옵시디언을 쓰는 사람이라면 누구나 한 번쯤 비슷한 갈증을 느낍니다. 자료는 계속 쌓이는데, 결국 정리와 연결은 내가 직접 해야 하고, 조금만 손을 놓으면 과거 정보는 다시 흩어집니다. 이번 영상이 흥미로운 이유는 바로 이 지점을 LLM Wiki 로 뒤집기 때문입니다. 기존 PKM이 사람이 수동으로 지식을 관리하는 구조라면, 여기서는 사람이 구조만 잡아 두고 실제 문서 생성과 갱신은 LLM이 맡습니다. YouTube 영상

특히 이 영상은 카파시의 LLM Wiki 철학을 단순 소개에서 끝내지 않고, 옵시디언 안에서 국내 주식 분석용 위키로 실제 구현합니다. Raw 폴더에 뉴스와 유튜브를 쌓고, Wiki 폴더에 종목·섹터·테마 문서를 자동 생성하고, Claude.md 에 규칙을 적어 둔 뒤 ingest 명령으로 새 자료를 흡수하게 만드는 구조입니다. 즉 이건 “지식 저장소”가 아니라, 수집된 정보를 계속 살아 있는 위키로 갱신하는 루프 입니다. YouTube 영상

Sources

1. LLM Wiki가 기존 PKM과 다른 점: 사람이 관리자가 아니라 설계자가 된다

영상은 기존 개인 지식 관리 시스템과 LLM Wiki의 차이를 아주 선명하게 설명합니다. 기존 PKM에서는 사람이 직접:

  • 자료를 정리하고
  • 어디에 넣을지 판단하고
  • 링크를 만들고
  • 관련 문서를 연결해야 합니다

반면 LLM Wiki에서는 사람이 하는 일은:

  • 구조를 세팅하고
  • 규칙을 적어 두고
  • 원본 자료를 넣는 것

에 더 가깝습니다. 그리고 실제 문서 생성과 관리, 연결은 LLM이 맡습니다. YouTube 영상

즉 핵심 차이는 생산성보다 역할입니다. 사람은 더 이상 모든 노트를 손으로 정리하는 사람이 아니라, 위키가 어떻게 굴러갈지를 설계하는 사람 이 됩니다.

2. 가장 중요한 구조는 Raw → Wiki → Claude.md의 3계층이다

영상은 카파시식 LLM Wiki의 핵심 구조를 세 계층으로 설명합니다.

  • raw 폴더: 원본 소스 저장
  • wiki 폴더: LLM이 생성·갱신한 위키 문서
  • Claude.md: 작동 규칙과 워크플로우

이 구조는 매우 중요합니다. YouTube 영상

왜냐하면 많은 사람이 AI 지식 관리 도구를 만들 때, 원본과 정리본과 규칙을 한데 섞어 둡니다. 그러면 결국:

  • 무엇이 원자료인지
  • 무엇이 LLM이 요약한 것인지
  • 어떤 규칙으로 정리된 것인지

가 흐려집니다.

하지만 이 구조에서는 역할이 분명합니다.

  • Raw는 절대 원본
  • Wiki는 가공된 위키
  • Claude.md는 운영 규칙

즉 이 3계층은 단순 폴더 분리가 아니라, 정보의 상태를 분리하는 구조 입니다.

flowchart LR
    A["Raw 폴더"] --> B["Claude Code / LLM ingest"]
    C["Claude.md 규칙"] --> B
    B --> D["Wiki 폴더"]
    D --> E["종목 / 섹터 / 테마 문서"]
    D --> F["Index.md / Log.md"]

3. Raw 폴더는 그냥 스크랩 창고가 아니라 위키의 유일한 원천이다

영상에서는 경제 뉴스와 유튜브 뉴스를 옵시디언 웹 클리퍼로 raw 폴더에 계속 쌓는 모습을 보여 줍니다. YouTube 영상

이 점이 핵심입니다. LLM Wiki는 자체적으로 지식을 창작하는 게 아니라, 사람이 모은 원천 데이터에서만 위키를 자라게 하는 구조 입니다.

주식 분석 예시에서는:

  • 뉴스 기사
  • 유튜브 스크립트
  • 관심 있는 리서치 자료

등이 raw 폴더로 들어갑니다.

