옵시디언은 메모장이 아니다: 내 생각이 연결되는 지식 시스템 만들기 | YouTube 요약

🖼️ 인포그래픽

옵시디언은 메모장이 아니다: 내 생각이 연결되는 지식 시스템 만들기 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 결론

옵시디언은 메모장이 아니라, 제텔카스텐식 연결·인덱싱과 AI 보조를 결합해 내 생각이 연결되는 지식 시스템으로 키워야 가치가 커진다.

📌 핵심 요점

옵시디언의 핵심은 단순 기록이 아니라 노트 간 연결과 구조 설계에 있으며, 노션이 클라우드 접근성과 프로젝트 관리에 강하다면 옵시디언은 로컬 기반 자유도와 빠른 확장성이 강점으로 제시된다.
제텔카스텐은 니클라스 루만의 카드 상자 방식에서 출발하며, 한 장의 노트에 인덱스, 원문 또는 발견 내용, 자기 견해를 함께 담아 독립적인 지식 단위로 축적하는 방식이다.
단순 순차 번호만으로는 관련 아이디어를 가까이 두기 어렵기 때문에, 포겔제텔식 인덱싱처럼 기존 노트 뒤에 1a, 0890A 같은 확장 번호를 붙여 연관된 생각을 이웃하게 두는 전략이 중요하다.
플리팅 노트, 리터러처 노트, 퍼머넌트 노트는 각각 순간적인 생각, 출처 기반 메모, 장기 연구·글쓰기 노트 역할을 맡으며, 핵심은 폴더 이름보다 각 공간이 어떤 성장 과정을 담당하는지 이해하는 데 있다.
AI는 옵시디언 볼트 구조 생성, 기존 노트 연결 후보 추천, 짧은 메모의 사고 확장, 연구 노트 생성, HTML 렌더링 등을 보조할 수 있지만, 아무 기록 없이 AI에게 맡기기보다 사용자의 기존 메모와 맥락이 먼저 쌓여 있어야 한다.

🧩 배경과 문제 정의

옵시디언은 단순 메모장이 아니라 노트 간 연결, 인덱싱, 폴더 구조, AI 도구를 결합해 개인 지식 관리 시스템으로 확장될 수 있다.
노션과 옵시디언은 각각 클라우드 기반 접근성·협업·프로젝트 관리와 로컬 중심 속도·자유도·확장성이라는 장단점이 갈리며, 사용 목적에 따라 선택 기준이 달라진다.
최근 옵시디언은 안드레 카파시의 LLM 위키 논의와 맞물리며 다시 주목받았고, AI가 개인 지식 시스템을 읽고 연결하고 확장하는 방식이 핵심 쟁점이 됐다.
LLM 위키만으로는 구체적인 운용 방식이 부족하기 때문에, 제텔카스텐처럼 오래된 지식 연결 방법론을 함께 이해해야 실제 노트 시스템을 설계할 수 있다.
영상의 핵심 문제의식은 “메모를 많이 쌓는 것”이 아니라, 흩어진 생각을 서로 가까이 배치하고 연결해 글쓰기·콘텐츠·사업 아이디어로 전환하는 구조를 만드는 데 있다.

🕒 시간순 섹션별 상세정리

1. 라이브 시작과 옵시디언 실습 방향 확인

라이브 초반에는 음성 송출과 참여자 접속 상태를 확인하며 진행 환경을 정비한다 [00:29]
오늘의 핵심 주제는 옵시디언을 활용해 지식 관리 시스템을 직접 만들어보는 실습으로 압축된다 [01:58]

2. 옵시디언의 확산과 노션·로컬 노트 선택 기준

옵시디언은 약 5~6년 전부터 제텔카스텐과 함께 지식 관리 도구로 주목받기 시작했다 [04:44]
노션, 구글 킵, 롬 리서치, 옵시디언은 온라인 기반과 로컬 기반이라는 기준에서 서로 다르게 비교된다 [05:17]

3. 노션의 장점과 한계, 옵시디언의 상대적 위치

노션은 클라우드 기반이라 접근성은 좋지만 데이터베이스 로딩과 속도 문제가 단점으로 나온다 [06:38]
이미 노션에 많은 데이터가 쌓여 있어 쉽게 버리기 어렵고, 일정·프로젝트 관리에서는 여전히 강점이 있다 [07:13]

4. 안드레 카파시의 LLM 위키와 옵시디언 재부상

옵시디언이 다시 주목받은 배경에는 안드레 카파시가 제안한 LLM 위키 개념이 있다 [08:18]
카파시는 LLM 위키의 방향은 제시했지만 옵시디언에서 실제로 어떻게 관리할지는 구체적으로 설명하지 않았다 [08:35]

5. LLM 위키의 전제와 AI 기반 지식 관리 도구

LLM 위키의 핵심에는 똑똑한 AI가 지식 관리 구조 안에서 중요한 역할을 한다는 전제가 있다 [10:08]
클로드 코드, 코덱스, 제미니 계열처럼 CLI 기반 AI 도구가 지식 시스템 운용에 중요해진다 [11:02]

6. LLM 위키에서 제텔카스텐으로 이어지는 문제의식

발표자는 LLM 위키보다 제텔카스텐 방식이 노트를 지식으로 관리하는 데 더 중요하다고 본다 [11:29]
논의는 최신 AI 개념에서 제텔카스텐의 기원과 의미를 설명하는 방향으로 이동한다 [11:45]

