지식이 복리로 성장하는 「LLM Wiki」의 특징과 도입 단계

AI에게 논문이나 기사를 읽혀서 요약하게 하는 방식(RAG)은 편리하지만, "질문할 때마다 AI가 처음부터 정보를 다시 찾기 때문에 지식이 전혀 축적되지 않는다"라는 한계를 느끼고 계시지 않습니까?

그러한 과제를 해결하기 위해 Andrej Karpathy 씨가 제창한 것이, LLM이 개인의 지식 베이스(Knowledge Base)를 지속적으로 구축·관리하는 「LLM Wiki」라는 새로운 접근 방식입니다. 본 기사에서는 그 혁신적인 특징과 오늘부터 시작할 수 있는 도입 단계를 해설합니다.

LLM Wiki의 3가지 놀라운 특징

1. 최대의 매력은, 여러 지식을 "연결하는 힘"

단순한 요약 도구와의 가장 큰 차이점은, 여러 자료를 횡단하는 「개념 페이지(Concept Page)"가 자동으로 생성된다는 점입니다. 예를 들어, 서로 다른 타이밍에 10편의 논문을 투입하는 것만으로도, AI가 알아서 "여러 논문의 공통 평가 축"을 추출하거나, 서로 다른 인물의 에세이로부터 "사상의 대립축"을 정리해 주기도 합니다. 인간의 기억력으로는 어려운 "점과 점이 선이 되는" 체험**을 자동으로 만들어 줍니다.

2. 번거로운 유지 관리(Bookkeeping)는 모두 LLM에게 맡기기

인간이 수동으로 Wiki를 만들려고 하면, 새로운 기사를 읽을 때마다 기존 페이지를 가필하고, 상호 링크를 다시 걸고, 오래된 정보와의 모순을 수정하는... 라는 "유지 관리 비용" 때문에 좌절하기 쉽습니다. 하지만 LLM은 지치지 않고, 1회의 자료 투입으로 관련 있는 10~15페이지를 단번에 새로 써 줍니다. 인간은 "양질의 자료를 선택하기", "질문을 던지기"에 집중하고, 뒷단의 정리 정돈은 모두 LLM이 담당합니다.

3. 심플한 3층 구조와 3가지 오퍼레이션

LLM Wiki의 메커니즘은 매우 심플합니다. 다음과 같은 3개 층으로 구성되어 있습니다.

• Raw sources (1차 자료): 인간이 투입하는 논문 PDF나 웹 기사 (LLM은 읽기 전용)
• Wiki (Wiki 페이지군): LLM이 작성·관리하는 요약이나 개념의 Markdown 파일군
• Schema (규약 정의): 인간이 정의하고, LLM이 참조하는 운영 규칙 파일

일상적인 운영은, 새로운 자료를 추가하는 「Ingest」, Wiki에 질문하여 결과를 자산화하는 「Query」, 정기적으로 모순이나 링크 끊김을 점검하게 하는 「Lint」의 3가지 조작을 돌리는 것뿐입니다.

자신만의 LLM Wiki를 만드는 3가지 도입 단계

LLM Wiki는 완성된 앱을 설치하는 것이 아니라, 자신의 수중에 있는 AI 에이전트(Claude Code 등)와 함께 키워 나가는 것이 기본입니다.

Step 1: Karpathy 씨의 원안을 LLM에게 읽혀서 틀 만들기

먼저, Karpathy 씨가 공개하고 있는 GitHub Gist의 아이디어를 코딩 에이전트에게 읽히고, "이 패턴에 따라 나만의 Wiki 셋업을 만들어줘"라고 지시합시다. 이를 통해 베이스가 되는 디렉토리 구조나 규칙 파일(Schema)이 자동으로 생성됩니다.

Step 2: 수중의 논문이나 기사를 5편 정도 「Ingest」해 보기

자신의 관심 영역에 있는 기사나 논문을 5편 정도 투입하여 AI에게 처리시켜 봅시다. 파일마다 요약이 만들어지고, 그것들을 통합한 개념 페이지가 어떻게 구성되며, 목차(index.md)나 이력(log.md)이 어떻게 업데이트되는지를 실제로 눈으로 확인합니다.

Step 3: 자신의 도메인에 맞춰 템플릿을 키우기

테스트로 구동한 후에는, "이 섹션은 필요 없어", "내 연구용으로 『미해결 과제』라는 항목을 반드시 만들어 줬으면 좋겠어"와 같은 개선점이 보입니다. 이것을 직접 스스로 고쳐 쓰는 것이 아니라, LLM에게 지시하여 규칙 파일을 업데이트하게 합니다. 이를 반복함으로써 당신의 사고 프로세스에 가장 적합한 최고의 외부 뇌로 진화해 나갑니다.

마치며

LLM Wiki는 단발적인 요약을 넘어선 「지속적으로 축적해 나가는 성과물(persistent, compounding artifact)」입니다.

물론 LLM이 깔끔하게 지식을 연결해 준다 해도, 최종적으로 그것을 읽고 해석하여 「이해」하는 것은 인간의 역할입니다. 우선 자신이 "정말로 재미있다"고 생각하는 기사를 몇 편 투입하여, AI가 당신의 지식을 자동으로 엮어 나가는 감각을 맛보시기 바랍니다.

※ 이 기사에는 AI를 사용하고 있습니다.

Discussion