Gray's DataHub

Obsidian-Claude-Code-Markdown-Git-LLM-Wiki-Stack

5 min read

메타데이터

요약

LLM의 근본적 문제인 세션 무상태(stateless) 를 해결하기 위한 4가지 도구 조합 제안. Obsidian의 로컬 Markdown vault + Claude Code의 에이전틱 파일 편집 + Git의 버전 관리를 결합해 “사용할수록 스마트해지는” 영속적 AI 지식 기반을 구축하는 방법론.

주요 내용

핵심 문제 정의

모든 LLM은 설계상 무상태(stateless) — 세션 종료 시 컨텍스트 윈도우 소멸. Andrej Karpathy가 지적한 AI의 핵심 병목: 장기 기억 부재.

해법으로 제시된 개념: LLM Wiki — AI가 세션을 넘어 읽고, 업데이트하고, 추론할 수 있는 영속적·구조화된 지식 기반.

처리 흐름

원본 자료 → Markdown → AI 컴파일 → 영속 Wiki

각 도구의 역할

도구역할
Obsidian로컬 퍼스트 Markdown vault — [[링크]] 그래프로 지식 연결
Claude CodeAI 컴파일러 — vault 전체 읽기/쓰기 가능한 에이전트
Markdown범용 포맷 — LLM이 완벽 파싱, 의미 손실 없음
Git기억의 뼈대 — 커밋이 AI 작업 이력, 브랜치로 비파괴 실험

RAG vs LLM Wiki

항목RAGLLM Wiki
지식 진화정적동적 (AI가 능동 업데이트)
구조플랫 임베딩[[링크]] 그래프
장기 가치문서 수에 비례연결 밀도에 비례
AI 역할수동 검색자능동 컴파일러·큐레이터

권장 폴더 구조

vault/
├── inbox/      ← 미처리 원본 투입구
├── concepts/   ← 정제된 개념 노트
├── projects/   ← 프로젝트 문서
└── sources/    ← 외부 자료

CLAUDE.md 핵심 규칙 (예시)

- 새 파일 전에 기존 파일 먼저 확인
- 관련 개념에 [[링크]] 추가
- 파일당 하나의 개념 (원자적 노트)
- 각 업데이트 후 설명적 커밋 메시지
- 횡단 주제에 #태그 사용

핵심 인사이트

  1. 모든 채팅 세션은 0으로 초기화, 모든 Wiki 세션은 이전 위에 쌓임

    • 이 격차가 복리로 증가 — 장기적으로 완전히 다른 도구가 됨

  2. Claude Code는 챗봇이 아닌 에이전트

    • 파일 시스템에서 직접 작동 — 전체 vault 읽기, 기존 노트 업데이트, 링크 추가, 교차 참조 생성

  3. 컨텍스트 윈도우 확장 + 에이전틱 AI 성숙 = 이 스택의 가치 증가

    • 기본에 베팅 (평문 텍스트, 오픈 포맷, 버전 컨트롤, 로컬 퍼스트) → 시대에 뒤떨어지지 않음

인용 및 메모

“정적 노트 → 내가 검색합니다 / LLM Wiki → Claude가 읽고, 링크하고, 업데이트하고, 추론합니다”

현재 vault는 이 개념을 이미 구현하고 있음. 다만 아티클의 단순한 구조보다 훨씬 정교화된 형태 (entities/topics/comparisons + ingest/query/lint 워크플로우).

“wiki는 단순히 성장하는 게 아니라 밀도가 높아집니다”

교차 참조 링크 수가 곧 지식의 질 — lint wiki로 정기 점검하는 이유.

관련 노트

  • LLM-Wiki-Stack - 이 아티클 기반 Wiki 정리
  • CLAUDE.md - 현재 vault의 Claude Code 가이드 (이 아티클 벤치마킹 결과)

액션 아이템

  • CLAUDE.md vault 루트에 생성 (Claude Code 자동 감지)
  • vault-commit.bat 생성 (Quartz 배포와 분리된 vault git 이력)
  • 주 1회 lint wiki 실행 습관화
  • Sources/ 폴더 아티클 추가 정례화

obsidian claude-code llm knowledge-management git

그래프 뷰

백링크