LLM과 Obsidian으로 구축하는 자동 유지보수 지식 베이스

Context

방대한 연구 자료의 수동 정리와 유지보수에 과도한 시간 소요. 문서 간 연결성과 구조화 작업의 파편화 발생. LLM을 단순 코드 생성 도구가 아닌 지식 관리 엔진으로 활용하는 전략 필요.

Technical Solution

• Obsidian과 Claude Code가 동일한 로컬 디렉토리를 공유하는 단순 파일 시스템 기반 아키텍처 설계
• raw(원본), wiki(정제), output(결과물)으로 구분된 엄격한 폴더 구조 및 CLAUDE.md를 통한 LLM 행동 지침 규정
• YAML Frontmatter와 [[Double Bracket]] 링크를 활용하여 LLM이 읽고 쓸 수 있는 구조화된 Markdown Wiki 생성
• _index.md에 전체 문서의 한 줄 요약을 유지하여 LLM이 전체 컨텍스트를 빠르게 파악하고 관련 문서로 진입하는 인덱싱 전략 적용
• 신규 문서 추가 시 전체 재빌드 대신 기존 Wiki 내용을 분석하여 필요한 부분만 수정하는 증분 업데이트 방식 채택
• LLM이 Wiki 데이터를 기반으로 비교 분석 보고서나 Marp 슬라이드 등 2차 가공물을 생성하는 파이프라인 구축

Impact

• RAG 없이 약 100개의 문서 및 400K 단어 규모까지 효율적인 지식 관리 가능

Key Takeaway

구조화된 인덱스와 명확한 메타데이터 규칙을 제공하면 LLM이 인간보다 더 정밀하게 지식 간의 연결성을 유지하고 관리할 수 있음.