The Agentic OS Setup That Will 10x Claude Code

🖼️ 인포그래픽

The Agentic OS Setup That Will 10x Claude Code 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Agentic OS Setup의 핵심은 Claude Code를 화려한 대시보드로 꾸미는 것이 아니라, 반복 업무를 skill·automation·memory·loop로 구조화해 일관되게 실행하게 만드는 데 있다.

📌 핵심 요점

영상은 agentic OS의 진짜 가치가 Jarvis식 UI나 시각적 대시보드가 아니라, loop engineering, skill architecture, state management, second brain 같은 내부 운영 구조에 있다고 설명한다.
네 단계 중 가장 중요한 기반은 skills와 memory이며, 반복 업무를 재사용 가능한 실행 단위로 만들고 과거 실행 결과를 다음 개선에 활용하는 구조가 대부분의 가치를 만든다고 본다.
첫 단계는 workflow audit이다. 매일·매주 반복하는 research, content, community, sales, agency 업무를 찾아 skill 후보로 바꾸고, 수동 프롬프트 의존도를 낮추는 것이 출발점이다.
skill은 수동 작업 검증, 과거 Claude Code 세션 분석, 사용자 인터뷰를 통해 만들 수 있으며, 반복 실행되는 skill은 이후 automation과 자기개선 loop의 후보가 된다.
Obsidian이나 데이터베이스의 핵심은 앱 자체가 아니라 Claude Code가 탐색하기 쉬운 파일 구조다. index.md, 계층, 연결, vault 규칙, 실행 기록이 있어야 메모리와 상태 관리가 작동한다.

🧩 배경과 문제 정의

agentic OS의 가치는 화려한 대시보드나 Jarvis식 UI가 아니라, 반복 작업을 안정적으로 실행하게 만드는 내부 구조에 있다.
핵심은 Claude Code 안팎에서 재사용할 수 있는 loop engineering, skill architecture, state management, second brain 구성이다.
겉으로는 “멋진 웹앱”처럼 보일 수 있지만, 실제 차이는 반복 업무를 skill·automation·memory로 코드화하는 데서 만들어진다.
개인의 Claude Code 활용이 일상 업무, 팀 운영, 클라이언트 작업으로 확장되려면 수동 프롬프트를 줄이고, 재사용 가능한 실행 단위로 전환해야 한다.

🕒 시간순 섹션별 상세정리

agentic OS의 가치는 보이는 UI보다 내부 구조에 있다

agentic OS의 핵심은 화려한 화면이 아니라 loop engineering, skill architecture, state management, second brain처럼 내부에서 작동하는 구조다 [00:20]
사용자 작업 방식에 맞춘 일관된 맞춤형 제품을 만드는 능력은 Claude Code의 다른 프로젝트에도 그대로 확장된다 [00:35]

네 개 레벨 중 skills·memory가 대부분의 가치를 만든다

첫 번째 레벨은 backbone으로, 반복 작업을 skill이나 automation으로 코드화해 일관되게 실행 가능한 단위로 만드는 단계다 [01:50]
두 번째 레벨은 memory와 state control로, Obsidian이나 데이터베이스의 정보를 다음 반복 개선에 활용하는 단계다 [02:03]

workflow audit으로 반복 업무를 skill 후보로 바꾼다

level one은 workflow audit, skill creation, automation, loop engineering으로 이어지는 흐름이다 [04:26]
먼저 매일·매주 반복해서 필요한 output을 명확히 해야 skill로 만들 후보를 찾을 수 있다 [04:49]

skill 생성은 수동 작업 검증과 과거 세션 분석으로 확장된다

이미 알고 있는 task를 Claude Code에 설명한 뒤 skill creator skill로 변환하는 방식이 가장 직접적이다 [06:49]
이상적으로는 사람이 먼저 수동으로 작업해 결과를 검증하고, 그 검증된 과정을 skill로 바꾸는 것이 좋다 [07:04]

인터뷰 방식은 일상 업무 맥락을 skill과 automation 후보로 만든다

Claude Code가 사용자를 인터뷰하게 하면 day-to-day와 week-to-week 업무에서 반복 task와 blind spot을 끌어낼 수 있다 [08:59]
목표는 업무 맥락, 원하는 outcome, 반복 task를 충분히 드러내고 이를 skill 및 automation 후보로 정리하는 것이다 [09:31]

반복 skill은 automation과 loop engineering으로 계속된다

skill 생성은 첫 번째 layer일 뿐이며, 반복 실행되는 skill은 automation으로 전환할 후보가 된다 [10:57]
수동 task가 skill로 코드화되면 다음 판단은 “이 skill을 automation으로 만들 수 있는가”가 된다 [11:12]

스킬·자동화 이후에는 자기개선 루프와 상태 관리가 필요해진다

skill을 automation으로 바꾼 뒤에는 특정 자동화에 자기개선 루프를 붙일 수 있는지가 중요해진다 [12:03]
skill과 automation의 기반이 있으면 loop engineering을 통해 반복 작업을 계속 개선하는 구조로 확장할 수 있다 [12:18]

