AI를 활용해 매일 스스로 업데이트되는 24시간 살아있는 지식 그래프를 Obsidian에 구축했습니다

Obsidian 에서 AI 로 매일 자동 업데이트되는 살아있는 지식 그래프를 구축하는 방법을 알아보세요. 이 글은 Smart Connections, Dataview, 커스텀 에이전트, 프롬프트 템플릿, 그리고 숨겨진 패턴을 발견하는 데 도움이 된 워크플로우를 다룹니다.

아무도 Obsidian 의 진정한 힘은 메모 자체가 아니라 연결이라고 말해주지 않았습니다.

한동안 저는 Obsidian 을 그저 더 나은 폴더처럼 사용했습니다.

아이디어를 저장하고, 기사를 클립하고, 초안을 작성하고, 생각날 때마다 몇몇 노트를 연결했습니다.

유용하긴 했지만, 여전히 수동적인 도구였습니다.

그러다 다른 질문을 생각하기 시작했습니다. 그래프가 단순히 내 사고를 보여주는 것을 넘어, 매일 더 나은 생각을 할 수 있도록 적극적으로 도와준다면 어떨까?

그것이 전환점이었습니다. 저는 매일 스스로 업데이트하고, 새로운 연결을 발견하며, 수동으로는 절대 발견하지 못했을 패턴을 표면화하는 살아있는 지식 그래프를 구축하기 시작했습니다.

살아있는 그래프가 중요한 이유

대부분의 사람들은 Obsidian 을 지식을 저장하는 공간으로 사용합니다.

괜찮은 방법이지만, 저장이 곧 이해는 아닙니다. 정적인 볼트는 수천 개의 노트를 담을 수 있지만, 그 안에 숨겨진 관계를 드러내지는 못합니다.

살아있는 그래프는 이를 바꿉니다.

연결을 기억에 맡기는 대신, 지속적으로 업데이트하고 관계를 재확인하며 관련 아이디어를 다시 조망하는 시스템을 만듭니다. 핵심은 그래프를 인상적으로 보이게 하는 것이 아닙니다.

핵심은 그것을 유용하게 만드는 것입니다.

그 목표를 설정하자, 시스템 구축이 훨씬 명확해졌습니다.

완벽한 플러그인 하나가 필요했던 것이 아닙니다.

볼트를 엉망으로 만들지 않으면서도 구조, 검색, 자동화를 처리할 수 있는 소수의 도구가 필요했습니다.

제가 사용한 설정

저는 시스템을 세 가지 계층으로 구축했습니다.

첫 번째 계층은 Obsidian 자체였습니다. 연결된 노트로 사고하기에 가장 좋은 장소이기 때문입니다.

두 번째 계층은 Dataview 였습니다. 수동으로 볼트를 샅샅이 뒤지는 대신 쿼리할 수 있게 해주었습니다.

세 번째 계층은 AI 기반 연결 계층으로, Smart Connections 와 커스텀 프롬프트가 관련 노트를 식별하고, 클러스터를 요약하며, 놓친 링크를 제안하는 데 도움을 주었습니다.

이 조합이 중요했던 이유는 각 요소가 서로 다른 문제를 해결했기 때문입니다. Obsidian 은 노트를 제공했습니다.

Dataview 는 구조를 제공했습니다.

AI 는 움직임을 제공했습니다.

또한 매일 최근 노트를 검토하고, 중복을 찾아내며, 그래프 업데이트를 제안하는 몇몇 커스텀 에이전트도 실험했습니다.

목표는 완전한 자동화가 아니었습니다.

목표는 그래프를 살아있게 유지하는 데 필요한 수동 작업량을 줄이는 것이었습니다.

일일 업데이트 루프의 작동 방식

일일 워크플로우는 신뢰할 수 있을 만큼 간단하면서도 유용할 만큼 구조화되어 있었습니다.

매일 시스템은 새로 생성되거나 최근에 수정된 노트를 스캔했습니다.

핵심 개념을 추출하고, 반복되는 주제를 식별하며, 이를 기존 클러스터와 비교하고, 새로운 연결을 제안했습니다.

어떤 경우에는 관련 아이디어를 연결하는 브릿지 노드 역할을 하는 짧은 요약 노트를 생성하기도 했습니다.

바로 그 지점에서 그래프가 살아있다는 느낌을 받기 시작했습니다. 더 이상 제가 질서를 유지하는 유일한 존재가 아니었습니다. 시스템이 제 작업의 일부를 대신 해주고 있었습니다.

가장 좋은 점은 제가 미처 인지하지 못한 관계를 표면화했다는 것입니다. 콘텐츠 전략에 대한 노트가 개인 지식 관리에 대한 노트와 연결되는 것을 발견했습니다. 그래프가 발견 엔진으로 변모하기 시작했습니다.

Smart Connections 이 도움을 준 부분

Smart Connections 은 볼트를 고립된 파일 모음이 아닌 의미론적 공간처럼 느끼게 해주었기 때문에 유용했습니다.

정확한 역링크에만 의존하는 대신, 표현이 다르더라도 개념적으로 관련된 노트를 제안할 수 있었습니다.

이는 실제로 큰 차이를 만들었습니다.

연결할 가치가 있는 대부분의 아이디어는 동일하지 않으며, 서로 인접해 있습니다. 한 노트는 습관 형성에 관한 것일 수 있고, 다른 노트는 워크플로우 디자인에 관한 것일 수 있으며, 또 다른 노트는 창작 활동의 마찰을 줄이는 것에 관한 것일 수 있습니다.

사람은 결국 그 유사성을 알아볼 수 있지만, AI는 훨씬 더 빠르게 표면화할 수 있습니다.