7. 제텔카스텐의 기원과 카드 상자의 의미

제텔카스텐은 독일 사회학자 니클라스 루만이 사용한 지식 관리 방식이다 [12:24]
과거 도서관의 카드 상자는 책의 위치를 찾기 위한 인덱스 시스템으로 기능했다 [13:22]

8. 루만의 개인 카드 상자와 발견의 기록

루만은 개인 카드 상자에 아이디어를 기록했고, 이는 수십 개 서랍으로 나뉜 지식 저장소처럼 작동했다 [14:19]
기록의 출발점은 새 아이디어, 책 속 문장, 논문 밑줄, 뉴스 기사처럼 연구와 일상에서 만난 발견이었다 [14:52]

9. 한 장의 카드에 담기는 인덱스·원문·자기 견해

발견한 내용은 손바닥만 한 카드에 적고 단순한 밑줄이나 출처 기록에서 끝내지 않는다 [16:08]
카드에는 인덱스, 기록할 메모, 자신의 생각이나 견해가 함께 들어간다 [16:53]

10. 순차 번호 인덱스와 독립적인 메모의 축적

첫 번째 기록은 1번, 두 번째는 2번, 세 번째는 3번처럼 순차 번호를 붙인다 [18:02]
각 카드는 서로 다른 주제를 가진 독립 메모이며 원문과 짧은 견해를 함께 저장한다 [18:25]

11. 새 아이디어가 기존 메모 사이에 들어가야 하는 문제

새 자료는 순서상 4번이 될 수 있지만 내용상으로는 1번 메모와 더 깊게 연결될 수 있다 [20:13]
새 메모를 쓸 때는 기존 카드 중 어느 노트와 연결하면 좋은지 판단하는 과정이 중요하다 [20:50]

12. 재정렬의 비효율과 연관 메모를 이웃하게 두는 전략

컴퓨터에서는 중간에 메모를 끼워 넣고 번호를 밀 수 있지만, 메모가 많아질수록 비효율이 커진다 [22:39]
종이 카드에서는 이미 적은 인덱스 번호를 계속 바꾸는 일이 현실적으로 매우 번거롭다 [23:11]

13. 포겔제텔 인덱싱은 관련 아이디어를 가까이 붙인다

새로운 아이디어는 무작위 조합뿐 아니라 관련 지식을 하나씩 발전시키는 과정에서 확장된다 [24:08]
기존 1번 카드 뒤에 새 아이디어를 넣을 때 전체 번호를 바꾸지 않고 1a처럼 붙이면 연결성이 유지된다 [25:01]

14. 제텔카스텐의 세 노트 유형

제텔카스텐 노트는 플리팅 노트, 리터러처 노트, 퍼머넌트 노트로 나뉜다 [28:03]
플리팅 노트는 갑자기 떠오른 생각을 빠르게 붙잡는 임시 메모 공간이다 [28:25]

15. 임시 생각과 출처 메모의 전환

지하철, 버스, 산책 중 떠오른 아이디어는 플리팅 노트에 빠르게 기록한다 [29:37]
출처가 있는 자료에는 원문뿐 아니라 왜 기록했는지 알 수 있는 자기 생각을 함께 남긴다 [30:00]

16. 여러 노트의 조합이 한 편의 글을 만든다

퍼머넌트 노트는 리터러처 노트와 플리팅 노트를 조합해 완성된 글로 발전시키는 영역이다 [32:22]
플리팅 노트는 이메일 인박스처럼 임시로 생각을 쌓아두는 공간이다 [32:54]

17. 폴더 이름보다 역할 이해가 중요하다

책을 쓰는 사람은 여러 편의 글을 계획에 맞춰 이어가며 퍼머넌트 노트를 중심으로 활용할 수 있다 [34:40]
충분히 쌓인 노트는 새 글을 쓸 때 레퍼런스와 방향을 제공한다 [34:55]

18. 퍼머넌트 노트를 중심에 둔 유연한 운영

리터러처 노트와 퍼머넌트 노트는 분리해도 되고, 긴 글 중심이면 통합해도 된다 [36:02]
제텔카스텐에는 고정 매뉴얼이 없고 사용자가 지속 가능한 방식으로 적용해야 한다 [36:28]

19. 옵시디언 실행 전 볼트와 폴더 위치 정하기

실제 구축 단계에서는 옵시디언을 먼저 켜기보다 볼트와 폴더 구조를 먼저 정해야 한다 [36:52]
키미 코드, 클로드 코드, 코덱스 같은 AI 코딩 도구 중 키미 코드를 실험 대상으로 선택한다 [37:22]

20. 구글 드라이브 안에 볼트 만들기

구글 드라이브 안에 새 폴더를 만들고 옵시디언 볼트로 사용할 기반 공간을 만든다 [39:21]
AI CLI를 실행하기 전 터미널 위치를 방금 만든 볼트 폴더로 이동해야 한다 [39:48]

21. 키미 코드에 제텔카스텐 구조 생성 요청

키미 코드는 제텔카스텐을 루만의 지식 관리 시스템으로 인식하고 핵심 개념을 보여준다 [41:16]
현재 폴더에 플리팅, 리터러처, 퍼머넌트 노트 폴더를 만들도록 요청한다 [42:17]

