COG

한 줄 정의

Git, Obsidian, 그리고 AI 에이전트(Agent) 환경을 기반으로 동작하며, 데이터베이스와 서버 없이 마크다운 문서와 Git 버전 관리로 구축되는 오프라인 친화적 세컨드 브레인(Second Brain, 제2의 두뇌) 자동 관리 프레임워크다.

3대 핵심 기둥: 인지(Cognition, AI 인지), 옵시디언(Obsidian, 마크다운 시각화), 깃(Git, 버전 제어 및 롤백)을 결합하여 영구적인 로컬 지식 기반을 제공한다.
저장 계층 분리: 시스템 구동 프레임워크(스킬, 코어 스크립트)와 사용자 데이터(노트, 프로필)의 저장 영역을 철저히 격리하여 안전한 업데이트가 가능하다.
고난도 추론과 I/O 작업 분리: 의사결정은 고성능 헤드 에이전트(Opus)가 조율하고, 파일 입출력 및 세부 수작업은 6개의 경량 워커 에이전트(Worker Agent, 작업자 에이전트)에 위임해 API 비용을 최소화한다.
성찰 루프(Reflection Loop): 브레인덤프(Braindump) 수집, 주간 분석(Weekly review), 월간 데이터 통합(Consolidate)으로 이어지는 순환 피드백 구조를 지원한다.
확장성: SKILL.md 마크다운 파일 정의만으로 코어 수정 없이 새로운 에이전트 협업 스킬을 추가할 수 있다.

터미널을 열고 다음 명령어를 실행하여 저장소를 복제한다:

git clone https://github.com/huytieu/COG-second-brain.git
cd COG-second-brain

또는 Node 및 npx 환경이 설치된 상태에서 단축 명령어로 즉시 추가할 수 있다:

npx skills add huytieu/COG-second-brain

AI 에이전트와 대화를 시작하면 온보딩 설문이 시작된다. 사용자의 구체적 역할(엔지니어, PM, 디자이너, 창업자 등)을 파악하여 적합한 스킬과 연동 기능의 우선순위를 2분 이내에 자동으로 구성한다.

보관소(Vault)가 생성되면 다음과 같은 평범한 텍스트 파일과 디렉터리 구조가 잡힌다:

00-inbox ~ 06-templates: 도메인별 노트를 분류하는 콘텐츠 폴더
.claude/skills/, .claude/agents/: 에이전트가 직접 읽고 수행할 구체적인 행동 지침(스킬)을 보관하는 중추 폴더

I need to braindump: 머릿속의 가공되지 않은 생각을 쏟아내는 입력 기능. 에이전트가 주제에 따라 분류하여 최적의 위치에 노트를 생성하고, 할 일은 Obsidian Tasks 플러그인과 호환되는 이모지 포맷(📅 YYYY-MM-DD)으로 저장한다.
Give me my daily brief: 사용자의 관심사에 맞는 소식을 수집해 일일 보고서를 생성한다. 출처 명시, 최근 7일 이내 최신성 유지, 신뢰도 등급(Confidence level) 표기 원칙을 준수한다.
Weekly review: 1주일간 기록된 노트를 상호 참조하여 유기적인 패턴과 연결 고리를 찾아내는 분석 명령이다.
Consolidate my knowledge: 매달 한 번씩 파편화된 메모들을 하나의 실용적인 지식 프레임워크로 통합한다.
Team brief: GitHub, Linear, Slack, PostHog 등 협업 도구에서 발생하는 현황을 종합하는 스킬이다. GitHub CLI(gh)와 MCP 연동을 요구한다.

COG는 범용 인공지능 에이전트 시스템에서 매우 영리한 비용 절감 및 토큰 최적화 방식을 사용한다.

역할 분담: 고난도 의사결정과 종합 추론은 고가 모델(헤드 에이전트)이 담당하고, 기계적인 I/O(자료 수집, 파일 업데이트)는 저렴한 모델(워커 에이전트)에 위임한다.
임시 경로 반환: 하위 워커는 임무의 결과물을 로컬의 임시 경로(/tmp/)에 기록하고, 부모 에이전트에게 파일 주소만 보고한다. 대용량 로우(raw) 데이터가 메인 대화창 컨텍스트 윈도우(Context Window, 컨텍스트 창)를 차지해 비용이 낭비되는 비효율을 방지한다.

시스템 코드를 변경하지 않고 skills/ 폴더 내에 마크다운 파일(SKILL.md, Kiro 사용자는 POWER.md, 범용은 AGENTS.md) 하나를 추가하여 새로운 행동을 정의할 수 있다:

프레임워크 스크립트와 사용자 기록(노트, 프로필)의 저장 레이어를 차단하여 업데이트로 인한 유실을 방지한다.

업데이트 스크립트: ./cog-update.sh
- --check: 달라지는 내용 미리 조회
- --dry-run: 가상 시뮬레이션
커스텀 스킬이 존재할 경우 사용자 승인을 거쳐 영속화, 덮어쓰기, 백업 여부를 조율한다.
cat COG-VERSION으로 현재 버전을 확인할 수 있다.

가중치 학습의 부재: 자체 가중치(Weight) 튜닝이나 인공지능 학습을 수행하는 것은 아니며, 본질적으로 마크다운 스킬에 정의된 주입식 성찰 루프에 의존하므로 사용자의 적극적인 활용 습관이 유지되어야 가치가 발휘된다.
환경 의존성: Team brief 등 고급 협업 기능을 온전히 사용하려면 GitHub CLI(gh), MCP 등 인프라 설정이 필수적이다. 다만 인프라가 미비할 경우 점진적 기능 저하(Degrade Gracefully, 기능의 자동 축소 제공) 모델을 지원한다.