AI 세컨드 브레인

한 줄 정의

AI 세컨드 브레인은 대규모 지식 노동자 및 개인이 정보의 정적인 저장(Storage)을 넘어, 옵시디언 등의 마크다운 노트 앱과 AI 에이전트를 결합하여 지식을 실시간 대화 상대이자 의사결정을 돕는 동반자로 활용하는 상위 개인 지식 관리(PKM) 체계다.

핵심 요지

지식 구조의 이원화 (Johnny Decimal & PARA): 폴더 깊이를 최대 3단계로 제한하고 조니 데시멀 번호 체계를 PARA(Projects, Areas, Resources, Archives) 구조와 결합하여 AI가 맥락을 빠르게 스캔할 수 있도록 유연한 인바운드 링크 구조를 제공한다.
검색 증강 작성(Retrieval-Augmented Writing)으로의 전환: Andrej Karpathy가 제시한 “LLM Wiki” 패턴에 따라 노트를 읽기 전용 도서관으로 삼는 단순 검색 증강 채팅에서 탈피하여, 에이전트가 백그라운드에서 노트를 편집하고 모순을 해결하는 “잠들지 않는 편집장” 구조로 전환한다.
점진적 컨텍스트 공개 (Progressive Disclosure): 루트 CLAUDE.md로 기본 대화를 가볍게 열고, 하위 프로젝트 진입 시 해당 폴더의 세부 지침을 동적으로 로딩하여 모델의 인지 한계와 토큰 예산 낭비를 막는다.
에이전트 자율 인제스천 (AI-native Ingestion): 사용자가 가공되지 않은 러프한 생각이나 일기, 회의록을 입력하면, 백그라운드 에이전트가 /ingest 및 /compile 파이프라인을 구동하여 지식을 정밀 요약하고 핵심 위키 노트와 상호 위키링크(\[\[노트 제목\]\])로 자동 결합한다.
볼트 접근 권한(Vault Access)과 가드레일: 에이전트에게 디렉터리 읽기/쓰기 권한을 주면 생각의 복리 효과를 유도하는 강력한 강제 기제(Forcing Function)가 작동하지만, 외부 입력 차단과 샌드박싱 등의 가드레일이 수반되어야 한다.
Obsidian은 IDE다. LLM은 프로그래머다. 위키는 코드베이스다. (Obsidian is the IDE. LLM is the developer. The wiki is the codebase.)
RAG의 한계(매번 새로 시작하여 지식이 누적되지 않는 구조)를 Ingest(수집) 단계에서 문서를 선처리해 지식을 결합하는 업스트림 컴파일 방식으로 해결한다.
인간-AI 협업 모델의 3단계 발전: 바이브 코딩(2025년 초) -> 에이전틱 엔지니어링(2026년 초) -> LLM 지식 베이스(2026년 4월).
수집을 담당하며 절대 수정이 허용되지 않는 읽기 전용의 raw/ 영역(기억의 저장고)과, AI 가공 및 결합이 허용되나 절대 원본 데이터를 침범하지 않는 wiki/ 영역(이해의 발현)의 엄격한 이원화 분리를 통해 원천 맥락을 보존한다. (출처: raw/Claude Code와 Obsidian으로 AI 세컨드 브레인 구축하기.md)
지식의 신뢰도 증명을 위해 /query 명령어는 단순히 내용을 요약하는 데 그치지 않고, 참조한 원천 raw/ 파일의 정확한 경로명과 구체적인 텍스트 시작 줄(Line) 번호, 최초 소스 근거를 동반하여 답변을 입증한다. (출처: raw/Claude Code와 Obsidian으로 AI 세컨드 브레인 구축하기.md)
지식 구조의 이원화 (Johnny Decimal & PARA): 폴더 깊이를 최대 3단계로 제한하고 조니 데시멀 번호 체계를 PARA 구조와 결합하여 AI가 맥락을 빠르게 스캔할 수 있도록 유연한 인바운드 링크 구조를 제공한다.
검색 증강 작성(Retrieval-Augmented Writing)으로의 전환: 원문을 상호 연결된 정형 위키로 사전 컴파일한 뒤 위키를 쿼리한다.
점진적 컨텍스트 공개 (Progressive Disclosure): 루트 CLAUDE.md로 기본 대화를 가볍게 열고, 하위 프로젝트 진입 시 해당 폴더의 세부 지침을 동적으로 로딩하여 모델의 인지 한계와 토큰 예산 낭비를 막는다.

