🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

LLM Wiki가 망하는 진짜 이유는 Obsidian·Claude Code를 얼마나 잘 쓰느냐보다, AI OS 안에서 위키의 목적과 삶 속 역할을 먼저 설계하지 않는 데 있다.

📌 핵심 요점

1. LLM 위키 실패의 출발점은 폴더, 스키마, 인제스트 같은 구현 방식이 아니라 장기적으로 왜 운영할지에 대한 목적 부재다.

2. 자비스형 AI에 대한 기대와 Obsidian·Claude Code 같은 도구 확산이 LLM 위키 열풍을 키웠지만, 도구를 따라 만드는 것만으로는 지속 가능한 시스템이 되기 어렵다.

3. 영상은 LLM 위키를 외부 지식을 AI가 처리하기 쉽게 모아 둔 “얕은 컴파일”로 설명하며, 개인의 깊은 이해와 판단이 없으면 새로운 통찰로 이어지기 어렵다고 본다.

4. AI 지식베이스가 동료처럼 작동하려면 외부 자료뿐 아니라 나의 경험, 판단, 기록, 일기, 결정처럼 실제 삶에서 나온 개인 지식이 함께 들어가야 한다.

5. LLM Wiki는 AI OS 전체가 아니라 워크스페이스 안의 일부 구성요소이며, 개인의 철학·역할·목표·액션·워크플로우와 연결될 때 실질적 의미를 갖는다.

🧩 배경과 문제 정의

• LLM 위키는 개인 지식 관리와 AI 도구 활용을 연결하는 방법론으로 주목받고 있다.
• 하지만 많은 사용자가 구축 직후에는 따라 만들더라도 장기적으로 유지하지 못하거나, 축적된 자료를 실제 삶과 작업에 연결하지 못한 채 지식 무덤처럼 방치하는 문제가 나타난다.
• 핵심 쟁점은 폴더, 스키마, 도구 자체가 아니라 LLM 위키를 왜 만들고, 어떤 목적에 맞게, 어떤 생활·업무 시스템 안에서 운영할지에 있다.
• 영상은 LLM 위키를 단독 지식 저장소로 보기보다, 개인의 철학·역할·목표·워크스페이스·워크플로우가 연결된 AI OS의 일부로 재배치해야 한다는 문제의식을 제시한다.
• 카파시의 LLM Wiki 문서, X 포스트 확산 규모, 각 도구의 실제 활용 양상 등은 영상 속 주장에 해당하며, 별도 외부 검증이 필요한 정보다.

🕒 시간순 섹션별 상세정리

1. LLM 위키 실패의 출발점은 목적 없는 구축이다

• LLM 위키를 이미 쓰고 있거나 막 구축하려는 사람에게 장기 유지 관리 관점에서 위치와 역할을 먼저 고려해야 한다는 문제가 제기된다 [00:11]
• 많은 사용자가 비슷한 구조를 여러 번 갈아엎는 실패를 겪고 있으며, 이는 설계 단계에서 목적과 이유를 충분히 따지지 않은 결과로 드러난다 [00:37]

2. LLM 위키 열풍은 자비스 기대와 추상적 방법론 사이에서 커졌다

• 사람들은 자비스처럼 개인의 취향과 해야 할 일을 이해하는 AI를 기대해 왔고, 이 기대가 LLM 위키 열풍의 배경이 된다 [01:08]
• Claude Code, OpenClaw, Hermes Agent 같은 하네스 도구와 Obsidian, LLM 위키 방법론이 결합되면서 개인 파일 기반 AI 활용 가능성이 커진 시대가 되었다 [01:26]

3. 목적 없는 개인 지식 관리가 실패하는 이유

• LLM 위키 관련 영상들은 폴더 생성, Claude MD 작성, 인제스트 실행처럼 구현 절차는 다루지만, LLM 위키가 실제 삶에 어디에 들어가고 어떤 역할을 해야 하는지는 충분히 다루지 않는다 [04:04]
• 본질적인 역할과 적용 위치에 대한 고민이 없으면 LLM 위키도 세컨드 브레인이나 제텔카스텐처럼 도입 후 갈아엎는 패턴을 반복할 수 있다 [04:26]

4. 유행 소비와 외부 지식 컴파일로서의 LLM 위키

• 목적 없이 유행을 따라 소비되는 사례처럼 LLM 위키도 인기가 많다는 이유만으로 따라 만들면 빠르게 사라지는 소비재처럼 끝날 수 있다 [06:06]
• 두정쿠와 탕후루 사례에서는 사람들이 유행에 따라 사고 경험했지만, 지속될 이유와 목적이 약했기 때문에 시간이 지나며 찾기 어려워졌다는 비유가 나온다 [06:10]

