AI가 과거 두 번째 두뇌 도구들이 실패한 가장 큰 이유인 "유지보수"를 완전히 대체합니다
・커뮤니티에서 만든 플러그인(wiki-skills 등)으로 즉시 시작할 수 있습니다
출처: @hooeem
https://x.com/hooeem/status/2041196025906418094
━━━━━━━━━━
이 글이 조금이라도 도움이 되셨다면.
Claude Code Studio @ Japan (@ClaudeCode_love)은
세 명의 Claude Code 애호가가 운영하는 계정입니다.
CLI 실용 활용법과 자동화에 관한 콘텐츠를 매일 게시합니다.
현재 상장 기업들과 AI 에이전트를 공동 개발 중입니다.
저희의 일반적인 콘텐츠 👇
・Claude Code와 Claude를 사용한 실제 제품 개발 사례
・Claude Code 사용법 / Vibe Coding / 개발 트렌드 정리
・해외 Claude Code 최신 정보
개발 철학부터 디자인, 구현, 개선까지,
"만들기만 하고 끝"이 아니라 "실제로 작동하는 제품을 세상에 내놓는 것"을 전제로 정리합니다.
관심 있으시면 팔로우하고 확인해 보세요 👀