Obsidian의 가치는 앱 자체보다 Claude Code가 읽기 쉬운 파일 구조에 있다

상태와 메모리 단계는 Obsidian을 예시로 설명하지만, 같은 구조는 데이터베이스나 다른 파일 시스템에서도 구현할 수 있다 [13:35]
핵심은 Obsidian 앱이 아니라 Claude Code가 일관되게 접근할 수 있는 coherent file structure다 [13:57]

파일 구조는 Claude Code의 탐색 비용과 답변 정확도를 좌우한다

vault 안에 폴더와 파일이 많을수록 Claude Code가 빠르게 찾을 수 있는 연결, 계층, 탐색 경로가 필요하다 [15:47]
backlink나 hierarchy 없이 파일만 쌓이면 답을 찾기 어려워지고, 속도 저하와 토큰 비용 증가가 발생한다 [16:25]

Carpathy식 Obsidian RAG 구조는 raw·wiki·outputs로 정보 흐름을 나눈다

Carpathy식 Obsidian 지식 베이스는 primary vault 아래 raw, wiki, outputs를 두어 LLM이 정보 흐름을 빠르게 이해하게 한다 [17:20]
raw에는 기사나 리서치 자료 같은 비정형 데이터가 들어가고, wiki에는 이를 구조화한 Wikipedia식 문서가 들어간다 [17:47]

index.md는 각 폴더를 Claude Code가 읽을 수 있는 지도로 만든다

핵심은 raw·wiki·outputs라는 이름보다 각 계층에 index.md를 두어 Claude Code가 현재 위치와 다음 경로를 알게 하는 것이다 [19:22]
최상위 index.md는 각 폴더의 역할을 설명하고, AI agents 관련 정보를 찾을 때 wiki로 바로 이동하게 만든다 [19:59]

맞춤형 vault 규칙과 실행 기록은 loop engineering의 기반이 된다

데이터 구조와 목표는 사람마다 다르기 때문에 raw·outputs 같은 폴더 이름을 그대로 따를 필요는 없다 [21:13]
핵심은 Claude Code가 작업 맥락을 이해할 수 있도록 자신에게 맞는 지도 구조를 설계하는 것이다 [21:28]

버튼형 자동화가 Claude Code의 사용 장벽을 낮춘다

automation과 skill이 단일 버튼으로 바뀌면 inbox brief 같은 작업을 클릭 한 번으로 대기열에 넣을 수 있다 [24:11]
Claude는 받은편지함을 처리해 초안과 중요 항목을 만들고, 사용자는 터미널 프롬프트를 직접 다루지 않아도 된다 [24:26]

Obsidian과 웹 대시보드가 맞춤형 command center가 된다

inbox brief 버튼을 누르면 전체 작성물이 열리고, 같은 결과물은 Obsidian에서도 확인할 수 있다 [25:30]
자동화 결과와 지식 저장소가 연결되면서 Obsidian은 단순한 노트 앱을 넘어 command center 역할을 하게 된다 [25:45]

Obsidian 플러그인과 headless Claude Code가 버튼 실행을 가능하게 한다

Obsidian 버전은 플러그인 시스템 위에서 동작하는 앱에 가깝다 [26:53]
웹 앱을 Obsidian 플러그인 버전으로 바꾸면 설치 후 Obsidian 안에서도 같은 기능을 실행할 수 있다 [27:08]

배포는 웹이 쉽고, 장기 가치는 초기 두 레벨에 집중된다

level 3의 가치는 터미널이나 데스크톱 앱에 묶이지 않고 원하는 인터페이스를 직접 만들 수 있다는 customization에 있다 [28:25]
level 4는 그 인터페이스를 팀원이나 클라이언트에게 배포하는 distribution 단계이며, 핵심은 먼저 초기 두 레벨을 제대로 구축하는 데 있다 [28:40]

웹 배포는 팀원에게 Claude Code의 힘을 낮은 진입장벽으로 전달한다

웹 앱을 팀원에게 넘기면 여러 skill에 묶인 기능을 한 번의 클릭으로 사용할 수 있어 Claude Code를 직접 세팅하지 않아도 비슷한 효과를 낸다 [28:55]
웹 기반 인터페이스는 GitHub 저장소나 zip 폴더로 전달해 실행시키기 쉬워 Obsidian 버전보다 배포가 단순하다 [29:16]
Obsidian Command Center를 팀원에게 제공하려면 직접 설정해 주는 손길이 더 필요하고, 단순히 저장소를 클론하게 하는 방식만큼 직관적이지 않다 [29:39]