상세

1. 지식 연결과 조니 데시멀 & PARA 볼트 구조

다니엘 프린디의 볼트 구조 규칙: 폴더 분류는 최대 3단계 깊이로 제한하고, 조니 데시멀 번호 체계와 PARA 구조를 융합하여 9대 폴더로 지식 베이스를 조직화한다.
- 0. Inbox (또는 Capture): 정리되지 않은 임시 메모 보관소.
- Clippings: 웹 클리퍼로 수집된 모든 원시 노트.
- Attachments: 이미지나 PDF 파일을 프로젝트별 폴더에 보관.
- Admin: 일일 노트, Bases 데이터, 템플릿, 개인 서류 보관소.
- Archive: 완료되었거나 거의 사용하지 않는 지식 백업 폴더.
- References: 독서 기록, 인물 프로필, 장소 정보 등의 참고 자료 모음.
- Zettelkasten: 제텔 ID별 원자적 개념 노트(하위 폴더 없음).
- Projects: 마감이 명확한 현재의 활성 프로젝트.
- Sources: 창작자나 주제별 스크랩 자료.
태깅 및 속성 정형화: 태그와 카테고리는 복수형 및 PascalCase 형식을 취하며, 나만의 태그(예: LogIdeas-, LogJournal-)를 활용한다. 속성 이름은 소문자(tags, aliases), 속성값은 대문자로 통일하여 에이전트의 구문 파싱 일관성을 보장한다.

2. Steph Ango의 에이전트 스킬셋 (kepano/obsidian-skills)

에이전트가 옵시디언 마크다운 구문을 훼손하지 않도록, 옵시디언 CEO Steph Ango는 2026년 초 kepano/obsidian-skills 오픈소스를 공개하여 에이전트에게 옵시디언의 구체적 활용법을 학습시켰다.

obsidian-markdown: 위키링크(\[\[노트\]\]), 콜아웃, 프런트매터, 임베드의 올바른 구현 규칙 정의.
obsidian-bases: 필터, 뷰, 타입을 갖춘 구조화된 데이터 포맷팅 규칙.
json-canvas: 노트 내 시각적 캔버스 파일 생성 및 편집 제어.
obsidian-cli: 명령줄을 통한 볼트 제어.
defuddle: 스크랩된 웹 페이지를 깨끗한 마크다운으로 전처리하여 네비게이션 광고로 인한 토큰 낭비 방지.

3. Claude Code 기반 8가지 커스텀 슬래시 명령어 세트

Claude Code를 볼트 디렉터리에서 구동하고 .claude/commands/ 디렉터리에 슬래시 명령을 마크다운 파일로 등록하여 비개발 지식 노동용 자동화 워크플로우를 완성한다.