22. 볼트 구성 자동화와 초기 세팅

옵시디언 UI 자체는 단순하며, 볼트 아래에 필요한 하위 폴더를 만드는 방식으로 시작된다 [45:26]
키미 코드 같은 AI CLI를 쓰면 반복적인 하위 구조 생성을 자동화할 수 있다 [46:12]

23. 책 광고와 작업 진행 상태 확인

『AI 생존지도 질문 자본가의 시대』 예약 판매와 배송 일정 안내가 짧게 들어간다 [48:13]
키미가 템플릿과 샘플 파일을 만들고, 승인 요청이 나오면 사용자가 승인하며 작업을 이어간다 [48:40]

24. 제텔카스텐 실습과 크롬 확장 배포 계획

제텔카스텐 사용법을 라이브 실습으로 직접 보여주겠다고 보여준다 [49:07]
크롬 확장으로 만든 서비스를 설문 신청자에게 무료로 배포할 계획을 드러낸다 [49:20]

25. 대량 노트 관리에서 AI가 맡을 역할

노트가 수천 개 이상으로 늘어나면 사람이 모든 노트를 모니터링하고 연결하기 어려워진다 [50:00]
AI가 노트 간 연결과 새 노트 생성을 보조해야 한다는 필요성이 제기된다 [50:21]

26. AI CLI로 옵시디언 볼트 구성 자동화

옵시디언을 처음 쓰거나 새 볼트를 만들 때 모든 구조를 손으로 만들 필요가 줄어든다 [51:02]
CLI 기반 AI는 지식 관리 초기 세팅의 반복 작업을 빠르게 줄여준다 [51:15]

27. 플리팅 노트와 기본 폴더 골격 생성

플리팅 노트는 순간적으로 떠오른 아이디어를 기록하는 노트로 정의된다 [53:22]
기본 폴더 골격이 만들어지고 옵시디언에서 볼트로 열어 확인하는 단계로 넘어간다 [54:25]

28. 옵시디언 볼트 표시 문제와 원인 확인

볼트를 열자 커뮤니티 플러그인 몇 가지가 자동으로 들어와 있는 상태를 확인한다 [55:42]
템플레이터가 켜지지 않는 문제가 발생하고 직접 설치와 활성화를 시도한다 [56:03]

29. 옵시디언 폴더 구조와 AI 시대의 역할 전환

플리팅, 리터러처, 퍼머넌트 폴더가 만들어지고 각각 임시 생각, 문헌 메모, 연구 노트 역할을 맡는다 [1:00:33]
일상 기록은 각 폴더의 성격에 맞춰 저장하면 자연스럽게 분류와 입력이 계속된다 [1:00:58]

30. 개인 옵시디언 구조와 인덱싱 기반 연결

개인 옵시디언 구조는 LLM 위키 철학과 제텔카스텐 철학을 합친 형태로 드러난다 [1:02:14]
raw 영역에는 아티클, 에셋, 책 메모, 논문, 유튜브, 팟캐스트 같은 수집 자료가 분야별로 저장된다 [1:02:47]

31. 수동 분류의 한계와 제텔 커넥트

새 아이디어를 매번 기존 아이디어와 직접 연결하려면 시간이 크게 소모된다 [1:04:58]
반복 부담을 줄이기 위해 AI의 도움을 받고, 제텔 커넥트 플러그인이 연결 작업을 보조한다 [1:05:23]

32. 로컬 LLM 후보 추천과 사용자의 선택

로컬 LLM은 raw 폴더 노트를 기존 연구 노트 중 어디에 연결하면 좋을지 후보로 제안한다 [1:06:51]
옵시디언 플러그인 안의 별도 창도 바이브 코딩으로 직접 개발할 수 있다고 보여준다 [1:07:21]

33. 새 연구 노트 생성과 클러스터링 전략

새 연구 노트는 기존 노트 중 관계 있는 위치에 끼워 넣어야 비슷한 생각들이 클러스터링된다 [1:08:30]
로컬 모델이 검색 결과를 랭킹하고 사용자가 후보를 고르면 클로드 코드가 조합 방식을 판단한다 [1:08:58]

34. 0890A 노트의 위치와 핵심 아이디어

0890A는 “창작은 현실화되어야 본연의 의미를 갖는다”는 0890 근처에 생성된다 [1:10:31]
새 노트 제목은 “상상은 시도로만 미래가 된다”이며 상상 키워드가 창작 흐름 뒤에 배치된다 [1:10:53]

35. AI가 시드 노트를 연결해 연구 노트를 확장하는 방식

클로드 코드는 기존 아이디어에 새 개념을 덧붙여 단편 메모를 더 넓은 연구 노트로 확장한다 [1:12:02]
세렌디피티 관점에서는 전혀 관계없어 보이는 노트들을 일부러 연결해 예상 밖의 아이디어를 찾는다 [1:12:16]

36. 연구 노트의 최종 가치는 저술과 생산으로 이어질 때 커진다

연구 노트는 책 쓰기 같은 저술 활동과 연결될 때 가장 큰 가치를 가진다 [1:13:37]
제텔카스텐 관련 메모들은 노션과 옵시디언 비교, 태그, 기억 보완 문제 등을 한 흐름 안에서 연결한다 [1:14:04]

