Obsidian의 메모가 저절로 기사가 된다 ── 제2의 뇌 발신 파이프라인을 AI로 만든 이야기
요약
이 글은 Obsidian에 휘갈겨 쓴 메모(Raw Note)를 AI가 자동으로 정리하고, 이를 다국어의 인터랙티브한 웹 기사로 변환하여 정적 호스팅 환경에 배포하는 자동화 파이프라인 구축 과정을 설명합니다. 사용자는 단순히 아이디어를 기록하는 것만으로도 지식 기반을 확장하고 고품질 콘텐츠를 생성할 수 있게 됩니다. 핵심은 LLM Wiki 개념(Karpathy 방식)을 적용하여 메모를 체계적인 위키로 발전시키고, AI가 이 구조화된 데이터를 바탕으로 HTML 기사 및 다국어 버전을 자동으로 생성하는 데 있습니다.
핵심 포인트
- Obsidian의 휘갈겨 쓴 메모를 원본 데이터로 활용하여 AI 기반 지식 위키(LLM Wiki)를 구축할 수 있다.
- AI는 단순히 요약하는 것을 넘어, 노드를 추가하고 MOC(Map of Contents)를 생성하며 모순을 검출하는 등 능동적인 역할을 수행한다.
- 최종 결과물은 Markdown이 아닌 SVG/애니메이션 등이 포함된 인터랙티브 HTML 형태로 제작되어 가독성과 전문성을 높인다.
- AI가 다국어 콘텐츠를 생성할 때, 단순 번역이 아닌 해당 언어 문화에 맞는 자연스러운 기사 재구성이 가능하다.
- 전체 파이프라인은 AI 구동 배포(AI-driven deployment)까지 자동화하여 사용자의 인지 부하를 최소화한다.
Obsidian의 메모가 저절로 기사가 된다.
매일 Obsidian의 daily/에 휘갈겨 쓰는 것만으로, AI가 배후에서 wiki로서 정리하고, HTML 기사를 ja / en로 써내며, 정적 호스트에 배포해 준다. ── 그런 메커니즘을 만들었기에 그 개요를 정리한다.
구현 상세 · SVG 도해 · 인터랙티브 HTML이 포함된 풀 버전은 개인 사이트에 있다:
👉 https://okikusan-public.pages.dev/obsidian-llm-wiki-html-deploy
블로그를 쓰려고 하면 다음과 같은 패턴에 빠지곤 했다.
- 소재를 떠올린다
- 쓰고 싶은 마음이 생기기를 기다린다
- 쓰기 시작한다 → 막힌다 → 미뤄둔다
- 결국 공개하지 않는다
「쓰려는 의식」을 갖는 순간 허들이 높아져 아무것도 나오지 않는다. 반면 Obsidian에는 태그도 달지 않고, 링크도 걸지 않고, 정제도 하지 않은, 모순투성이의 휘갈겨 쓴 메모가 매일 쌓여간다.
이 잡다한 메모로부터, AI에게 직접 기사를 쓰게 할 수는 없을까?
| Phase | 담당 | 내용 |
|---|---|---|
| 1. Obsidian | 인간 | daily/<YYYY>/<YYYYMMDD>/*.md에 러프 메모를 휘갈겨 씀 |
| 2. LLM Wiki | AI | Claude Code가 배후에서 wiki로서 정리 (Karpathy 방식) |
| 3. HTML × Lang | AI | HTML 기사를 ja / en로 병렬 생성 |
| 4. Deploy | AI | CLI / MCP로 정적 호스트에 배포 |
인간이 만지는 것은 "① 휘갈겨 쓰기"와 "② 최종적으로 읽기"의 2점뿐이다. 중간 3개 공정은 AI가 돌린다.
Andrej Karpathy가 제창한 LLM Wiki를 vault 내에 그대로 구현.
