Claude Code × Obsidian: 15 개의 AI "외부 뇌" 자아를 만드는 완벽 가이드

현재 저희 팀에는 15명의 AI 직원이 자율적으로 업무를 수행하고 있습니다. 이들의 효율성을 더욱 높이기 위해, 저는 각자 특정 성격을 지닌 15명의 분신을 만들어 제 지식과 사고 패턴을继承시켰습니다. 세부 지시를 내릴 필요 없이, 그들은 이미 제 생각을 이해하고 있기 때문에 불필요한 소통은 필요 없습니다.

최근 몇 년간 AI의 진화는 놀라울 정도로, 우리의 업무 방식과 사고 과정을 혁신적으로 변화시켰습니다. 하지만 대부분의 AI 활용 방식은 여전히 "일회성" Q&A 형식에 머물러 있어, 기술의 진정한 잠재력을 발휘하지 못하고 있습니다. AI를 단순한 수동적 도구가 아닌, 스스로 생각하고 행동하며 학습하는 "협력자"로 활용하기 위해서는 AI가 "루프(Loop)"를 형성할 수 있는 시스템을 구축하는 것이 필수적입니다.

이 글에서는 Claude Code와 Obsidian을 결합하여 "AI 외부 두뇌(AI External Brain)"를 구축하는 실용적인 가이드를 제공합니다. AI가 지속적으로 "계획(Plan) → 실행(Execute) → 검증(Verify) → 수정(Correct)"을 반복하는 "AI 루프(AI Loop)"의 개념을 탐구하고, 구체적인 구현 방법과 실용적인 코드 예제를 제시합니다. 인프라 구축부터 AI 루프 설계 이론, Skills를 활용한 워크플로 자동화, PM Layer를 통한 자율 프로젝트 관리, 고급 자동화 및 비용 관리까지, AI를 진정한 파트너로 만들기 위해 필요한 모든 것을 다룹니다.

Part 1: AI 외부 두뇌 구축

"AI 루프"의 기반은 개인 지식과 프로젝트 정보를 집계하고 관리하는 "AI 외부 두뇌(AI External Brain)"입니다. Claude Code, Obsidian, Git을 연결하여 AI가 참조, 학습, 실행할 수 있는 강력한 인프라를 구축합니다. 이 장에서는 구체적인 설정 단계와 권장 디렉토리 구조를 설명합니다.

1.1 AI 외부 두뇌의 개념

AI 외부 두뇌는 인간의 기억, 학습, 사고 기능을 외부화하여 AI가 접근하고 활용할 수 있도록 하는 구조화된 지식 베이스입니다. 이를 통해 AI는 과거 경험과 지식을 참고하여 고급 의사 결정을 내리고 문제를 해결할 수 있습니다.

・지식 베이스(Knowledge Base): Obsidian에서 관리하는 Markdown 노트 모음으로, 아이디어, 프로젝트, 회의록, 기술 정보 등을 포함합니다.

・AI 에이전트(AI Agent): Claude Code를 중심으로 한 프로그램으로, 자동화된 프로세스를 실행합니다.

・버전 관리(Version Control): Git과 GitHub를 사용하여 지식 베이스를 관리하고 동기화합니다.

・자동화 레이어(Automation Layer): GitHub Actions를 사용하여 주기적인 작업 실행 및 이벤트 기반 처리를 수행합니다.

1.2 개발 환경 준비

1. Obsidian: 로컬 Markdown 노트를 위한 지식 관리 도구입니다.
2. Git: GitHub 리포지토리에서 노트를 관리하기 위한 버전 관리 시스템입니다.
3. Claude Code: Anthropic의 Claude API를 사용하는 AI 에이전트 실행 환경입니다.
4. GitHub 계정: GitHub Actions를 통한 원격 저장 및 자동화에 필요합니다.

