이제 최신 AI 정보를 쫓는 것을 그만두지 않겠습니까?

이 기사에서는 새로운 AI 모델에 지쳐 있는 분들을 위해, 다른 관점에서 AI를 잘 사용하는 방법을 알려드리고자 합니다.

AI에게 상담했지만, 어딘가 빗나가고 와닿지 않는 답변만 돌아온다.

예를 들어 "지금 가장 돈을 많이 벌 수 있는 방법을 알려줘"라고 물었을 때, 구매 대행이나 물판(物販), 어필리에이트(Affiliate) 등, 뭔가 식상한 답변이 돌아온다.

그런 경험을 가진 분들이 많지 않으신가요?

새로운 모델이 등장할 때마다 기대하며 시도해 보지만, 결국은 어디선가 본 듯한 일반론으로 귀결되고 만다.

그 원인은 AI의 성능 부족이 아닙니다. 문제는 AI에게 전달하고 있는 자기 자신의 정보에 있습니다.

LLM(Large Language Model)은 대량의 데이터로부터 확률적으로 가장 그럴듯한 평균값을 내어 답변합니다.

이것에 대해 아무것도 모르는 상태의 AI가 내놓는 것은 당신에게 최적화된 답이 아니라, 통계적으로 옳은 일반적인 답입니다.

그래서 많은 사람은 자신의 직함이나 프로필, 대략적인 가치관을 시스템 프롬프트(System Prompt)에 설정하려고 합니다.

하지만 그것만으로는 AI 답변의 해상도를 높일 수 없습니다.

왜냐하면, 머릿속으로 생각한 프로필은 사회적인 기대나 '이래야 한다'는 필터를 거친 후 편집된 자기 자신에 불과하기 때문입니다.

진정한 컨텍스트는 자신의 내면 깊은 곳에 있다

• CORE: 당신 자신의 변하지 않는 핵심
• SHAPE: 후천적으로 영향을 받아 형성된 사고방식
• STATE: 최근의 목표 등, 매일 변하는 것

프롬프트에 가치관 = 자유라고 써도, LLM에는 인류가 작성한 텍스트의 평균치로서의 '자유'밖에 전달되지 않습니다.

진정한 컨텍스트는 추상적인 단어가 아니라, 구체적인 행동의 흔적(Vignette, 비네트)에 깃듭니다.

비네트(Vignette)란?

비네트는 구체적인 장면을 의미합니다.

머리로만 생각한 가치관이 아니라, 구체적인 장면으로부터 당신 자신을 정의합니다.

가치관 = 자유라는 라벨을 붙이는 것보다, 승진 이야기가 나왔던 날 밤, 왠지 마음이 무거워져서 거절했다는 행동.

이유를 물었을 때 월요일 전체 회의가 왠지 다르게 느껴졌다고 말했다.

이와 같이 신체적 반응을 동반하는 구체적인 장면을 전달하는 것이 LLM에게는 훨씬 순도 높은 컨텍스트가 됩니다.

소설 기법에서 그녀가 슬펐다고 설명하는 대신, 그녀는 전화를 내려놓고 3분 동안 벽을 응시했다는 장면을 묘사하는 것과 같습니다.

요약된 데이터가 아니라, 이러한 구체적인 장면을 통해 인간을 깊이 이해합니다.

하지만 우리는 일상의 바쁨 속에서 이러한 신체적 반응이나 행동의 흔적을 잊어버리고 맙니다.

자기 자신의 컨텍스트를 스스로도 올바르게 파악하지 못하고 있는 것이, AI의 출력을 평범하게 만드는 근본적인 원인이었습니다.

컨텍스트 강화라는 해결책

질문을 던지기 전에, 자신을 깊이 파고들 필요가 있었습니다.

이 과제를 해결하기 위해, **자신 컨텍스트(Self-Context)**라는 OSS(Open Source Software)를 제작했습니다.

매일 5분의 인터뷰에 답하는 것만으로, 일상의 행동 흔적이나 미세한 변화를 기록하고, LLM이 가장 이해하기 쉬운 Markdown 형식의 퍼스널 컨텍스트(Personal Context)로 자동 정리합니다.

이 도구가 지향하는 것은 특정 AI 플랫폼에 대한 락인(Lock-in)을 없애는 것입니다.

＊이와 같이 구조화된 파일을 AI에게 전달합니다.

# L2: Character & Talent（기질·재능）
> Zone: **CORE** — 변하지 않는 자아
> 타고난 경향. 경험으로 변화하기 어려운 기질 수준의 특성.
...

주요 AI 서비스의 메모리(Memory) 기능은 각각의 환경에 갇혀 있습니다.

Claude의 메모리를 ChatGPT로 가져올 수 없고, ChatGPT의 히스토리를 Gemini로 가져올 수도 없습니다.

자신 컨텍스트는 당신의 윤곽을 순수한 Markdown 파일로 손에 쥐어줍니다.

나아가 구축한 컨텍스트는 MCP(Model Context Protocol) 서버를 통해 Claude Code, Claude Desktop, Gemini CLI, Cursor, Cline 등 익숙한 AI 도구로 백엔드에서 직접 연결할 수 있습니다.

AI가 스스로 당신의 컨텍스트 파일을 참조하여, 당신에게 최적화된 답변을 이끌어내는 환경이 갖춰집니다.

일반론을 내뱉는 AI를 당신을 진정으로 이해하는 전속 파트너로 바꾸기 위해, 우선 자기 자신의 행동 흔적을 모으는 것부터 시작해 보지 않겠습니까?

부록: 왜 개발했는가?

이전에 저는 사업에 실패하여 다중 채무를 지게 되었습니다.

도쿄에서 계속 적자를 내고 있었기에, 짐을 전부 버리고 맨션 계약을 해지한 뒤 캐리어 하나만 들고 해외로 떠나는 이해할 수 없는 행동을 하게 되었습니다.

노트북 한 대만으로 시작하는 제로(Zero)에서의 재출발.

해외에서 저렴한 숙소에 머물며 AI에게 이것저것 상담을 했습니다.

저의 성격이나 전제 조건들을 컨텍스트 (Context)로 전달했지만, 미묘하게 어긋난 일반론뿐이었습니다.

"이게 아닌데"라는 생각에 낙담했고, 오히려 움직일 수 없게 되었습니다.

그래서 서두에서 언급한 것처럼 자신의 가치관이나 목표 등을 각각의 레이어 (Layer)로 나누어 전달함으로써 더 좋은 조언을 얻을 수 있지 않을까? 라고 생각했습니다.

그 결과, 이전처럼 개별적으로 채팅에 전달하는 것보다 MCP를 통해 더 좋은 결과를 얻을 수 있었기에, 오픈 소스 소프트웨어 (OSS)로 공개하기로 했습니다.

긴 글을 끝까지 읽어주셔서 감사합니다.

우치다 유마 (打田裕馬)

데모는 이쪽에서

(설치 불필요)

먼저 바로 시도해 볼 수 있는 데모 버전으로 대화를 나누어 보세요.

→ personal-context-demo.fly.dev

소스 코드는 이쪽에서

장기적으로 데이터를 남기고 싶다면 OSS 버전을 사용해 주세요.

GitHub는 이쪽 (OSS) → github.com/uchidayuma/personal_context

Discussion