37. AI 개인화에는 기존 기록과 사용자 맥락이 필요하다

AI를 오래 사용할수록 코딩, 아이디어 발전, 문서 작업 방식이 개인 패턴에 맞춰진다 [1:15:37]
아무 기록 없이 AI에게 맡기면 사용자가 원하는 방향과 멀어질 위험이 크다 [1:16:08]

38. 노션의 기존 기록은 옵시디언 지식 시스템의 출발 맥락이 된다

기존 노션에는 수천 개의 노트, 프로젝트 기록, 독서 기록이 이미 저장되어 있었다 [1:17:50]
옵시디언 구축은 무에서 시작하는 것이 아니라 기존 기록을 끌어와 맥락으로 삼는 과정이다 [1:18:15]

39. 제텔카스텐은 짧은 독서 메모를 연구 노트로 키운다

아티클이나 북스 폴더에 짧게라도 꾸준히 메모하고 형식에 얽매이지 않는 연구 노트를 써보는 과정이 중요하다 [1:20:04]
책 속 문장을 가져오는 데서 끝내지 말고 자기 견해를 붙여 블로그 글 수준으로 발전시켜야 한다 [1:20:32]

40. 구글 킵 메모를 옵시디언 raw 폴더로 옮기는 흐름

구글 킵에는 독서 중 마음에 든 문장과 짧은 메모가 축적되어 있다 [1:21:54]
선택한 문장은 바로 연구 노트가 아니라 먼저 raw나 플리팅 폴더에 저장된 뒤 퍼머넌트 노트로 발전해진다 [1:22:54]

41. 저장 위치 지정과 사고 확장 도구의 출발점

저장 대상은 단순 파일 저장이 아니라 0 Raw 안의 Ideas처럼 플리팅 노트가 쌓이는 위치로 지정된다 [1:24:02]
《생각의 탄생》은 AI 시대 사고 확장 방식의 핵심 참고 문헌으로 놓인다 [1:24:39]

42. 13가지 생각 도구와 AI 역할 설계

《생각의 탄생》은 관찰, 형상화, 추상화, 패턴 인식, 유추, 통합 등 13가지 사고 도구를 제공한다 [1:25:38]
뛰어난 예술가와 과학자는 생각을 확장하는 방식을 통해 자기 분야의 대가가 되었다고 보여준다 [1:26:21]

43. 생각 도구를 쉽게 풀어낸 플러그인 구조

플러그인은 13단계 사고 확장 실험을 실행하고 키미 API 키와 연동할 수 있다 [1:28:10]
AI는 사용자가 직접 연습하기 어려운 사고 과정을 단계별로 쉽게 풀어내는 보조 역할을 한다 [1:28:41]

44. 패턴 인식과 유추를 통한 노트 연결

패턴 인식은 반복적으로 나타나는 장면을 질문으로 만들고 답하며 구조화하는 단계다 [1:31:05]
유추는 비슷한 것들과 연결하는 과정이며 옵시디언의 연구 노트 군집화와 맞닿아 있다 [1:31:34]

45. 유추 문헌과 프롬프트 재해석

더글라스 호프스태터의 《사고의 본질》은 유추를 다루는 중요한 참고 문헌으로 연결된다 [1:33:10]
원초적 아이디어는 여러 사고 기법을 거치며 확장되고, 프롬프트에는 《생각의 탄생》의 흐름이 압축된다 [1:33:47]

46. 마크다운 저장 이후 HTML 렌더링으로 확장

13단계가 끝나면 마크다운 파일이 만들어지고 0 Raw의 플리팅 임시 노트 폴더에 자동 저장된다 [1:34:32]
마크다운은 원본 저장에는 좋지만 사람이 보기에는 친절하지 않을 수 있어 HTML 렌더링으로 확장한다 [1:35:00]

47. 크롬 확장 결과물과 13가지 사고 도구의 구조

크롬 확장 결과물에는 선택한 원문, 출처, 사용자가 추가할 수 있는 간단한 메모가 포함된다 [1:36:28]
AI는 원문에서 관찰, 형상화, 추상화 단계를 거쳐 생각을 확장한다 [1:36:46]

48. 원본 보존과 HTML 렌더링을 통한 가독성 개선

HTML 폴더를 따로 만들어 원본 마크다운은 유지하고 읽기 경험만 바꾼다 [1:38:03]
옵시디언은 마크다운 중심으로 보이지만 실제 탐색기에는 생성된 HTML 결과물이 존재한다 [1:38:14]

49. 사고 도구를 순서대로 읽으며 인사이트를 얻는 방식

13가지 생각 도구는 흩어진 항목이 아니라 사고를 확장하도록 순서대로 이어진 구조다 [1:39:52]
추상화, 패턴 인식, 유추 같은 단계는 원문을 다른 관점에서 재가공한다 [100:16] [1:40:16]

50. 짧은 한 문장이 AI 협업으로 콘텐츠 기반이 되는 과정

짧은 한 문장도 13가지 사고 도구를 거치면 풍부한 관점의 자료로 확장된다 [101:43] [1:41:31]
사람이 직접 만들면 오래 걸릴 자료를 AI가 빠르게 생성해 콘텐츠 생산 기반을 마련한다 [101:58] [1:42:09]