5. LLM 위키는 강력하지만 외부 지식의 얕은 컴파일에 머문다

• LLM 위키는 인터넷의 수많은 지식을 AI가 깊게 이해하고 분해한 형태로 정리해 두는 공간이며, AI와 질의응답할 때 깊은 이해를 돕는 재료로 활용될 수 있다 [08:01]
• 사람들은 자동화처럼 바로 결과가 나오는 방식에 끌리기 때문에, LLM 위키에 모인 지식을 직접 질문하고 고민하며 새로운 지식으로 쌓아가는 사용은 생각보다 적을 가능성이 크다 [08:20]

6. 개인의 경험과 판단이 더해져야 AI가 동료가 된다

• LLM을 활용한 얕은 지식 베이스에는 나의 경험, 판단, 기록, 일기처럼 실제로 겪고 결정한 개인 지식이 반드시 더해져야 한다 [10:06]
• 일기, 판단, 결정, 기록, 깊은 이해처럼 경험을 통해 형성된 암묵지를 구조화하는 일은 AI가 대체하기 어려운 사람의 영역으로 드러난다 [10:31]

7. LLM 위키를 삶에 끼어드는 AI 운영 체계로 재배치

• 개인의 원래 관점과 생각, AI가 처리한 얕은 이해가 함께 데이터에 들어가야 지식 활용이 가능해진다 [12:01]
• 이번 논점은 LLM 위키의 또 다른 구현법이 아니라 AI를 활용한 운영 체제 전체 그림 안에서 위키가 어디에 들어가는지에 맞춰진다 [12:13]

8. 브레인 트리니티의 최상단: 나만의 철학과 북극성

• 지식 관리와 활용은 목적 있는 수집이어야 하며, 그 목적의 최상단에는 나만의 철학이 놓인다 [13:33]
• 철학은 북극성처럼 삶의 이유와 방향을 가리키며, 나는 누구인지, 왜 사는지, 무엇을 중요하게 여기는지를 묻는 기준이 된다 [13:57]

9. 자아는 역할을 통해 실현된다

• 삶에는 관리해야 할 여러 영역이 있으며, 삶의 철학과 방향성은 그 자체만으로는 효과를 만들지 못한다 [16:02]
• 한정된 24시간과 365일을 쪼개 다양한 역할을 수행해야 자아가 실제 삶에서 구현된다 [16:20]

10. 역할의 목표는 액션과 지식으로 실행된다

• AI 컨설턴트 역할은 조직의 AI 도입과 활용 프로세스를 돕고, AI 시스템 설계 요구를 기술적으로 풀어내는 중간다리 역할을 한다 [17:34]
• 크리에이터 역할은 유튜브 채널을 통해 개인들의 지식관리 생산성을 개선하는 데 초점을 둔다 [17:58]

11. AI OS 안에서 워크스페이스와 워크플로우가 나뉜다

• AI OS는 삶의 목적을 실현하기 위한 운영 체제로 정의되며, LLM Wiki는 이 전체 체제 안에 들어가는 구성 요소로 놓인다 [20:00]
• 워크스페이스는 경험과 지식이 연결·구조화·저장되는 개인의 성장 공간이며, 축적된 지식이 서로 관계를 맺는 기반이 된다 [20:36]

12. 사람과 AI의 이해가 결합해 외부 가치로 전환된다

• 워크스페이스와 워크플로우는 제2의 두뇌로 작동하며, 사람은 외부 지식을 수집·기록·처리하고 AI도 수집·관리·프로세싱을 함께 수행한다 [21:26]
• AI의 얕은 이해와 사람의 깊은 이해가 통합되면 증강된 이해가 만들어지고, 이 결과는 노트에 다시 들어가거나 영상·논문·프레젠테이션 같은 지식 산출물로 전환된다 [22:00]

13. LLM Wiki는 AI OS의 일부로 기능해야 한다

• 워크플로에 LLM Wiki를 녹여내는 방식, 자동 프로세스, 크론잡 구성은 개인별로 달라지며 실제 가치는 운영 방식에서 생긴다 [24:02]
• LLM Wiki는 꿈꾸는 자비스 전체를 대체하는 시스템이 아니라 AI OS 워크스페이스 안에 포함되는 일부여야 한다 [24:13]

14. 개인 목적과 연결된 시스템 설계가 필요하다

• LLM Wiki를 전체 시스템 안에 녹여낼 때는 개인의 취향, 생각, 경험을 적는 마이 노트뿐 아니라 자신의 목적과도 연결되어야 한다 [25:29]
• 목적과 역할이 실제 시스템 안에서 어떻게 드러나는지는 별도 영상에서 다룰 예정이며, 이 구간에서는 설계 방향만 드러난다 [25:45]

🧾 결론

• 영상의 핵심 결론은 LLM 위키를 하나의 독립된 지식 저장소로 보기보다, 삶의 목적을 실행하는 AI OS의 일부로 재배치해야 한다는 것이다.