Raw 층: daily/<YYYY>/<YYYYMMDD>/*.md
── 인간이 휘갈겨 쓰며, AI는 건드리지 않음 -
Wiki 층: knowledge/*.md
── AI가 키워나가는, INDEX + 테마별 MOC -
Schema 층: CLAUDE.md
── AI의 행동 규범, 룰북
그리고 3가지 핵심 조작:
Ingest: 새로운 노드를 읽고 MOC에 추가 -
Query: INDEX → MOC → 실체 노트로, 인용과 함께 답변 -
Lint: 모순 · 고립 · 누락된 링크를 검출
CLAUDE.md에 이 3가지 조작을 적어두면, Claude Code가 상시 참조하며 wiki를 키워나간다.
같은 테마로 다른 날짜의 다른 노트가 나와도, 통합하거나 삭제하지 않는다. 지식의 변화로서 둘 다 남겨두고, 각 MOC의 「날짜별 노드」에 추가한다. Karpathy 방식은 복리로 축적되는 것을 가장 중요하게 여기는 패러다임이다.
Anthropic Claude Code 팀의 Thariq Shihipar 씨도 썼듯이, AI 에이전트의 출력이 대규모화(1,000행 초과)되면 Markdown의 장문 벽이 심각해진다. 100행을 넘으면 거의 읽히지 않는다.
Markdown은 AI가 읽는 자료, HTML은 인간이 읽는 자료 ── 라는 구분(棲み分け)이 진행되고 있다.
출처: Thariq Shihipar — The Unreasonable Effectiveness of HTML
그래서 자체 HTML 측에서는,
- SVG / 애니메이션 / 인터랙티브한 도표
- 단계별 표시 · hover · zoom
- 그래프 구조의 시각화
- AI Playground 임베딩
을 전부 집어넣는다. Zenn / Qiita는 입구, 자체 HTML은 본체라는 이단 구조.
AI에게 HTML을 쓰게 하는 메커니즘을 구축한 순간, 다국어화는 무료 부산물이 되었다.
동일한 Markdown 소스로부터, AI에게 "영어권 사용자를 위해 en.html을 써라"라고 명령하면, 기계 번역이 아니라 영어로서 자연스러운 기사로 재구성된다. 토픽 순서, 예시, 비유까지 언어 문화에 맞춰 교체된다.
구현은 Cloudflare Pages에 신규 구축했다.
- JA / EN × 3 페이지 (index / articles / 기사)
- 4종의 OG 이미지 (PNG, 1200×630)
sitemap.xml
- JSON-LD 구조화 데이터 (BlogPosting / WebSite / BreadcrumbList) -
wrangler pages deploy
한 번에 운영 환경 반영
package.json
:
{
"scripts": {
"deploy": "npx --yes wrangler@latest pages deploy external-cloudflare --project-name okikusan-public",
...
AI에게 npm run deploy를 실행하게 하는 것만으로 운영 환경에 반영되므로, AI 구동 배포 (AI-driven deployment)와 궁합이 좋다. Netlify / GitHub Pages / Vercel / S3 + CloudFront에서도 동일한 작업을 할 수 있으므로, 취향에 따라 선택해도 문제없다.
| 구분 | 기존 | 신규 |
|---|---|---|
| 쓰는 방식 | 인간이 기사를 씀 | AI가 Artifact를 생성 |
| ... | ... | ... |
쓰는 수고를 제로에 가깝게 줄이고, 결과물을 최대화한다. 그것이 「Obsidian의 메모가 저절로 기사가 된다」의 핵심 내용이다.
「블로그를 쓰는」 워크플로가 아니라, 자신의 사고 그 자체를 AI가 매일 계속해서 정갈하게 정리해 주는 상태. 쓰는 쪽의 인지 부하 (Cognitive load)는 거의 제로이며, 나오는 결과물은 HTML / 다국어 / 인터랙티브 (Interactive) 형태다.
노트를 쓰는 것 = 발신, 이 된다.
구현 상세 · SVG 도해 · 인터랙티브 HTML 포함 풀 버전:
👉 Obsidian → LLM Wiki → HTML → AI Deploy (자체 제작 HTML 버전)
EN 버전: English version
- Andrej Karpathy — LLM Wiki Gist
- Thariq Shihipar (Anthropic) — The Unreasonable Effectiveness of HTML
작성자: @okikusan_public / GitHub
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기