51. Knowledge Metabolism으로 기초 메모를 연구 노트 후보로 확장

Knowledge Metabolism은 기존 노트와 리서치를 결합해 지식을 증류하는 엔진처럼 작동한다 [103:08] [1:43:33]
클로드 코드에서 옵시디언 폴더를 열고 짧은 문장을 입력해 파이프라인을 시작할 수 있다 [103:59] [1:43:59]

52. 딥 리서치와 기존 지식 시스템의 결합

스킬은 원문에서 키워드와 인용할 문구를 찾고 딥 리서치로 관련 자료를 가져온다 [105:53] [1:46:03]
리서치 자료 개수는 세 개, 다섯 개, 열 개처럼 사용자가 필요한 범위에 맞게 조정할 수 있다 [106:10] [1:46:13]

53. 사장된 아이디어를 다시 끌어내는 지식 확장 구조

과거에 떠올렸지만 연결되지 못한 아이디어는 기억 공간 어딘가에 묻혀 있을 수 있다 [108:01] [1:48:24]
아이디어 폭발 스킬은 현재 트렌드와 기존 지식을 조합해 묻힌 아이디어를 다시 연결한다 [108:38] [1:48:29]

54. 인간이 검증 가능한 인터페이스의 필요성

AI 인더루프에서는 사람이 아이디어의 씨앗을 제공하고 AI가 다른 아이디어와 연결한다 [110:07] [1:50:09]
연구 노트가 여러 곳에 흩어지면 사람이 일일이 검토하기 어려워 검증 인터페이스가 필요하다 [110:37] [1:50:24]

55. 후보 선택과 휴먼 인더루프 방식

기존 노트에서 여러 분야와 후보가 추출되고 어떤 후보를 연구 노트로 증류할지 선택해야 한다 [111:04] [1:51:16]
리뷰 단계는 휴먼 인더루프로 이동해 사용자가 직관적으로 끌리는 항목을 고른다 [111:27] [1:51:52]

56. 옵시디언 볼트 안에서 생성된 연구 노트와 도구 구조

옵시디언 볼트의 HTML 폴더에는 실험으로 만들어진 연구 노트가 다수 쌓여 있다 [113:37] [1:53:27]
크롬 확장은 무료 신청으로 제공되고 메타볼리즘 플러그인은 유료 판매와 할인 코드 대상으로 구분된다 [113:45] [1:53:49]

57. 코르티솔 사례에서 드러난 AI의 리서치·사고 과정

코르티솔 수치와 기억력·건강 문제를 다루며 걷기, 햇빛, 호흡, 낙서 같은 대응 습관을 연결한다 [115:27] [1:54:04]
AI는 코르티솔이 반드시 나쁘지만은 않다는 반대 관점을 만들고 양면 검색과 과학적 검증을 진행한다 [116:10] [1:56:13]

58. 조합 매트릭스와 아이디어 발산 카탈로그

조합 매트릭스는 기존 노트와 새 아이디어를 연결해 총 20개의 조합 아이디어를 만든다 [117:25] [1:57:41]
아이디어 발산 카탈로그는 코르티솔 주제를 글쓰기, AI 리터러시, 뇌과학, 철학, 콘텐츠 경제로 확장한다 [117:59] [1:58:10]

59. 사고 과정을 읽는 지식 증류와 양면성 확보

결과물만 보지 않고 리서치와 사고 과정을 따라가면 흐름을 체험해 기억에 더 오래 남는다 [120:10] [2:00:12]
코르티솔 사례는 나쁜 호르몬이라는 단정이 아니라 양면적 질문을 확보하는 방향으로 압축된다 [120:36] [2:00:27]

60. Knowledge Metabolism 스킬의 자동 처리 흐름

Knowledge Metabolism은 클로드 코드나 코덱스에서 스킬을 호출하고 문장을 붙이면 자동으로 리서치와 정리를 진행한다 [122:48] [2:02:48]
사용 설명서와 설계 문서가 함께 준비되어 있어 사용자가 전체 흐름을 확인할 수 있다 [123:38] [2:02:53]

61. 폴더 구조와 실행 환경, 비용 조건

웹서치와 웹 패치가 기본 도구로 쓰이고 필요하면 크롬 브라우저가 자동 실행된다 [124:57] [2:04:46]
폴더 구조는 Raw 원문, Parent 조합 노트, HTML 연구 노트 결과물로 단계별 분리된다 [125:11] [2:04:51]

62. 옵시디언의 목적은 기록보다 연결과 조합

옵시디언의 역할은 단순 기록이 아니라 아이디어를 연결하고 조합해 새로운 아이디어를 만드는 데 있다 [126:32] [2:06:41]
노트를 생성일순으로 둘지 가나다순으로 둘지 같은 정렬 방식도 사고 확장에 영향을 준다 [127:04] [2:06:56]

63. 구글 킵 라벨과 장기 기록 도구의 한계

구글 킵은 바이브랩스, 인사이트, 아이디어, 책 속 문장, 글감 같은 라벨로 나뉜다 [128:18] [2:08:34]
10년 넘게 쌓인 구글 킵 기록은 쉽게 버리기 어렵고 서비스 발전에 대한 기대도 남아 있다 [129:09] [2:08:49]

64. 노션·옵시디언 병행과 구글 킵 업데이트의 불완전함

구글 킵은 책 문장 기록에 계속 쓰이고 노션도 인박스·싱커 노트·라이터 노트 구조로 병행된다 [130:18] [2:11:00]
노션에도 연구 노트와 비슷한 구조가 있지만 현재 중심 도구는 옵시디언으로 옮겨져 있다 [131:18] [2:11:05]