• 목적 없이 유행을 따라 LLM 위키를 만들면 초기에는 구조가 있어 보이지만, 실제 삶과 작업에 들어갈 자리가 불명확해 한두 달 안에 방치될 가능성이 크다는 문제의식이 제시된다.

• LLM 위키는 대량의 외부 지식을 정리하고 AI와 질의응답하는 데 유용하지만, 그것만으로 개인의 깊은 통찰이나 자아 실현이 자동으로 만들어지는 것은 아니라는 관점이 강조된다.

• 개인의 철학, 삶의 북극성, 역할, 목표, 프로젝트, 태스크가 먼저 정리되어야 지식 수집이 목적 있는 활동이 되고, AI와 사람이 함께 만든 이해가 실제 산출물로 전환될 수 있다.

• 검증이 필요한 내용: Karpathy 관련 X 포스트의 2,100만 뷰 수준 확산, LLM 위키 커뮤니티 활용 방식의 일반화 정도, 사용자들이 한두 달 뒤 방치한다는 패턴의 실제 규모는 영상 속 설명이며 별도 외부 확인이 필요하다.

📈 투자·시사 포인트

• 개인 지식관리와 AI 도구 시장에서는 단순 저장·검색보다 사용자의 목적, 역할, 워크플로우에 맞춰 지식을 실행으로 연결하는 구조가 더 중요한 경쟁력이 될 수 있다.

• Obsidian, Claude Code, LLM Wiki류 도구는 강력한 구성요소가 될 수 있지만, 장기 사용성을 확보하려면 자동화보다 개인 맥락과 판단 기록을 축적하는 설계가 필요해 보인다.

• AI 지식베이스의 가치는 자료를 많이 모으는 데서만 나오지 않고, 사람의 깊은 이해와 AI의 대량 처리 능력이 결합되는 지점에서 커질 가능성이 있다.

• 기업이나 개인이 LLM 위키를 도입할 때는 먼저 “어떤 역할의 어떤 목표를 돕는가”를 정의해야 하며, 그렇지 않으면 지식 저장소가 운영 비용만 늘리는 구조가 될 수 있다.

• 검증이 필요한 시사점: AI OS라는 개념이 독립적인 제품 범주로 성장할지, LLM Wiki 기반 워크스페이스가 실제 장기 리텐션을 만들 수 있을지, 개인 기록과 AI 처리 결과를 결합한 지식관리 수요가 얼마나 지속될지는 추가 시장 확인이 필요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• Karpathy의 X 포스트가 “2,100만 뷰 수준까지 확산”됐다는 언급은 영상 속 주장으로 정리되며, 실제 조회수·노출 수는 원문 포스트나 플랫폼 데이터를 별도로 확인해야 한다.
• Claude Code, OpenClaw, Hermes Agent, Obsidian 등이 LLM 위키 활용 가능성을 키웠다는 설명은 영상의 관점입니다. 각 도구의 실제 기능 범위나 비교 우위는 별도 검증이 필요하다.
• “많은 사용자가 한두 달 뒤 쓰지 않거나 지식 무덤이 될 수 있다”는 진단은 경험적 관찰 또는 문제 제기로 보이며, 구체적인 통계나 조사 결과가 제시된 것은 아닙니다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• LLM 위키를 만들기 전에 “왜 만드는가”, “내 삶과 작업의 어느 부분에 들어가는가”, “매일 어떤 의사결정에 쓰일 것인가”를 먼저 문서화한다.
• raw 폴더, wiki 폴더, CLAUDE.md, ingest·query·lint 같은 구조를 복제하기 전에 자신의 역할·목표·프로젝트와 연결되는 최소 구조를 설계한다.
• 외부 자료를 자동 수집하는 공간과 직접 경험·판단·일기·결정 기록을 남기는 “마이 노트” 공간을 구분해 운영한다.
• LLM 위키를 단독 지식 저장소가 아니라 AI OS 안의 워크스페이스 구성 요소로 배치하고, 워크플로우와 연결되는 사용 흐름을 정한다.

❓ 열린 질문

• 내 LLM 위키는 단순히 자료를 모으는 저장소인가, 아니면 특정 역할과 프로젝트를 실행하기 위한 작업 기반인가?
• 내가 AI에게 맡길 “얕은 이해”와 직접 기록해야 할 “깊은 경험·판단”의 경계는 어디에 둘 것인가?
• LLM 위키가 내 철학, 북극성, 역할, 목표와 연결되려면 어떤 최상위 분류나 운영 원칙이 필요할까?