옵시디언 1,400개 녹음과 1만개 노트를 AI로 굴리는 방법 (커맨드스페이스 구요한)

옵시디언을 AI 시대에 가장 강력하게 쓰는 방법은 마크다운의 범용성과 로컬 데이터 소유다. 1만 개가 넘는 노트와 1년 넘게 쌓은 1,400개 클로드 노트 전사본을 하나의 볼트에 담아, 사람을 위한 설계 문서를 그대로 인공지능을 위한 설명서로 승격시키면 클로드 코드 같은 에이전트가 지식 체계 전체를 읽고 운영할 수 있게 된다. 핵심은 세 가지다. 메타데이터와 폴더·태그 설계를 미리 해둘 것, 지식을 RAG가 아니라 컴파일형 위키로 쌓을 것, 그리고 에이전트에게 모든 지식을 담으려 하지 말고 어디 가면 무엇을 알 수 있는지의 경로만 담을 것.

핵심 요약

옵시디언을 선택한 이유는 마크다운이라는 범용 포맷과 로컬 데이터 보유, 활성화된 서드파티 플러그인 생태계다. 마크다운은 클로드 코드 등장 이후 사실상 에이전트의 입력 포맷이 됐다.
헤드쿼터 문서(지식 목차 체계)와 메타데이터 가이드 문서 두 개가 처음엔 자기 자신을 위한 설명서였고, 지금은 인공지능을 위한 설명서로 쓰인다.
메인볼트와 LM 위키 볼트를 분리한 기준은 저자다. 메인볼트의 저자는 사람, LM 위키의 저자는 언어모델이며 사람은 관리 감독만 한다.
RAG는 정확한 주소에서 내용을 가져오는 방식이지만, 컴파일형 위키는 아티클을 읽을 때마다 개념을 세부 위키 카드로 쪼개 연결하고, 질의 결과까지 위키 데이터베이스로 쌓는다.
에이전트 설계의 목적은 위임이 아니라 라우팅이다. 어머니의 김치찌개 레시피가 볼트에 없듯, 어디 가면 무엇을 알 수 있는지의 힌트만 담는 구조다.

상세 정리

옵시디언을 고른 이유

교육공학 박사 출신으로 커맨드스페이스를 운영하며 대학에서 AI를 가르치는 구요한은 2022년 5월 옵시디언을 처음 만났다. 노션은 제약이 많았고 Roam Research, Logseq 같은 도구들을 비교하던 중이었는데, 옵시디언을 만난 날로부터 2주 뒤에 바로 강의를 잡을 만큼 충격이 컸다. 선택의 세 축은 마크다운이라는 범용 파일 포맷, 로컬에 데이터가 남는 구조, 그리고 서드파티 플러그인 생태계가 활성화된 개발자 커뮤니티 문화였다. 특히 마크다운은 어떤 운영체제에서도 열리고 어떤 뷰어로도 읽히는 범용 데이터라는 점에서 훗날 AI 에이전트 시대의 자산이 됐다. 돌아보면 자신은 수천 개의 파일을 사실상 메모리로 쓰고 있었던 셈이다.

두 개의 설계 문서: 사람을 위한 설명서가 AI를 위한 설명서로

지식 관리 시스템의 체계를 스스로 이해하고 있는지가 가장 중요하다는 것이 이 대화의 출발점이다. 그 증거가 두 개의 문서다. 하나는 헤드쿼터라 부르는 지식 목차 체계로, 연구자 관점에서 1장부터 5장 같은 형태로 자기가 담당하는 지식 영역과 만들고 싶은 것을 정리해 뒀다. 뒤쪽에는 900번대에 페르소나들도 들어 있다. 다른 하나는 메타데이터 가이드로, 필수 메타데이터, 날짜 필드의 ISO 표기, 평점 같은 필드의 예시를 미리 적어 둔 문서다. 이 문서들은 처음엔 자기 자신을 위한 설명서였고, 이후 강의용 설명서였고, 지금은 인공지능을 위한 설명서가 됐다. 사람이 참조하던 문서를 AI가 참조하는 구조로 전환한 것이다.

설계의 원리는 들어오는 경로를 열어 두는 것이다. 아날로그 수첩의 한 페이지는 앞뒤 35페이지, 37페이지와만 연결되지만, 디지털 시스템에서는 명시만 하면 노트 종류, 폴더, 태그 등 어떤 경로로든 들어올 수 있다. 조시라는 사람을 기억할 때 그의 스레드 계정이 떠오를 수도 있고, 함께한 식사 자리가 떠오를 수도 있듯이, 메타데이터 영역별로 지식에 오는 경로를 여러 개 설계하는 것이 옵시디언의 최대 장점이라는 판단이다. 재즈 곡을 검색할 때 접두어와 접미어로 자기 곡반이 바로 검색되는 예시도 이 경로 설계의 결과물이다.

