Markdown 기반 LLM Wiki 구조를 통한 비정형 데이터의 정형화된 지식 베이스 구축

I repurposed Karpathy's LLM Wiki for product discovery. It worked surprisingly well.

Kat Laszlo2026년 4월 27일2분beginner

AI 요약

Context

다수의 고객 인터뷰 전사본에서 User Story를 추출하고 우선순위를 지정하는 수동 워크플로우의 높은 공수와 휴먼 에러 발생 문제. 기존의 파편화된 데이터 관리 방식으로는 데이터 간의 연결성 확보와 추적 가능성 유지가 어려움.

Raw(입력), Wiki(출력), Schema(규칙)의 3계층 구조 설계를 통한 데이터 무결성 확보
Immutable Input 원칙을 적용한 Raw 데이터 보존 및 LLM 기반의 증분 업데이트(Incremental Update) 로직 구현
Markdown 파일 시스템을 활용한 No-DB/No-Hosting 아키텍처 설계로 인프라 복잡도 제거
Obsidian Graph View 연동을 통한 User Story와 Customer Quote 간의 양방향 추적성(Traceability) 확보
CLAUDE.md 파일을 통한 에이전트 동작 스키마 정의로 LLM의 일관된 데이터 추출 및 합성 유도
고객-스토리-피처로 이어지는 계층적 폴더 구조 설계를 통한 정성적 데이터의 정형화

실천 포인트

1. 비정형 데이터 분석 시 DB 도입 전 Markdown 기반의 파일 시스템으로 POC 수행 검토

2. LLM 에이전트의 일관성을 위해 외부 설정 파일(Schema)을 통한 명확한 가이드라인 제공

3. 데이터 소스와 분석 결과 간의 연결 고리를 유지하여 결과물에 대한 근거(Evidence) 추적 체계 구축

태그