LLM wiki랑 RAG랑 뭐가 다른건지 알려드려요. 옵시디언+클로드 코드 조합은 필수입니다. (브레인 트리니티 브라이언님)

한 줄 핵심

LLM wiki는 단순한 RAG가 아니라, 개인의 맥락과 목적을 반영해 자료를 구조화·인덱싱하고 AI가 다시 활용할 수 있게 만드는 지식 운영 방식이며, 이를 위해 Obsidian과 Claude Code 같은 도구로 기록·회고·연결을 자동화하는 것이 핵심이다.

시간별 요약

1. 0:00
   기록은 단순 저장이 아니라 시간 여행처럼 과거의 경험을 다시 활용하게 해 주는 자산이며, AI 시대에는 나를 설명할 수 있는 데이터가 곧 대답의 품질을 결정한다. 그래서 아무리 소소한 메모라도 나의 맥락을 담아 쌓아두는 일이 중요하다.
2. 6:01
   LLM wiki는 웹 문서나 파일을 AI가 읽기 쉬운 형태로 넣고, 개념과 엔티티를 연결해 재활용하는 지식 베이스다. 핵심은 단순 변환이 아니라, 자료를 소화시키고 목차·연결·검색 구조까지 함께 만드는 인제스트 과정에 있다.
3. 12:00
   RAG는 새 문서가 들어올 때마다 전체를 다시 인덱싱하는 비용이 크지만, LLM wiki는 새 문서만 업데이트하면 되어 더 정제된 맥락을 유지하기 쉽다. 특히 사람이 읽을 수 있는 마크다운 문서로 남기기 때문에 AI뿐 아니라 사람에게도 더 유용하다.
4. 15:01
   개인 지식 관리가 실패하는 이유는 목적 없이 모으기만 하거나, 자신만의 구조와 온톨로지를 만들지 못하기 때문이다. 결국 중요한 것은 ‘무엇을 위해 이 지식을 넣는가’와 ‘어떤 방식으로 다시 꺼내 쓸 것인가’를 먼저 정하는 일이다.
5. 17:01
   기록 시스템은 의도, 실행, 현실, 해석, AI 로그처럼 층위별로 나뉘며, 하루의 계획부터 24시간 녹음·화면 기록·회의 메모까지 하나의 흐름으로 연결된다. 이렇게 쌓인 데이터는 회고에서 서사로 재구성되고, 분기·월·연 단위로 자신의 변화와 선택을 돌아보게 만든다.
6. 41:02
   가장 실용적인 출발점은 과거 기록을 모아 ‘나는 누구인지’를 AI가 이해할 수 있는 문서로 정리하는 것이다. 그다음에는 그 문서를 바탕으로 무엇을 만들고 싶은지까지 연결해야 LLM wiki가 지식의 무덤이 아니라 실제로 작동하는 개인 지식 시스템이 된다.

실무 인사이트

• LLM wiki를 만들 때는 자료 수집보다 먼저 ‘이 지식을 언제, 어떤 결정에 쓰려는가’를 적어두면 인덱싱 품질이 크게 좋아진다.
• Obsidian, Claude Code, MCP, 녹음·화면 로그를 연결하면 기록이 회고용 데이터가 아니라 검색·재활용 가능한 자산으로 바뀐다.
• RAG를 그대로 흉내 내기보다, 사람도 읽고 AI도 읽는 마크다운 기반 지식 그래프를 만드는 편이 개인·조직 모두에 더 실용적이다.