복리적 지식 베이스
복리적 지식 베이스는 대규모 언어 모델(LLM)을 활용하여 개인의 지식을 체계적으로 축적하고 관리하는 지속적이고 복리적인 지식 베이스(Persistent, Compounding Knowledge Base) 패턴입니다. Andrej Karpathy가 제안한 이 방식은 단순한 정보 검색(RAG)을 넘어, AI가 직접 지식의 구조를 설계하고 유지보수하는 데 중점을 둡니다.
핵심 개념
기존의 단순 검색 방식과 달리, 복리적 지식 베이스는 다음과 같은 특징을 가집니다:
- 지속성 (Persistence): 일회성 질문과 답변으로 끝나는 것이 아니라, 모든 지식이 마크다운 파일 형태로 기록되고 유지됩니다.
- 복리 효과 (Compounding): 새로운 정보가 추가될 때마다 기존 지식과 연결(Cross-reference)되어 지식의 밀도가 높아집니다.
- AI 기반 관리: AI가 직접 문서 수집(Ingest), 질의응답(Query), 정합성 검사(Lint)를 수행하며 위키를 최신 상태로 유지합니다.
3계층 아키텍처 (3-Layer Architecture)
복리적 지식 베이스는 효율적인 운영을 위해 지식을 세 가지 계층으로 구분합니다:
- Raw Sources (데이터 원천): 가공되지 않은 소스 문서(아티클, 논문, 회의록 등)입니다. 이 계층은 읽기 전용으로 유지되며 지식의 근거(Source of Truth)가 됩니다.
- The Wiki (위키 본문): AI가 원천 데이터를 분석하여 가공한 마크다운 문서들입니다. AI가 이 계층의 생성과 수정을 전담합니다.
- The Schema (규칙 정의): 위키의 구조와 에이전트의 행동 지침을 정의하는 문서(예:
AGENTS.md,CLAUDE.md)입니다.
주요 프로세스
- Ingest (데이터 수집): 새로운 자료를 읽고 핵심 정보를 추출하여 위키 페이지를 생성하거나 업데이트합니다.
- Query (지식 질의): 위키에 저장된 구조화된 지식을 바탕으로 사용자 질문에 답하며, 필요시 새로운 통찰을 다시 위키에 기록합니다.
- Lint (정합성 검사): 문서 간의 모순, 오래된 정보, 끊긴 링크 등을 주기적으로 점검하여 품질을 관리합니다.
관련 도구 및 워크플로우
- Obsidian: 그래프 뷰, 로컬 이미지 관리, Dataview 쿼리 등을 통해 위키를 시각화하고 탐색하는 최적의 도구입니다.
- Claude Code: CLI 환경에서 에이전트 기능을 활용하여 위키를 직접 편집하고 자동화 작업을 수행하는 도구입니다.
- Git: 지식의 변경 이력을 관리하고 버전 컨트롤을 수행합니다.
실전 적용
복리적 지식 베이스를 실제로 구축하고 운영하는 구체적인 방법론은 다음 노트를 참고하세요: