지식이 쌓이는 원리

My Knowledge Café는 개인 지식 관리 에이전트입니다. 자체 AI 모델을 제공하지 않고, 사용자가 OpenAI·Anthropic 등의 API 키를 직접 등록해 쓰는 구조입니다 — AI 사용료는 사용자가 고른 제공자에게 직접 청구되며, 앱이 중개하지 않습니다.

한 문장: 원본은 그대로 두고, 대화·자료에서 위키를 자동으로 길러내며, 문서들을 관계 그래프로 잇는다.

이 앱의 지식 축적 방식은 Andrej Karpathy가 제안한 LLM Wiki 개념에서 출발했습니다. 원문: gist.github.com/karpathy/442a6bf…

1. 세 가지 문서 종류

모든 것이 하나의 “문서”지만, 성격이 다른 세 종류로 나뉩니다.

핵심 원칙: 원본은 절대 수정하지 않습니다. 지식은 원본을 근거로 위키에서 자랍니다.

2. 원본을 등록하면 무슨 일이 일어날까

논문 PDF 한 편을 등록하는 과정으로 따라가 보겠습니다.

1. 원본 파일이 그대로 보존됩니다. PDF는 관리 저장소에 원본 그대로 복사되어 등록되고, 이후 앱은 이 파일을 수정하지 않습니다 — 언제 열어도 처음 그 논문 그대로입니다.
2. AI가 원본을 읽어 ‘스크랩’합니다. 핵심(주제·개념·저자·방법·결론)을 파악합니다. 이때도 원본 본문은 건드리지 않습니다.
3. 위키 문서가 만들어집니다. 논문에 처음 등장한 개념·방법·저자마다 각각의 위키 문서가 생깁니다(한 문서 = 하나의 대상). 이미 관련 위키가 있으면 그 문서를 갱신합니다.
4. 문서들이 서로 연결됩니다. 새 위키는 이 논문 원본에 ‘출처’로 연결되고, 관련 위키끼리도 근거·관련으로 이어집니다 → 나중에 “이 내용, 어느 논문에서 왔지?”를 관계로 되짚을 수 있습니다.
5. 정리 상태가 표시됩니다. “정리 필요” → “정리 중” → “최신”으로 진행됩니다(§6).

원본 = 바꾸지 않는 사실 보관소. 스크랩·요약·재구성은 전부 위키에서 일어나고, 원본은 인용·검증의 근거로 그대로 남습니다. 답변에 “○○ 논문” 근거가 표시되면 그 원본을 열어 원문 그대로 확인할 수 있습니다.

3. 축적의 핵심 — 팬아웃(fan-out)

자료 하나가 들어오면 그것으로 끝이 아니라 여러 위키 문서와 관계로 퍼집니다. (원본 1개 → 위키 N개 + 관계 M개)

1. 원본을 읽고 핵심을 파악합니다. (원본은 건드리지 않음)
2. 그 자료가 건드리는 기존 위키를 찾아 갱신합니다.
3. 처음 등장한 개념·사람·프로젝트마다 새 위키 페이지를 만듭니다. (summary·태그·폴더 포함)
4. 만들어진 위키를 원본에 ‘출처’로 연결하고, 위키끼리도 관련·근거로 잇습니다.
5. 기존 내용과 모순되면 양쪽에 ⚠️ 모순 표시를 남기고 알립니다.

“대화가 곧 위키가 된다”는 말은, 이 팬아웃이 대화·자료 위에서 계속 도는 것을 뜻합니다.

4. 대화만으로도 쌓입니다

위키는 원본에서만 생기지 않습니다. 대화 자체가 지식이 쌓이는 또 하나의 갈래입니다 — 원본을 넣지 않아도 됩니다.

• 자동으로 — 대화가 이어지면 중요한 내용이 요약·정리되어 위키로 남습니다.
• 요청으로 — “문서로 정리해줘”, “이 결론 기록해줘” 라고 하면 그 자리에서 위키 문서가 만들어집니다.

