LLM Wiki 입문 가이드

안드레 카르파시가 제안한 LLM Wiki, 파편화된 지식을 AI 에이전트가 정원사처럼 가꿔주는 시스템입니다. 옵시디언 볼트 위에서 Raw → Wiki → Query 흐름으로 나만의 지식 베이스를 구축하는 과정을 처음부터 끝까지 실습합니다. 도구보다 중요한 건 결국 쓰는 사람의 도메인 지식이라는 점, 꼭 기억하세요.

링크 : https://gist.github.com/karpat....hy/442a6bf555914893e

[도서 구매][Yes24] : https://www.yes24.com/product/goods/183530330
[도서 구매][교보] : https://product.kyobobook.co.k....r/detail/S0002195189
오픈카톡방 : https://open.kakao.com/o/ggK7EAJh

타임라인
0:00 인사 및 LLM Wiki에 관심을 갖게 된 이유
1:06 오늘 영상의 구성과 사전 안내
1:53 10시간 써보고 느낀 점, 도구보다 지식이 중요하다
3:13 LLM Wiki 핵심 개념 — 컨텍스트가 날아가는 문제 해결
4:05 정원사 비유로 이해하는 LLM Wiki 작동 원리
4:57 구조(Raw, Wiki, Schema)와 명령(Ingest, Query, Lint) 정리
8:31 Ingest·Query·Lint 각 명령의 역할 상세 설명
10:18 실습 시작 — 옵시디언 설치부터 볼트 생성까지
16:30 터미널 플러그인 설치 및 에이전트 실행 세팅
18:22 카르파시 원문 문서로 위키 스캐폴딩 구축하기
20:46 Ingest·Query·Lint를 스킬화해서 재사용성 높이기
23:10 자동차 지식을 Raw에 모으고 Ingest 실행하기
31:44 위키 구조 확인 — 엔티티·컨셉·소스 분류 결과
33:24 옵시디언 그래프 뷰로 지식 연결 시각화하기
35:01 Query로 내가 쌓은 지식 안에서 답변 받기
35:33 Lint로 위키 상태 점검 및 가드닝 진행
37:14 실전 적용 — 블로그 웹 인터랙션 개선 사례
39:55 마무리 및 입문자를 위한 조언

오늘 다룬 내용
- 안드레 카르파시의 LLM Wiki 개념과 정원사 비유
- 구조 세 가지(Raw, Wiki, Schema)와 명령 세 가지(Ingest, Query, Lint)
- 옵시디언 볼트 기반 위키 시스템 처음부터 세팅하는 방법
- Codex 에이전트로 스캐폴딩 구축 및 스킬화 과정
- 파편화된 지식을 모아서 위키화하고 쿼리하는 실습 흐름
- 관심사별 볼트 분리가 쿼리 품질에 미치는 영향
- 쌓은 지식 체계를 실제 블로그 개선에 적용한 사례

#LLMWiki #안드레카르파시 #옵시디언 #Obsidian #지식관리 #AI에이전트 #Codex #개인위키 #지식베이스 #PKM #RAG #위키시스템 #AITools #가드닝 #디지털정원 #프롬프트엔지니어링 #생산성 #AI활용 #클로드코드 #코딩