AIOS의 핵심 가치는 첫 두 레벨의 반복성·기억·상태 관리에 있다

클라이언트나 비기술 사용자에게는 터미널과 데스크톱 앱도 큰 장벽이 될 수 있어, 버튼과 음성 중심의 대시보드가 기술 도구를 받아들이는 방식을 바꾼다 [30:20]
level 3과 4는 AIOS의 cherry on top에 가깝고, 대부분의 힘과 시간은 skill과 loop engineering이 있는 첫 두 레벨에 투자해야 한다 [30:39]
중요한 질문은 Claude Code가 매번 같은 일을 일관되게 수행하고, 그 기록을 통해 참조와 개선이 가능한 second brain을 만들 수 있느냐다 [30:52]
이 구조를 이해하면 AIOS의 작동 방식, 가치가 있는 지점, 직접 만들 수 있는 방법이 더 분명해진다는 결론으로 영상을 마무리한다 [31:16]

🧾 결론

이 영상의 결론은 “agentic OS를 만든다”는 말이 멋진 화면을 만드는 일이 아니라, 개인과 팀의 반복 업무를 코드화하고 재사용 가능한 workflow로 바꾸는 일이라는 점이다.
Claude Code를 더 강력하게 쓰려면 매번 프롬프트를 새로 쓰는 방식에서 벗어나, 자주 하는 일을 skill로 정의하고 automation으로 연결해야 한다.
Obsidian 기반 second brain은 단순한 노트 저장소가 아니라, Claude Code가 과거 작업·지식·산출물을 찾아 다음 작업에 반영하게 하는 상태 관리 레이어로 제시된다.
UI, 버튼, 음성 명령, 웹앱 래퍼는 후반부의 확장 단계이며, 영상은 장기 가치가 먼저 skills, automation, memory, state 구조를 제대로 잡는 데 있다고 강조한다.
검증이 필요한 내용으로는 claude -p 비용 처리 방식처럼 영상에서 “논란이 있었지만 현재는 Max 플랜처럼 동작한다”고 언급된 부분이 있으며, 실제 과금 정책은 최신 공식 문서 확인이 필요하다.

📈 투자·시사 포인트

시간 투자 관점에서는 “새로운 AI 툴을 더 많이 쓰는 것”보다, 자신이 반복하는 업무를 audit하고 skill repository로 축적하는 작업의 효율성이 더 커질 수 있다.
조직 관점에서는 Claude Code를 잘 쓰는 개인의 노하우를 버튼형 workflow와 shared Obsidian 구조로 바꾸면, 비기술 팀원이나 클라이언트에게도 동일한 작업 방식을 배포할 수 있다.
생산성 도구 시장에서는 단순 챗봇 UI보다 memory, workflow automation, file structure, execution history를 묶는 개인화된 command center의 가치가 커질 가능성이 있다.
실무 적용 시에는 처음부터 웹앱이나 대시보드를 만들기보다, 반복 업무 목록화 → skill화 → 자동화 가능성 판단 → 실행 기록 저장 → loop 개선 순서로 투자하는 편이 더 현실적이다.
리스크는 구조 없이 파일과 자동화만 늘어날 때 발생한다. index.md, vault convention, navigation rule 같은 탐색 지도가 없으면 Claude Code의 속도와 정확도가 떨어지고 토큰 비용도 커질 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

“skills와 memory 두 레벨이 AIOS 가치의 약 90%를 차지한다”는 설명은 영상 내 화자의 판단으로 제시되며, 별도의 측정 기준이나 검증 데이터는 함께 제시되지 않는다.
claude -p 실행 비용이 현재 Max 플랜에서 처리된다는 언급은 영상 시점의 설명이므로, 실제 과금 방식은 Claude Code/Anthropic의 최신 정책으로 별도 확인이 필요하다.
Claw Desktop routines, Obsidian 플러그인, headless Claude Code 호출 방식은 개념과 사용 흐름 중심으로 설명되며, 구체적인 설치 조건·권한·환경별 제약은 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

최근 Claude Code 사용 기록을 기준으로 매일·매주 반복해서 요청한 작업을 domain별로 정리한다.
반복 작업마다 원하는 output 형식, 성공 기준, 입력 자료, 수동 수행 절차를 적어 skill 후보 목록을 만든다.
바로 자동화하지 말고, 먼저 사람이 수동으로 수행해 결과 품질이 충분한지 확인한 뒤 skill로 변환한다.
최근 3개, 5개, 10개 세션을 분석해 실제로 반복된 task와 아직 skill화되지 않은 task를 표로 추출한다.

❓ 열린 질문

지금 가장 먼저 skill로 바꿔야 할 반복 업무는 research, content, community, agency, sales 중 어느 domain에 속하는가?
자동화할 가치가 있는 작업과 사람이 계속 검토해야 하는 작업을 어떤 기준으로 나눌 것인가?
second brain에는 원문 자료, 구조화된 wiki, 최종 outputs, 실행 로그를 각각 어떤 폴더 구조로 저장하는 것이 가장 적합한가?