카파시의 LLM 위키 패턴으로 구축하는 지식베이스

핵심

• 전통적 RAG는 매 질의마다 지식을 새로 조합하지만, LLM 위키는 사전에 정리된 마크다운 페이지에 지식을 영구 축적한다.
• 아키텍처는 원본 소스(읽기 전용), 위키(LLM이 소유하는 마크다운), 스키마(CLAUDE.md 규칙) 3계층으로 구성된다.
• 핵심 워크플로는 데이터 수집(Ingest), 지식 질의 및 역색인(Query), 위키 상태 점검(Lint) 3가지다.
• 사람은 자료 수집과 질문·방향성 설정에 집중하고, 문서 요약·상호 링크·서식 관리는 에이전트가 처리한다.
• Claude Code를 이용해 트레이딩 녹취록으로부터 시장 구조, 유동성, 리스크 관리 등 21개 개념 페이지를 자동 생성했다.
• 위키에 없는 질문이 들어오면 외부 웹 검색으로 조사한 뒤 새 개념 페이지로 자동 기록해 지식베이스를 확장한다.
• 로컬 마크다운 파일 기반이므로 Obsidian을 뷰어로 활용하고 임의의 LLM 모델로 손쉽게 교체할 수 있다.

챕터

1. 0:00카파시의 LLM 지식베이스 트윗 분석 (새 탭에서 열림)
2. 0:50전통적 RAG의 한계와 위키 패턴 (새 탭에서 열림)
3. 2:31LLM 위키의 3계층 아키텍처 (새 탭에서 열림)
4. 3:46수집·질의·점검 3가지 핵심 워크플로 (새 탭에서 열림)
5. 5:39인간과 LLM 에이전트의 역할 분담 (새 탭에서 열림)
6. 6:30로컬 마크다운 기반 방식이 유리한 이유 (새 탭에서 열림)
7. 8:30트레이딩 지식베이스 디렉터리 설계 (새 탭에서 열림)
8. 10:07Claude Code 계획 모드와 스키마 생성 (새 탭에서 열림)
9. 11:30녹취록 수집과 개념 페이지 자동 생성 (새 탭에서 열림)
10. 12:11Obsidian을 통한 위키 문서 확인 (새 탭에서 열림)
11. 13:08질의 처리와 웹 검색을 통한 지식 확장 (새 탭에서 열림)