이 시스템 파일들, 즉 클로드 MD, 에이전트 MD, 목차 파일, 사람을 위한 문서와 AI를 위한 문서 전체와 설계 원리는 공개돼 있다. 처음 쓰는 사람은 이 시스템 볼트를 경로로 참조해 자기 버전으로 변형해 쓰는 방식이 권고된다.

왜 정리가 중요한가: 놀 수 있는 토대

맥을 쓰는 이유가 파일 검색이 빨라서라고 한다면, 정리된 시스템의 진짜 가치는 그 위에서 마음껏 놀 수 있다는 점이다. 시스템 스키마를 자기가 이해하고 정한 하네스 위에서 돌아가게 만드는 것이 지식 관리의 핵심이라고 정리된다. 기록할 때 설레는 것부터 시작하라는 조언도 이어진다. 위스키를 좋아하면 위스키만 정리하는 것도 방법이고, 좋아하는 것을 담다 보면 인스타나 유튜브로 확장될 여지도 생긴다는 것.

메인볼트와 LM 위키의 분리: 저자가 다르다

볼트는 여러 개다. 메인볼트는 자신이 승인하고 지시한 작업이 주가 되는 볼트이고, LM 위키 볼트는 AI가 주도적으로 동작하고 사람이 관리 감독하는 볼트다. 구분 기준은 저자다. 메인볼트의 저자는 구요한이고, LM 위키의 저자는 언어모델이다. 메인볼트에는 자신이 눈 감고도 말할 수 있는 내용, 즉 자기가 즐거운 일과 지금 거리 안에 있는 지식(인터뷰 준비, 에이전틱 메모리 공부 등)이 담긴다. LM 위키는 자신이 아직 명확히 설명할 수 없지만 관심을 두고 함께 있는 지식들을 담는 위성 궤도이자, 수강생과 함께 쓰는 공동 볼트와 함께 자신을 배우고 확장시키는 사다리 역할을 한다. 자신의 데이터는 비공개지만 설계 스키마와 온보딩 스킬까지 포함한 설계 원리는 공개돼 있어, 그대로 받아 온보딩 질문에 답하며 시작할 수 있다.

RAG가 아니라 컴파일형 위키

로컬에 쌓인 방대한 파일을 RAG처럼 다뤄야 하는가라는 질문에 대한 답이 이 대화의 기술적 핵심이다. RAG는 벡터나 그래프 DB를 만들고 올리는 데 시간이 들고, 최신성 있는 지식이 자주 바뀌면 매번 재인덱싱이 필요하다. 규모가 큰 지식이나 출처가 명확한 것, 고객 응대 매뉴얼 같은 정해진 루틴에는 RAG가 여전히 탁월하지만, 사람들이 적응해 무언가를 설계하는 작업에는 한계가 있다.

그래서 선택한 구조가 컴파일형 위키다. 어떤 아티클을 읽으면 그 글이 포함하는 개념 A, B, C를 세부 위키 카드로 쪼개 보존하고, 다른 아티클에서 같은 개념 A가 나오면 두 곳을 링크로 연결한다. 업데이트된 지식이 유기적으로 반영되는 구조다. 질의와 그 결과물도 위키 데이터베이스로 쌓여서, 다음에 같은 주제를 물으면 지난주에 물었던 내용 위에 덧붙여 답할 수 있다. 이것이 가능해진 배경은 컨텍스트 윈도우의 확장과 모델 성능 상승이다. 프로그레시브 디스클로저 개념이 이 설계의 기반이다. 문서 본문 위의 메타데이터 영역은 빙산의 일각이지만, 그 일각만 읽고도 전체 빙산을 파악하고 어디로 라우팅할지 판단할 수 있게 해주는 정보라는 것.

그래서 메타데이터 설계가 결정적이다. 트윗만 가지고 위키를 만들어 달라고 하는 사람들의 위키는 메타데이터가 약하다. 타입, 디스크립션, 날짜, 태그, 주제, 관련 세션 링크 등을 설계에 넣어야 하고, 이 볼트는 심지어 응답 초안과 그 세션 링크까지 연결돼 있어 클릭하면 당시 작업 세션이 바로 열린다.

십진 분류와 자동 태깅

폴더와 문서 넘버링은 DDC(듀이 십진 분류법)를 응용했다. 앞자리 한 글자 뒤에 두 자리가 따라오는 구조로, 600번대에는 601부터 699까지, 900번대에는 901부터 999까지 배치된다. 숫자와 지식을 매칭해 두면 기억이 안 나도 901을 치면 케플러가 떠오르는 식이다. 0부터 9까지의 대분류가 만들어졌다.

