VIDEO NOTE
Obsidian과 Claude Code로 개인 LLM Wiki 구축하기
Nate Herk | AI Automation · 17분 · 중급 · 26. 10. 13. · 분야별 AX 사례 › 지식관리·리서치
YouTube 에서 보기 · Nate Herk | AI Automation (새 탭에서 열림)Andrej Karpathy가 제안한 LLM Knowledge Base 아이디어를 바탕으로, Claude Code와 Obsidian을 결합해 개인 지식 위키를 만드는 방법을 안내한다. 벡터 DB나 복잡한 RAG 인프라 대신 마크다운 파일과 백링크 구조를 활용하여 문서 간 관계를 명시적으로 파악하고 토큰 소모를 줄인다. 실제 웹 문서를 수집해 20여 개 이상의 연결된 위키 문서로 자동 분할 및 색인하는 전 과정을 시연한다.
핵심
- Andrej Karpathy의 LLM Wiki 아이디어는 마크다운 파일 기반 폴더 구조를 에이전트가 관리하는 방식이다.
- 복잡한 벡터 DB나 임베딩 파이프라인 없이 raw 폴더, wiki 폴더, CLAUDE.md 규칙만으로 지식 체계를 구현한다.
- Obsidian Web Clipper 확장으로 웹 문서를 수집하고 Claude Code에 수집(ingest) 명령을 내려 자동으로 색인과 연결 문서를 생성한다.
- 한 X 사용자는 383개 파일과 130개 회의록을 위키로 정리해 Claude 질의 시 토큰 사용량을 약 95% 절감했다.
- 규모가 수백 페이지 수준인 개인 지식베이스에서는 유사도 기반의 전통적 RAG보다 구조화된 마크다운 위키 방식이 맥락 파악에 유리하다.
RAISE LAB 에서 배우는 사람에게
복잡한 벡터 DB 없이도 CLAUDE.md와 마크다운 파일 구조만으로 실무 에이전트용 지속 기억 체계를 손쉽게 구축할 수 있음을 보여준다.
챕터
- 0:00개인 지식 시스템 그래프 뷰 소개 (새 탭에서 열림)
- 1:41Andrej Karpathy의 LLM Wiki 개념 (새 탭에서 열림)
- 3:16LLM Wiki가 주목받는 이유와 파일 구조 (새 탭에서 열림)
- 6:00Obsidian 볼트 생성 및 설정 (새 탭에서 열림)
- 7:10Claude Code에 스키마 및 규칙 전달 (새 탭에서 열림)
- 8:35웹 문서 수집 및 위키 자동 생성 실습 (새 탭에서 열림)
- 11:16생성된 지식 그래프 확인 및 링크 탐색 (새 탭에서 열림)
- 13:35비서 에이전트 연동과 Hot Cache 활용법 (새 탭에서 열림)
- 15:31LLM Wiki와 전통적 RAG 비교 (새 탭에서 열림)
이 노트는 RAISE LAB 운영팀이 고른 영상을 AI(Gemini)가 보고 한국어로 정리한 것입니다. 영상의 저작권은 원작자에게 있고, 자막·대본은 싣지 않습니다. Nate Herk | AI Automation 원작자 채널 (새 탭에서 열림)