즉 raw 폴더는 “자료 보관소”가 아니라, 위키가 성장하는 유일한 공급망입니다. 이 구조를 가져가면 나중에 잘못된 정보가 들어왔을 때도, 어디서부터 들어왔는지 추적하기 쉬워집니다.

4. Wiki 폴더는 사람이 쓰는 메모장이 아니라 LLM이 생성하는 지식 지도다

영상에서 가장 인상적인 부분은 wiki 폴더를 열어 보는 장면입니다. 발표자는 자신이 손댄 적이 거의 없고, 종목/섹터/테마 문서들이 LLM의 판단으로 생성되었다고 설명합니다. YouTube 영상

예를 들어 특정 종목 페이지에는:

  • 요약 정보
  • 사업 개요
  • 재무 정보
  • 밸류에이션
  • 강세 이유 / 약세 이유
  • 관련 섹터와 테마

같은 구조가 자동으로 들어갑니다.

이게 중요한 이유는 단순 요약 때문이 아닙니다. 진짜 가치는 개별 문서가 서로 링크되며 위키처럼 자라난다 는 데 있습니다. 종목에서 섹터로, 섹터에서 테마로, 테마에서 매크로 이슈로 이어지는 흐름이 생기기 때문입니다.

즉 Wiki 폴더는 노트 모음이 아니라, 사람이 직접 만들기엔 너무 번거로운 관계형 투자 지식 지도 에 가깝습니다.

5. ingest 명령이 하는 일: 새 자료를 읽고, 기존 위키를 판단해 갱신한다

영상의 실전 루프는 굉장히 단순합니다.

  1. Raw 폴더에 새 소스를 넣는다
  2. Claude Code에서 ingest 를 실행한다
  3. LLM이 새 종목이 필요한지, 기존 섹터/테마를 업데이트할지 판단한다
  4. 사용자 승인 후 문서를 생성/갱신한다

이 구조가 핵심입니다. YouTube 영상

즉 LLM은 단순 요약기가 아니라:

  • 새 종목 문서를 만들어야 하는지
  • 기존 섹터 문서를 갱신해야 하는지
  • 새로운 테마가 필요한지
  • 기존 구조 안에 어디를 업데이트해야 하는지

를 결정합니다.

이게 바로 “위키”다운 점입니다. 단순한 메모 자동화가 아니라, 기존 지식 구조를 기준으로 새 정보를 어디에 흡수할지 판단하는 시스템 이기 때문입니다.

6. Claude.md 는 규칙 파일이자 위키 헌법이다

영상에서 Claude.md 는 단순한 프롬프트 저장소가 아닙니다. 발표자는 이것을 LLM Wiki의 기본 규칙과 워크플로우를 적어 둔 문서라고 설명합니다. 그리고 이 파일을 계속 업데이트하면 위키가 점점 더 자신이 원하는 포맷으로 작동한다고 말합니다. YouTube 영상

즉 Claude.md 의 역할은:

  • Raw를 어떻게 읽을지
  • Wiki 문서를 어떤 형태로 만들지
  • 어떤 메타데이터를 포함할지
  • 어떤 링크를 생성할지
  • 어떤 작업은 금지할지

를 정하는 것입니다.

이 말은 곧 LLM Wiki의 품질이 결국 모델 자체보다도, Claude.md에 어떤 운영 원칙을 심어 두느냐 에 달려 있다는 뜻이기도 합니다.

7. Index와 Log가 중요한 이유: 검색 비용과 변화 추적 비용을 줄여 준다

영상은 3계층 외에도 index.md 와 log.md 를 추가로 설명합니다. YouTube 영상

7-1. index.md

전체 문서의 인덱스 역할을 합니다. 나중에 질문할 때 LLM이 모든 페이지를 무작정 뒤지는 대신, 먼저 인덱스에서 어떤 문서가 있는지 보고 찾아가게 만듭니다.

즉 이 파일은:

  • 토큰 절감
  • 탐색 속도 개선
  • 위키의 전체 지도 제공

효과를 가집니다.

7-2. log.md

LLM이 그동안 어떤 작업을 했는지 기록합니다.

  • 어떤 문서가 생성됐는지
  • 어떤 문서가 업데이트됐는지
  • 어떤 정보가 새로 들어왔는지

를 남깁니다.

이건 단순 이력 관리가 아닙니다. 사람이 나중에 “이 위키가 왜 이렇게 바뀌었지?”를 추적할 수 있게 해 주는 감사 로그 역할을 합니다.