그래도 저는 모든 것을 수동으로 검토했습니다.

그 부분은 변하지 않았습니다.

AI 가 제안하고, 제가 결정했습니다.

제안이 실제로 유용하다고 느껴질 때만 그래프가 도움이 되었기 때문에 이 균형이 중요했습니다.

Dataview 가 필수적이었던 부분

Dataview 는 전체 시스템을 유지 관리 가능하게 만든 핵심 요소였습니다.

볼트가 커지기 시작하면서, 다음과 같은 질문을 할 방법이 필요했습니다. 이번 주에 생성된 노트는 무엇인가? 아직 링크가 없는 아이디어는 무엇인가? 여러 폴더에 걸쳐 반복해서 나타나는 주제는 무엇인가? Dataview 가 그것을 가능하게 했습니다.

이로 인해 그래프는 수동적인 지도에서 대시보드에 가까운 것으로 변모했습니다. 무엇이 생성되고, 무엇이 연결되고, 어디에 공백이 있는지 확인할 수 있었습니다. 어떤 노트가 너무 오랫동안 고립되어 있다면, 주의가 필요하다는 것을 알 수 있었습니다. 어떤 클러스터가 계속 성장한다면, 그것이 진짜 테마가 되고 있다는 것을 알 수 있었습니다.

이러한 가시성은 제 글쓰기 방식을 바꾸었습니다. 더 이상 노트를 막다른 길처럼 만들지 않고, 나중에 유용하게 사용될 노드로 작성하기 시작했습니다.

유지 관리를 위해 사용한 프롬프트

유지 관리 프롬프트는 제 예상보다 더 중요했습니다. 가장 좋았던 버전은 영리해지려고 하지 않았습니다. 직설적이었습니다.

프롬프트는 에이전트에게 다음과 같은 작업을 요청했습니다:

• 최근 노트 검토
• 반복되는 개념 식별
• 관련 링크 제안
• 고립된 노트 플래그 지정
• 떠오르는 클러스터에 대한 짧은 요약 제안

중요한 부분은 표현만이 아니었습니다. 제약 조건이었습니다. '제안'할 것을 지시하고, '다시 작성'하지 말라고 했습니다. '플래그'를 지정하라고 하고, '결정'하지 말라고 했습니다. 일반적인 노트 정리가 아닌 그래프 유지 관리에 집중하라고 지시했습니다.

이렇게 하면 출력이 깔끔하게 유지되었고, 시스템이 일반적인 생산성 조언으로 표류하는 것을 막을 수 있었습니다. 보통 이러한 설정에서 발생하는 문제점이죠.

몇 주 후 변화된 점

몇 주 후, 차이는 명확했습니다. 제 노트는 더 이상 축적만 되는 것이 아니었습니다.

실제 주제를 중심으로 스스로 정리되기 시작했습니다.

어떤 아이디어가 계속 반복되는지 확인할 수 있었습니다.

어떤 주제가 조용히 배경에서 성장하고 있는지 확인할 수 있었습니다.

심지어 제 사고의 공백까지 발견할 수 있었습니다.

때로는 그래프가 한 영역에 대해 많은 글을 썼지만, 분명히 함께 있어야 할 다른 영역과는 거의 연결되지 않았다는 사실을 드러냈습니다.

이것이 가장 유용한 부분이었습니다. 시스템은 단지 시간을 절약해 준 것이 아닙니다. 제가 주목하는 것을 바꾸어 놓았습니다.

좋은 지식 그래프는 그래야 합니다. 단순히 당신의 생각을 저장하는 것을 넘어, 그것에 도전하고, 다듬고, 숨겨진 구조를 눈에 보이게 만들어야 합니다.

다르게 할 점

가장 큰 실수는 너무 일찍 오토메이션을 과도하게 적용하는 것입니다.

설정이 작동하기 시작하면 AI가 모든 것을 처리하도록 두고 싶어집니다.

하지만 그렇게 하면 보통 쓰레기가 만들어집니다.

이 시스템의 가장 좋은 버전은, 특히 초기에는 여전히 사람의 검토가 필요합니다. 형편없는 제안이 넘쳐나는 것보다는 적은 수의 고품질 제안이 훨씬 낫습니다.

또한 스키마는 단순하게 유지해야 합니다. 태깅 시스템이 복잡해질수록 유지 관리가 더 어려워집니다. 그래프는 생각을 도와야지, 또 다른 관리 프로젝트가 되어서는 안 됩니다.

진정한 보상

살아있는 그래프의 진정한 가치는 시각적인 요소가 아닙니다.

바로 피드백 루프입니다.

새로운 모든 노트는 시스템을 약간씩 개선합니다.

새로운 모든 링크는 그래프를 더 똑똑하게 만듭니다.

모든 검토 과정은 미래의 연결을 더 정확하게 만듭니다.

시간이 지나면서, 볼트는 실제 지능을 갖춘 제2의 뇌처럼 행동하기 시작합니다.

그렇기 때문에 이 설정은 제가 시도했던 다른 모든 노트 필기 워크플로우와는 달랐습니다. 단지 정보를 정리하는 것이 아니었습니다. 몇 달 동안 놓쳤던 패턴을 적극적으로 찾을 수 있도록 도와주고 있었습니다.

그리고 그것이야말로 계속 유지할 가치가 있는 시스템입니다.

도움이 되셨길 바랍니다.

크리에이터를 위한 실용적인 AI 워크플로우와 Obsidian 시스템을 구축하고 있습니다.

❣️ 저는 Kanika (@KanikaBK) 입니다. 검증된 설정과 분석을 더 보려면 팔로우해주세요.