65. 서식 기능보다 자동 저장 확장과 신청 안내가 중심이다

구글 킵의 새 서식 기능은 노트 포맷을 꼬이게 할 수 있어 활용성이 낮다고 평가한다 [146:32] [2:12:11]
신청서에는 이름, 닉네임, 이메일만 입력하면 되고 방송 이후 크롬 확장 자료가 전달된다 [146:47] [2:13:05]

66. 매트릭스는 두 축의 교차점에서 생각을 구체화한다

바이브랩스 빌더 멤버십 6월 프로그램으로 매트릭스 도구가 묶인다 [147:32] [2:14:21]
매트릭스는 X축과 Y축을 통해 고통, 페인포인트, 사고 과정을 구조화한다 [147:47] [2:14:49]

67. AI 리서치와 기능 계층으로 프로젝트 구조를 확장한다

매트릭스의 각 아이디어는 키미 CLI, 클로드 코드, 코덱스 같은 AI 도구로 리서치해 구체화할 수 있다 [148:32] [2:16:33]
프로젝트에서는 한 축을 공정, 다른 축을 기능으로 두어 작업 대상을 나눌 수 있다 [148:47] [2:16:48]

68. 노드 추가와 공정 축이 구현 범위를 시각화한다

UI 컴포넌트 아래에 로그인, 로그아웃 화면 같은 하위 노드를 추가해 기능 구조를 세분화한다 [149:32] [2:18:09]
공정 축에는 요구 사항 분석, 설계, 구현, 테스트, 배포, 유지보수가 계속된다 [149:47] [2:19:16]

69. 작업 순서와 무한 캔버스가 프로젝트 관리로 연결된다

매트릭스 안에서는 영상 업로드 흐름과 AI 생성 요건 자동화 설계를 작업 흐름으로 정의할 수 있다 [150:32] [2:20:33]
오른쪽 작업 순서에는 요구 사항 분석, 설계, 구현, 테스트가 단계별로 압축된다 [150:47] [2:20:48]

70. 간트 차트와 발상 기능이 일정·콘텐츠 기획으로 확장된다

작업 흐름에 시작일과 종료일을 지정하면 간트 차트 날짜가 업데이트된다 [151:32] [2:22:08]
매트릭스는 일정 관리뿐 아니라 프레젠테이션과 콘텐츠 기획 도구로 확장될 수 있다 [151:47] [2:22:23]

71. 키미 API와 자동 생성 도구 배포 계획

키미 구독자는 키미 API 코드를 생성해 별도 CLI 없이 자동 생성 기능을 활용할 수 있다 [152:32] [2:24:08]
바이브립 유튜버 빌더 멤버십 이용자에게 6월 중 도구와 소스 코드가 배포될 예정이다 [152:47] [2:24:16]

72. 매트릭스 기반 아이디어 조합과 콘텐츠 주제 생성

평소 생각이나 욕구를 글과 구조로 바꾸면 막연한 아이디어를 더 명확히 다룰 수 있다 [153:17] [2:24:31]
키미는 입력 주제에 대해 x축과 y축 조합을 여러 관점으로 제안한다 [153:32] [2:25:50]

73. AI 리서치와 사고 확장 파이프라인

선택한 주제에서 키미 리서치를 실행하면 리서치 결과가 본문에 삽입된다 [154:17] [2:27:50]
저장 후 다시 열면 리서치한 내용이 주제 안에 들어가 유튜브 콘텐츠 제작 재료가 된다 [154:32] [2:27:54]

74. AI 활용의 초점은 경쟁력과 수익화로 이동

AI를 쓰지 않겠다는 태도보다 자신의 분야에 접목하고 수익화 모델을 만드는 방향이 중요하다 [155:17] [2:31:20]
AI 공부의 목적은 사업화, 회사 내 경쟁력, 개인 성과와 연결된다 [155:32] [2:31:29]

75. 바이브 코딩 환경에서는 맥의 안정성과 접근성이 유리

바이브 코딩 환경에서는 많은 제품이 맥을 우선 지원해 맥이 추천된다 [156:17] [2:32:04]
윈도우에서도 컴퓨터 유즈가 가능하지만 설정 편의성과 안정성은 맥이 더 낫다고 본다 [156:32] [2:32:36]

76. 로컬 모델의 한계와 확장 도구 설치 안내

매트릭스는 사용 분야에 맞게 축을 정의하고 자식 항목을 무한히 추가하거나 숨기며 편집할 수 있다 [157:17] [2:32:51]
윈도우는 블루스크린과 업데이트 후 오류 등 불안정성이 있어 맥이 더 안정적이라고 평가된다 [157:32] [2:33:51]

77. 옵시디언의 장점은 속도와 직접 확장 가능한 구조다

오픈소스 스킬이나 유료 도구를 쓰는 이유는 이미 다듬어진 기능을 활용해 작업 부담을 줄이기 위해서다 [158:47] [2:36:15]
설문 폼을 작성하면 크롬 확장과 스파크 싱킹 파이프라인 코드가 제공된다 [159:02] [2:36:33]