/sync: 최근 7일간의 주간 노트, 활성 프로젝트, 마스터 태스크 리스트, Inbox를 스캔하여 현재 컨텍스트를 요약 동기화한다.
/trace: vault 전체에서 특정 주제의 타임라인(첫 등장 시점, 진화 과정, 현재 연결 링크)을 스캔하여 출력한다.
/connect: 양방향 wikilinks를 따라 direct, one-hop, two-hop 연결 경로를 찾고, 브리지 노트를 식별해 놓치거나 고립된 노트를 찾아 연결을 제안한다.
/inbox: Inbox 내 노트를 분석해 PARA 원칙에 기초한 추천 목적지와 대안을 제시하고, 사용자의 확인 절차(HITL)를 거쳐 자동 분류한다.
/graduate: 최근 주간 노트(1~4주분)를 스캔하여 미완성 아이디어, 답 없는 질문, 회고, 끝맺지 못한 생각을 분리하여 0. Inbox/Graduates/ 하위에 독립 노트로 승격시킨다.
/ghost: 사용자가 작성한 기존 노트의 톤, 어휘, 신념을 학습하여 사용자의 실제 목소리와 말투로 답변 초안을 합성한다.
/challenge: 특정 신념이나 의사결정에 대해 모순점, 숨겨진 암묵적 가정, 추론 약점을 Stress Test하여 사각지대를 폭로한다.
/ideas: 최근 30일간의 관심사 패턴을 채굴하여 내가 이미 연구 중이거나 고민하는 내용에 기반한 차기 빌드 도구, 네트워킹 인물, 글감 아이디어를 제안한다.

주간 리뷰 워크플로우 루프: /sync -> /graduate -> /inbox -> /connect -> /challenge -> /ideas 순서로 매주 볼트를 순환 정돈한다.

4. 메타(Meta)의 6만 명 지식 노동자 AI 세컨드 브레인 구축 성과

메타 애널리틱스 팀에서 시작한 이 실험은 엔지니어, PM, 디자이너, 법무, 재무 등 전사 63,000명의 임직원에게 확산되었다.

도입 규모 및 장애 극복: 석 달 만에 0에서 63,000건의 설치를 돌파하였으며 일일 활성 사용자 수(DAU)는 10,000명에 달했다. 한 PM의 자발적 후기 공유로 급속하게 확장되는 과정에서 플러그인의 클라우드 API 호출 제한 초과 장애를 겪었으며, 인프라 대역폭을 10배로 증설하여 대응했다.
조직적 가치: 수동 회의록 요약, 임원 보고 다이제스트(10명 기준의 팀원 보고서 취합이 몇 분 이내에 병렬 처리 완료), PARA 자동 구성(/para-init) 등 아래로부터의 자발적인 확장 플랫폼 생태계가 정착되었다.

5. 하드웨어 세팅 및 모델의 한계

구동 모델 선택:
- 순수 로컬: 개인정보 보호에 최적화되어 있으나 속도가 느림. Llama 4 Scout, Mistral NeMo 12B, 혹은 코딩용 Qwen3 모델을 사용하며, VRAM이 탑재된 2,500달러 이상의 고성능 노트북이 필수적이다.
- 하이브리드: 로컬 디스크에 볼트를 둔 채 MCP 서버를 통해 Claude Code 등 클라우드 LLM 추론을 연동한다.
관계성 환각(Hallucination): 소형 로컬 모델의 경우 아무런 맥락이 없는 두 엔티티를 자신 있게 엮어 가짜 관계를 설명하므로 사용자의 비판적 교차 검토가 요구된다.

AI 에이전트 통합 세컨드 브레인의 6대 구성 요소

AI 에이전트: 터미널 CLI 제어가 가능하고 업무 루틴을 스크립트로 학습시킬 수 있는 도구 (예: Claude Code).
구조화된 옵시디언 볼트: 에이전트 스캔 범위 지정 및 안전 가드레일을 씌우는 최상위 7대 폴더 아키텍처.
일관된 노트 연결 규칙: Templater 등을 활용해 4대 프론트매터 필드를 엄격하게 관리하는 규칙.
에이전트 액세스 프로토콜: CLI 환경에서 옵시디언과 통신하는 전용 드라이버 (예: obsidian-cli-skill).
에이전트 전용 볼트 색인(Vault Index): 전체 볼트를 스캔하여 뼈대 파일과 디바이스 환경을 에이전트 메모리에 선언해 둔 인덱스.
주기적인 유지보수 루틴: /sync, /graduate 등 슬래시 명령어를 활용해 매주 지식을 정돈하는 주기적 작업 흐름.