설계가 엄밀했을 때는 잘 썼지만, 기존에 없던 것들을 확장해 만들다가 기억할 수 없을 만큼 많아지는 암흑기가 한 번 있었다. 그 병목을 지금은 에이전트가 해결한다. 인터뷰 질문지 같은 문서를 넣으면 701 유튜브 같은 태그를 자동으로 달아주고, 리서치 항목과 주제, 세션 링크를 붙이며, 예전에 썼던 관련 글(예: 기억을 믿지 마라, 시스템을 믿어라 같은 에세이)을 자동으로 연결해 준다. 에이전트가 902든 630이든 어느 분류에 속하는지 잘 지정하도록 세팅돼 있다.

최근 조사 작업은 ChatGPT 풀 울트라, 딥서치, 제미나이 딥리서치, 그록 헤비, 클로드 등 여섯 개 모델에 나눠 돌린다. 어떤 모델이 문서를 만들었는지도 기록해 두는데, 다시 읽고 검토하며 모델에게 피드백을 줘야 하므로 누가 만들었는지를 알아야 하기 때문이다.

플라드 노트와 전사 파이프라인

가장 많은 입력은 녹음 데이터의 전사본이다. 플라드 노트를 1년 넘게 써서 노트가 1,400개가 넘었고, 이것이 지식 관리의 데이터베이스 격으로 쓰인다. 고객 정보와 대화 이력을 매핑해 DB처럼 활용하기도 한다. 플라드 노트의 기본 기능은 폴더 분류 정도만 해줘서 아쉬워서, 직접 스위프트로 앱을 만들어 폴더 분류에 사용 여부 태그까지 붙이고, 메타데이터와 태그 분류용 로컬 DB에 세션 아이디만 매칭해 옵시디언과 연결했다. 전사는 위스퍼 모델로 하고, 엄밀한 경우에는 랩스로 한 번 더 중복 전사를 한다.

클로드 MD 우선순위와 가벼운 하네스

볼트 운영의 핵심 파일은 클로드 MD다. 각 시스템 문서의 읽는 우선순위를 정해 뒀고, 에이전트 MD는 그다음 문서다. 클로드 MD에는 @ 멘션 규칙에 대응하는 옵시디언의 노트 연결 방식 같은 안내 섹션도 있다. 클로드 MD가 길다는 의견이 많아 요즘은 경량화해서 참고 문서를 라우팅하는 방식으로 정리했고, 스킬 파일은 짧게 쓰고 참고 파일을 많이 열어 두는 구성이다. 코덱스를 쓰는 사람도 데이터를 재활용할 수 있게 에이전트 MD를 별도로 둔 이유도 여기에 있고, 토큰 이슈나 코덱스가 잘하는 일 때문에 도구를 나눠 쓰는 것도 반영했다.

옵시디언 편집 오류 관련 트러블슈팅 이력도 문서로 남겨 둔다. 본문 들여쓰기는 탭, 메타데이터 YAML 필드는 스페이스 두 개를 쓴다든지, 태그 필드에서 숫자 앞에 샵이 붙으면 태그 렌더링이 안 된다든지 같은 지식이 그것이다. 이 시스템 파일을 가져가면 옵시디언 편집 오류는 대부분 잡혀 있는 상태다.

요즘 모델 성능이 올라가며 하네스가 필요 없다는 주장이 나오지만, 이는 우매하게 만들려는 정책이 아닐까 하는 의심이 들고, 에이전트가 만든 문서를 되도록 많이 읽는 것이 원칙이다. 내버려 두지 않고, 읽기 쉽게 만들어 두고 취향과 오류를 피드백하는 사람이라는 것. 이 지점에서 하네스가 오히려 가벼워진다.

9요한: 아홉 개의 페르소나 에이전트

에이전트 체계는 9요한이라는 아홉 개 페르소나로 구성된다. 태플러, 괴테, 듀이, 바흐 같은 유명 인물들에서 이름을 따왔고, 전 세계 유명 요한 50명을 리뷰해 승인 목록에 아홉 명을 남겼다. 설계는 완성됐고, 어떤 페르소나는 어느 플랫폼에서 돌고 어떤 것은 클로드 코드로 직접 관리하게 할지 배치하는 단계다. 일부 페르소나는 팀 채널에 들어가 클로즈 모델로 서빙되는 등 하나씩 테스트 중이다. 완벽하게 동작하지는 않으며, 현재 대부분의 에이전트는 감사 작업을 담당하고 자신에게 의견을 주는 형식으로 쓰인다. 데일리 로그를 조금씩 읽어 보는 것이 일상이다.