이때는 원본 없이 대화 자체가 근거입니다. 이렇게 만들어진 위키도 원본에서 나온 위키와 똑같이 취급됩니다 — 검색·인용되고, 관련 문서와 관계로 이어지며, 다음 대화에서 곁으로 따라옵니다.

정리하면 위키는 두 갈래로 자랍니다 — ① 원본 팬아웃과 ② 대화.

5. 관계 그래프 — 문서는 고립되지 않는다

문서들은 관계로 이어져 하나의 그래프를 이룹니다. AI는 관계를 따라 확장하며 여러 문서를 종합합니다.

백링크: 어떤 문서를 가리키는 다른 문서들을 역으로 찾을 수 있습니다. 그래서 문서를 버릴 때 영향(참조 수)을 미리 알려줍니다.

6. 정리 상태 — 유리상자처럼 투명하게

문서가 그래프에 얼마나 엮였는지가 상태로 표시됩니다.

상단 상황판에서 진행 중·정리 필요·완료·오류를 한눈에 보고, 어떤 문서든 다시 정리를 눌러 재실행할 수 있습니다.

7. “문서가 따라오는” 원리 — 벡터 없이

관련 문서가 대화 옆으로 떠오르는 방식은 임베딩(벡터)이 아닙니다. 대신:

• 로컬 전문 검색(FTS) + 관계 그래프 + AI의 도구 사용으로, AI가 지금 맥락에서 관련 문서를 직접 찾아 올립니다.
• 자동으로 오른 문서는 참조 스트립에, 내가 직접 고정한 문서는 핀(작업 문서)으로 최우선 근거가 됩니다.

왜 벡터 대신 이 방식인가: 모두 로컬에서 돌고, AI가 어떤 문서를 왜 읽었는지 추적·설명할 수 있기 때문입니다(근거 표시).

8. AI가 지식베이스를 다루는 방식

AI는 말로 정리한 척하지 않고, 실제 도구를 호출해 지식베이스를 다룹니다. 채팅에는 AI가 읽은 문서(참조 칩)와 만든 문서(정리 완료 카드)가 투명하게 표시됩니다.

• 찾기·탐색: 전문 검색, 문서 읽기, 관계 따라가기, 백링크 조회
• 쓰기: 문서 생성·수정, 문서 연결, 휴지통으로 보내기
• 자료: 첨부 읽기·원본 등록, 웹 검색·본문 가져오기

정리 규칙: 재분류·정리를 이유로 문서를 지우고 새로 만들지 않습니다. 경로·태그만 바꿔 내용 손실 없이 정리합니다. 새 폴더를 함부로 만들지 않고, 관리 규칙과 현재 쓰는 폴더를 우선 재사용합니다.

9. 정리 규약을 내가 정한다

AI의 분류·정리는 문서 관리 규칙(폴더·태그 정책)을 따릅니다.

• 폴더·태그마다 이름과 설명을 달아두면, AI가 의미를 이해해 더 정확히 분류합니다.
• 섹션별 자동 생성 토글로, AI가 새 폴더·태그를 알아서 만들지 여부를 정합니다.

10. 편집 이력과 복원

위키 문서는 편집할 때마다 이력이 남습니다. 잘못 고쳤다면 문서 속성 → 버전 기록에서 이전 버전으로 복원할 수 있습니다. 버린 문서는 삭제되지 않고 휴지통에 모여 언제든 되돌릴 수 있습니다.

11. 잘 쓰는 법 (요약)

• 원본을 먼저 넣으세요. 근거가 있어야 위키가 정확히 자라고, 답을 신뢰할 수 있습니다.
• 관리 규칙(폴더·태그)을 미리 다듬으세요. 팬아웃 분류가 내 체계에 맞춰집니다.
• 작업 중 문서는 핀으로 고정해 AI의 최우선 근거로 삼으세요.
• 본문을 크게 고쳤으면 다시 정리로 관계를 갱신하세요.
• 정리가 목적이면 버리지 말고 폴더·태그만 바꾸세요(내용 손실 0).