Logseq과 Claude Code를 활용한 LLM 기반 지식 그래프 자동 구축 시스템

Context

개별적으로 산재한 노트와 일기 형태의 비정형 데이터를 체계적인 지식 베이스로 전환하는 과정에서 발생하는 수동 관리의 한계점 분석. 기존 Outliner 기반 도구의 파편화된 정보 연결 구조를 LLM의 추론 능력을 통해 자동화된 Wiki 형태로 정형화하려는 시도.

Technical Solution

• .claudeignore 설정을 통한 API 전송 데이터 제어로 민감 정보 유출 방지 및 Token 비용 최적화
• SKILL.md 기반의 9가지 특화 Skill 정의를 통한 Claude Code의 동작 제어 및 Logseq 전용 문법(title, block-refs) 적용
• Grep 우선 탐색 후 Read를 수행하는 최적화된 Primitives 적용으로 LLM Context Window 효율성 극대화
• _manifest.json 및 _log.md를 통한 시스템 상태 추적 및 증분 업데이트(Incremental Update) 메커니즘 구현
• 개념의 파편화를 방지하기 위해 3개 이상의 소스에서 언급된 개념만 독립 페이지로 생성하는 Granularity Threshold 설계
• wiki/contradictions/ 경로와 Frontmatter Flag를 통한 데이터 충돌 감지 및 수동 리뷰 프로세스 구축