78. 그래프 뷰보다 실제 연결 상태와 AI 기반 구축 속도가 중요하다

그래프 뷰는 핵심 기능이라기보다 고립 노트와 연결 상태를 확인하는 보조 기능에 가깝다 [159:47] [2:37:54]
예전에는 옵시디언 환경 구축이 번거로웠지만 AI가 플러그인과 구조 생성을 빠르게 도와준다 [160:02] [2:38:32]

79. 헤르메스·오픈클로와 옵시디언 볼트는 함께 쓸 수 있다

옵시디언은 오픈클로와 병행해 사용할 수 있고 특정 폴더 접근 방식으로 콘텐츠 작업에 활용될 수 있다 [160:49] [2:40:23]
헤르메스와 오픈클로도 특정 볼트 폴더를 바라보게 설정하면 연구 노트 작성과 관리에 참여할 수 있다 [161:29] [2:41:29]

80. 제텔 커넥트는 로컬 LLM과 메타 정보를 활용해 빠르게 검색한다

유튜브에서 공유된 워크플로우를 바탕으로 클로드 코드에 비슷한 구조 생성을 요청할 수 있다 [161:52] [2:42:00]
제텔 커넥트는 로컬 LLM을 사용하고 제목, 태그, 속성 메타 정보를 우선 활용해 검색 속도를 높인다 [162:12] [2:42:12]

81. 무료 배포 자료와 멤버십 자료가 함께 운영된다

키미를 생성하는 단계부터 확장하면 제텔카스텐 철학에 맞는 폴더 구조를 만들 수 있다 [163:10] [2:43:10]
제텔 커넥트는 홈페이지에서 무료로 받을 수 있고 압축을 풀면 기본 작업 환경이 자동 구축된다 [163:20] [2:43:20]

82. 멤버십 접근 방식과 다음 라이브 이벤트 공지

빌더 멤버십 가입자는 게시물의 접속 코드를 입력해 현재와 이전 달 프로그램에 접근할 수 있다 [167:17] [2:47:17]
일반 멤버십 구독자에게도 전용 영상이 업로드되고 일부 영상은 프리미엄 형태로 먼저 제공된다 [167:32] [2:47:32]

83. 라이브·북토크·자료 업데이트 안내

다음 주 수요일 라이브는 AI 시대 입문학의 역할을 주제로 예정되어 있다 [168:01] [2:48:02]
출판사 주관 오프라인 북토크가 예정되어 있으며 장소와 일정 확정 뒤 안내가 이어질 계획이다 [168:29] [2:48:29]

84. 노션과 옵시디언 선택 기준은 접근성과 즉시성에서 갈린다

정보 가공·저장 도구로 노션과 옵시디언 중 무엇을 쓸지에 절대 기준은 없다고 보여준다 [169:28] [2:49:33]
노션은 웹과 휴대폰에서 바로 접속할 수 있어 언제 어디서나 쓰기 쉬운 접근성이 장점이다 [170:30] [2:50:34]

85. 노션 AI는 아이디어 정리에서 초보 코딩까지 확장된다

노션 AI 구독 환경에서는 여러 모델을 거의 무제한에 가깝게 활용할 수 있어 아이디어 단계의 토큰 부담이 줄어든다 [171:35] [2:53:59]
노션 AI에서도 코딩이 가능하고 제품 방향은 코딩 기능을 포함하는 환경으로 확장되는 쪽에 가깝다 [171:51] [2:54:04]

86. 노션의 생성 결과와 개인화는 예상보다 강하게 작동한다

노션에서 만든 포트폴리오 코드가 클릭 가능한 HTML 페이지처럼 열리는 결과를 보여준다 [174:31] [2:55:31]
간단한 웹페이지 초안이나 와이어프레임은 노션에서 바로 처리할 수 있는 수준에 도달했다 [174:58] [2:55:46]

87. 노션 기반 제텔카스텐과 플랫폼 장단점

제텔카스텐도 노션으로 구현할 수 있으며 노션만의 장점을 활용한 지식 관리가 가능하다 [176:26] [2:56:37]
노션의 단점은 느린 속도이고 장점은 모바일·웹·데스크톱 어디서든 데이터에 접근할 수 있다는 점이다 [176:37] [2:56:45]

88. 캘린더·메일·뉴스레터까지 확장되는 노션 생태계

영문 페이지는 한국어 번역 버튼으로 자동 번역할 수 있어 자료 수집 부담이 줄어든다 [177:43] [2:57:46]
노션은 일정 관리와 구글 캘린더 연동까지 제공하며 개인 일정 관리 흐름을 흡수한다 [177:54] [2:58:13]

89. 클리퍼와 저장 자동화는 직접 만든 확장으로 통합할 수 있다

바이브 코딩으로 자체 플랫폼을 만들 가능성은 있지만 이메일 발송은 Resend 같은 전용 플랫폼이 필요하다 [180:03] [3:01:12]
웹 데이터는 옵시디언 웹 클리퍼로 저장하고 노션은 Save to Notion 플러그인으로 저장하는 조합을 사용한다 [180:52] [3:01:27]

90. 이메일 발송 쿼터와 라이브 종료 안내

Resend 무료 요금제는 한 번에 약 100명, 한 달 총 3천 통 수준의 발송 제한이 있다 [182:01] [3:02:40]
20달러 구독에서는 한 달 5만 건 발송이 가능하며 데일리 리밋 없이 월 쿼터를 소진하는 구조라고 설명하며 라이브를 마무리한다 [182:36] [3:03:03]