1.3 권장 디렉토리 구조

1.claude/          # Claude Code 명령어 및 설정
2  commands/       # 사용자 정의 명령어 스크립트
3  config.yaml     # Claude Code 설정
400_Inbox/         # 임시 노트 및 미분류 정보
510_Projects/      # 진행 중인 프로젝트 디렉토리
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # 지속적인 영역 (예: 개발, 마케팅)
1030_Resources/     # 참고 자료 및 학습 리소스
1140_Archives/      # 완료된 프로젝트 및 오래된 정보
12README.md         # 외부 두뇌 개요

1.4 Git 및 GitHub 동기화

Obsidian 노트를 GitHub와 동기화하면 데이터 안전성, 변경 추적, 다중 기기 동기화가 가능해지며, Claude Code가 지식 베이스에 읽고 쓸 수 있게 됩니다.

1.5 Claude Code 설정

Claude Code는 자연어 명령을 기반으로 파일 작업, 코드 생성, 명령 실행을 수행하는 AI 코딩 에이전트입니다. AI 외부 두뇌의 "손과 발" 역할을 합니다.

기본 사용법:
``bash
claude "README.md에 이 프로젝트의 목적과 개요를 설명해 주세요."
``

Part 2: 검증 게이트(Verification Gates) 구현

이 장에서는 "AI 루프" 이론과 자율 운영의 성공 여부를 결정하는 "검증 게이트(VERIFY Gate)"의 구현에 중점을 둡니다.

2.1 AI 루프의 5단계

1. DISCOVER: 문제를 식별하고 정보를 수집합니다.
2. PLAN: 실행 계획을 수립합니다.
3. EXECUTE: 작업을 수행합니다.
4. VERIFY: 결과를 객관적으로 평가합니다.
5. ITERATE: 검증 결과에 따라 수정하고 재시도합니다.

2.2 VERIFY 게이트의 중요성

엄격한 검증 게이트가 없으면 AI는 작업이 완료되지 않았음에도 완료되었다고 잘못 가정하는 자기 만족에 빠질 수 있습니다. 게이트는 AI가 성공의 기준을 이해하도록 보장합니다.

2.3 VERIFY 게이트 코드 구현

다음은 mypy와 pytest를 사용하여 코드 품질을 자동으로 확인하는 Python 스크립트입니다:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- 코드 검증 시작 ---")
14    # mypy 및 pytest 실행...
15    return True, "모든 코드 품질 검사를 통과했습니다."
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 중지 조건 설계

무한 루프와 비용 급증을 방지하기 위해 성공 기준, 최대 반복 횟수, 예산 한도, 시간 제한과 같은 중지 조건을 설정해야 합니다.

Part 3: Skills 및 PM Layer

3.1 Skills 설계

Claude Code에서는 사용자 정의 "Skills"를 정의하여 /decompose 또는 /work와 같은 복잡한 작업을 단일 명령어로 전환할 수 있습니다.

3.2 PM Layer 도입

진정한 자율성을 달성하려면 AI가 프로젝트의 맥락(무엇을, 왜, 어떻게, 언제)을 이해할 수 있는 "판단 레이어"가 필요합니다. 각 프로젝트 디렉토리에 pm_brief.md 파일을 사용하여 이 맥락을 제공합니다.

Part 4: 상시 가동 자동화(Always-On Automation)

GitHub Actions를 사용하면 인간의 개입 없이도 AI가 주기적으로 작업을 수행할 수 있습니다.

4.1.1 아침 Inbox 정리

매일 오전 9시에 00_Inbox/ 폴더를 정리하는 워크플로입니다.

4.2 모니터링 및 비용 관리

상시 가동 자동화는 강력하지만 비용 모니터링이 필요합니다. --max-budget-usd와 --max-turns를 사용하여 실행당 지출을 제한하세요.

결론: 루프 설계하기

AI를 최대한 활용하는 핵심은 뛰어난 프롬프트 작성뿐만 아니라, AI가 스스로 계획, 실행, 검증, 수정할 수 있는 루프를 설계하는 데 있습니다. Claude Code와 Obsidian을 결합함으로써 AI를 단순한 도구에서 지속적인 협력자로 변화시킬 수 있습니다.