4대 프론트매터 필드와 토픽 계층 구조 관리

type(문서 분류), topics(주제 분류), tags(임시 상태), sources(출처 매핑)의 4대 필드를 필수적으로 관리한다.
특히 topics는 부모 토픽 페이지에 Up 링크를 걸어 계층망을 형성하고, 토픽이 포화되면 에이전트에게 지시하여 1) 관련 노트를 수집하고, 2) 하위 서브 토픽을 정의하고, 3) 부모와 상향 연결한 뒤 재배치하는 워크플로우를 자동화한다.
JDH Wilkins의 오픈소스 옵시디언-CLI 연동 스킬 소스코드를 통해 볼트의 코어 인덱스를 연동하여 검색 및 수정 효율을 극대화한다.

4대 슬래시 명령어 기반 지식 제어 파이프라인

/ingest: raw/ 폴더의 신규 원천 데이터를 스캔하여 고유명사와 수치를 보존한 채 wiki/ 개념 노트를 승격하고 양방향 위키링크(링크)로 자동 매핑합니다.
/query: 자연어로 볼트 내 지식을 탐색하며 신뢰도 높은 근거 출처(라인 번호 포함)를 동반해 보고합니다.
/lint: 끊어지거나 고립된 링크, frontmatter 누락 등을 정기 감사(Audit)합니다.
/log: 분류되지 않는 아이디어를 타임스탬프와 함께 일일 일지에 즉시 기록하거나, 에이전트가 백그라운드에서 활동한 요약 내역을 logs/ 폴더에 일일 브리핑 형태로 생성하여 변화를 추적합니다.

7. 메타(Meta)의 4대 기본 탑재 에이전트 스킬

메타 전사 63,000명 이상이 사용하는 AI 세컨드 브레인은 PARA 워크스페이스 구조 위에 아래 4대 기본 슬래시 명령어를 결합하여 온보딩 마찰을 해소하고 지식 노동의 복리 효과를 창출한다.

/para-init: 최근 사내 활동(게시글, 메신저, 할 일 목록 등)을 스캔하여 최적의 PARA 폴더 구조를 제안하고, 프로젝트별 CLAUDE.md 컨텍스트 파일 및 자료 구성을 자동 빌드한다.
/start-project: 아이디어 발의 시 목표, 담당자, 관련 질문을 입력받아 새 폴더를 개설하고 유사 사내 자료를 전수 탐색하여 요약 brief 및 시작 태스크 카드를 자동 생성한다.
/read-meeting-notes: 녹취록 저장소를 모니터링해 미처리 회의록의 후속 작업(Action Items)을 추출하고, 키워드/참여자 가중치 매칭을 통해 최적의 프로젝트 폴더로 자동 이동한다.
/debrief:team: 조직도 기반으로 팀원 전체의 코드 리뷰, 공유 문서, 할 일 상태를 병합하여 포트폴리오 스타일의 팀 종합 성과 보고서를 몇 분 이내에 취합해 HTML로 출력한다.
서드 브레인(Third Brain): 개인 워크스페이스 데이터를 공동 지식 공유 레이어로 통합하여 팀 단위 공동 컨텍스트를 동기화하는 시스템이다.

예시

커스텀 슬래시 명령어 설정: .claude/commands/ingest.md를 생성하여 새로운 수집 패턴을 자동화.
할 일 관리 통합: 옵시디언과 클로드 코드로 AI 기반 할 일 관리 시스템 구축하기의 데일리 크론 요약 사례.
수집과 이해의 분리(PARA 변환 예시): 웹 스크랩이나 챗 JSON 백업을 변환하여 raw/에 보관한 뒤, 이를 수정하지 않고 /ingest 2 명령어와 같이 소량씩 흡수시켜 wiki/ 내의 개념 그래프를 점진적으로 강화해 나갑니다.

LLM Wiki

탐색기