🧾 결론

이 영상의 결론은 옵시디언을 “예쁜 메모 앱”이나 “그래프 뷰가 있는 노트 앱”으로 보는 관점에서 벗어나, 생각을 연결하고 조합해 새로운 글과 연구 노트로 발전시키는 시스템으로 봐야 한다는 것이다.
제텔카스텐의 가치는 많은 노트를 저장하는 데 있지 않고, 비슷한 생각을 가까이 두고, 출처와 자기 견해를 함께 남기며, 시간이 지나도 다시 꺼내 쓸 수 있는 지식 덩어리를 만드는 데 있다.
AI 시대의 옵시디언 활용은 자동화 자체가 목적이 아니라, 사람이 남긴 짧은 생각과 독서 메모를 AI가 확장·연결·정리하도록 해 더 깊은 사고와 창작으로 이어지게 만드는 방향에 가깝다.
노션과 옵시디언은 절대적인 우열보다 사용 목적에 따라 갈린다. 노션은 접근성과 통합 생산성에 강하고, 옵시디언은 빠른 로컬 환경, 마크다운 기반, 직접 확장 가능한 플러그인 구조에 강점이 있다.
결국 중요한 것은 어떤 도구를 쓰느냐보다, 짧은 메모를 꾸준히 남기고, 자기 생각을 붙이고, 기존 노트와 연결하며, 필요할 때 긴 글과 콘텐츠로 전환하는 개인 지식 운용 습관이다.

📈 투자·시사 포인트

개인 생산성 관점에서는 옵시디언, 노션, 구글 킵 같은 도구를 단순 저장소가 아니라 “지식 흐름”의 각 단계로 배치하는 전략이 중요해진다. 즉흥 메모, 출처 메모, 연구 노트, 최종 글쓰기 공간을 구분할수록 장기 활용성이 커진다.
AI 도구 활용의 핵심은 “AI가 알아서 생각하게 하는 것”이 아니라, 사용자가 쌓아 둔 메모와 맥락을 바탕으로 AI가 연결 후보를 좁히고, 사고를 확장하며, 검토 가능한 결과물을 만들게 하는 휴먼 인더루프 구조에 있다.
옵시디언 생태계에서는 제텔 커넥트, Knowledge Metabolism, 크롬 확장, HTML 렌더링 같은 개인 맞춤형 워크플로가 강조된다. 이는 앞으로 노트 앱이 단순 편집기를 넘어 개인 지식 자동화 플랫폼으로 확장될 가능성을 시사한다.
콘텐츠 제작자나 지식 노동자에게는 짧은 문장 하나를 13가지 사고 도구, 기존 노트 연결, 리서치, 매트릭스 조합을 통해 여러 개의 글감과 연구 노트로 확장하는 방식이 중요한 경쟁력으로 제시된다.
검증이 필요한 부분은 AI가 생성한 연구 노트와 외부 리서치 결과다. 영상에서는 AI가 웹서치와 논문·기사 연결을 통해 사고 과정을 남기는 흐름을 보여주지만, 최종 주장으로 사용하려면 출처 원문과 근거의 정확성을 별도로 확인해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

안드레 카파시의 “LLM 위키” 논의가 옵시디언 재부상의 직접적 원인이라는 설명은 영상 내 주장으로 제시되지만, 실제 사용자 증가나 콘텐츠 확산과의 인과관계는 별도 자료로 확인이 필요하다.
제텔 커넥트가 몇 만 개 규모의 노트에서도 빠르게 검색할 수 있을 것이라는 내용은 가능성 또는 기대에 가깝게 언급되므로, 실제 성능은 노트 수, 메타데이터 품질, 로컬 LLM 환경에서 검증해야 한다.
키미 코드, 클로드 코드, 코덱스, 제미니 등 CLI 기반 AI 도구가 옵시디언 지식 관리 자동화에 유용하다는 흐름은 제시되지만, 각 도구별 설치 조건·비용·성능 차이는 영상만으로 확정하기 어렵다.
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

옵시디언을 단순 메모 저장소가 아니라 “연결과 조합을 위한 지식 시스템”으로 쓸지 먼저 목적을 정한다.
새 볼트를 만들기 전에 플리팅 노트, 리터러처 노트, 퍼머넌트 노트의 역할을 구분하고, 자신에게 맞는 폴더 구조를 설계한다.
책·논문·기사·영상에서 가져온 문장에는 원문만 저장하지 말고, 짧은 자기 견해와 출처를 함께 남긴다.
기존 노션, 구글 킵, 독서 메모, 프로젝트 기록 등 이미 쌓인 자료를 옵시디언 지식 시스템의 초기 맥락으로 활용할 수 있는지 점검한다.

❓ 열린 질문

옵시디언을 개인 지식 시스템으로 쓸 때, 어느 정도까지는 사람이 직접 연결하고 어느 시점부터 AI에게 연결 후보 추천을 맡기는 것이 적절할까?
제텔카스텐의 포겔제텔 인덱싱은 디지털 환경에서도 여전히 핵심 구조가 될까, 아니면 태그·검색·임베딩 기반 연결이 더 실용적일까?
노션에 이미 많은 데이터가 쌓인 사용자는 옵시디언으로 옮기는 편이 나을까, 아니면 노션 안에서 제텔카스텐식 구조를 만드는 편이 나을까?