8. 질의는 수정 요청보다 더 중요하다

영상 후반에서 발표자는 사람의 역할을 다시 한 번 강조합니다. 사람이 해야 할 일은 문서를 직접 관리하는 것이 아니라:

  • 자료를 수집하고
  • ingest를 돌리고
  • 위키에 질문하는 것

이라고 설명합니다. YouTube 영상

예를 들어:

  • “삼성전자 지금 투자해도 될까?”
  • “효성중공업 경쟁사를 같이 참고해서 업데이트해 줄래?”

같은 질의를 던집니다.

여기서 중요한 점은, 두 번째 질문은 raw 데이터 없이 임의로 지식 추가를 허용하지 않도록 제한해 두었다는 것입니다. 즉 이 위키는 인터넷처럼 무한 생성되는 게 아니라, raw 폴더에 들어온 자료를 기반으로만 성장하는 폐쇄형 지식 시스템 에 가깝습니다.

9. 이 구조가 왜 주식 분석에 특히 잘 맞는가

주식 분석은 본질적으로:

  • 종목
  • 섹터
  • 테마
  • 매크로
  • 뉴스 이벤트

가 계속 얽히며 변하는 문제입니다. 사람이 이걸 일일이 손으로 연결하려면 시간이 너무 많이 듭니다.

LLM Wiki 방식은 여기서 강점이 있습니다.

  • 새 뉴스가 들어오면
  • 어느 종목과 섹터에 연결되는지 판단하고
  • 새로운 테마가 필요하면 만들고
  • 기존 문서를 갱신하고
  • 다시 질의 가능한 구조로 유지합니다

즉 이 구조는 금융 RAG라기보다, 금융 위키를 계속 자가 성장시키는 방식 에 더 가깝습니다.

flowchart TD
    A["뉴스 / 유튜브 / 리서치 수집"] --> B["Raw 폴더"]
    B --> C["ingest 명령"]
    C --> D["종목 문서 생성 / 갱신"]
    C --> E["섹터 / 테마 / 매크로 문서 연결"]
    D --> F["Index / Log 갱신"]
    E --> F
    F --> G["질의: 지금 투자해도 될까?"]

실전 적용 포인트

이 구조를 그대로 따라 하지 않더라도, LLM Wiki를 만들 때는 아래 원칙만 가져가도 효과가 큽니다.

  1. 원본과 요약본을 같은 폴더에 섞지 않는다
  2. 규칙 파일(Claude.md)을 먼저 만든다
  3. 새 자료는 raw에만 쌓는다
  4. ingest 단계에서만 wiki를 갱신한다
  5. index와 log를 두어 토큰 비용과 변경 추적 비용을 줄인다

즉 핵심은 더 많은 정보를 넣는 것이 아니라, 정보가 위키로 자라는 경로를 고정하는 것 입니다.

핵심 요약

  • LLM Wiki는 사람이 직접 노트를 관리하는 PKM과 달리, 구조만 사람이 정하고 실제 문서 관리는 LLM이 맡는 방식이다.
  • 핵심 구조는 raw / wiki / Claude.md 의 3계층이다.
  • raw 는 원본 소스, wiki 는 LLM이 생성한 문서, Claude.md 는 운영 규칙이다.
  • ingest 명령이 새 자료를 읽고 기존 위키 구조를 판단해 생성/갱신을 수행한다.
  • index.md 와 log.md 는 탐색 비용과 추적 비용을 낮춘다.
  • 주식 분석처럼 종목·섹터·테마·매크로가 얽힌 분야에서 특히 강력하다.

결론

옵시디언으로 만드는 LLM Wiki의 진짜 강점은 “질문에 대답해 주는 AI”가 아니라, 내가 수집한 자료를 계속 연결된 위키로 성장시키는 AI 라는 점입니다. 사람이 하는 일은 점점 줄어듭니다. 자료를 모으고, 규칙을 적고, ingest를 돌리고, 그 위키에 질문하면 됩니다.

그래서 이 방식은 단순한 RAG 세팅보다 더 매력적입니다. 지식을 가져오는 데서 끝나는 것이 아니라, 지식 자체가 계속 구조화되고 연결되고 업데이트되기 때문입니다. 특히 주식 분석처럼 변화가 빠르고 연결이 중요한 영역에서는, 이 방식이 생각보다 강력한 개인 분석 환경이 될 수 있습니다.