에이전트의 주 설계 목적은 위임이 아니라 라우팅이다. 교육 관련은 여기, 글쓰기는 여기 물어보라는 경로를 담아 두고, 호출하면 담당 폴더의 커버리지를 보고 내용을 파악하게 한다. 이 설계를 설명하는 대표 비유가 어머니의 김치찌개다. 어머니의 김치찌개 레시피는 볼트에 없다. 궁금하면 전화를 해서 물으면 된다. 모든 지식을 자기 바운더리 안에 담으려 하지 말고, 어디 가면 무엇을 알 수 있는지의 힌트를 담는 것이 질문에 대한 답이라는 것이다.

위임의 한계와 발산적 삶

개인이 대기업 회장처럼 일하게 될 것이라는 미래 전망도 있지만, 위임의 원칙은 내가 아는 것만 위임할 수 있다는 것이다. 대기업 CEO가 퀄리티 있게 움직이려면 자신이 감사하고 감시하며 의견을 줄 수 있는 일만 위임해야 한다는 것. 한편 자동화 자체는 크게 매력적이지 않다. 자동화는 어제 벌려 놓은 일들을 수렴하는 작업인데, 자신은 계속 발산 작업을 하고 싶어서다. 커맨드스페이스 규모를 늘리지 않는 이유도 같다. 새로운 일을 시도하고 디벨롭하는 즐거움으로 비즈니스를 하고 싶어서, 10시간을 줘도 다 보여줄 수 없는 앱들이 쌓여 있다. AI가 내 머리 위에 있는 게 아니라 나의 하위에 있고, 그것을 관리 관장하는 삶에서 행복을 느끼는 방향이 좋다는 진단이 이어진다. 가장 중요한 것은 그래서 내 이야기와 내 생각이 어디에 있는가다. 내 이야기가 있어야 똘똘한 AI를 내 취향과 목적에 맞게 부릴 수 있다.

AIM 인덱스: 에이전틱 지식 관리 진단

루프 엔지니어링 방향에는 동의하면서도, 자동화하지 않는 영역을 점검하기 위해 만든 것이 AIM 인덱스다. 프롬프트, 컨텍스트, 하네스, 루프, 지식선 영역 전체를 평가하며, 컨텍스트에 가중치를 더해 20, 25, 20, 15점 등으로 배분했다. 다섯 문항 각각을 0점부터 4점까지 매기는데, 없으면 0점, 임시로 손으로 하면 1점, 문서화되어 있으면 2점, 시스템에서 자동으로 돌면 3점, 루프와 자각 루프가 있으면 4점이다. 루브릭에 기준 점수를 명확히 정의해 뒀다. 예컨대 알아서 정리해 줘만 하면 0점, 스킬과 커맨드가 있으면 3점, 메타데이터가 없으면 0점, 프론트매터 스키마 문서가 있으면 2점, 린터 작업이 있으면 4점이다. 50점 만점 구간에서 문서가 다 되어 있어야 하므로 50점도 어렵다.

이 진단은 클로드 스킬로 배포돼 각자 컴퓨터에서 로컬로 돌고, 결과는 아티팩트 성적표로 남는다. 자신도 처음에 70점이 나왔고, 제출 동의자 중에는 서울대 교수님이 100점을 받은 사례도 있다. 처음 80점대였던 사람이 30일 운영 측정 항목을 채워 개선하기도 했고, 처음 74점이던 실력자가 항목을 다 채워 올리기도 했다. 성적표에는 영역별 점수와 코멘터리, 사용 도구, 자동화 규모까지 담겨 있다. 세션 히스토리를 모아 보여주는 구성도 있어, 평가는 깔아 둔 상태가 아니라 돌 때 한 번 스캔하는 방식이다.

마무리 조언

지식 관리를 시작하는 사람에게 가장 중요한 것은 내가 기록하고 정리할 때 설레는지다. 커리어와 무관하게 좋아하는 일부터 담으면 확장 가능성이 열린다는 것. 옵시디언 프로페셔널 노트라는 책은 지식 관리와 AI 시대의 필수 스킬이라고 소개된다.

보는 포인트

사람을 위한 설명서가 그대로 AI를 위한 설명서가 되는 문서 전략, 클로드 MD와 에이전트 MD의 우선순위 설계
RAG와 컴파일형 위키의 차이, 그리고 개념을 카드로 쪼개 연결하고 질의 결과까지 축적하는 구조
저자 기준의 볼트 분리: 사람이 주도하는 메인볼트와 언어모델이 운영하는 LM 위키
위임이 아니라 라우팅이라는 에이전트 설계 원칙과 김치찌개 비유
AIM 인덱스처럼 자기 시스템을 점수로 진단하는 메타 관행, 0~4점 루브릭의 실용성

원본 정보

채널: 빌더 조쉬 Builder Josh
게시일: 2026-09-27
영상: https://www.youtube.com/watch?v=fc7Nt94kGrw
길이: 약 51분 · 조회수 약 1.6만 회 (수집 시점 기준)
유의: 본문의 수치는 자막 기반이라 오차 가능