중심 질문
- RAG
- 지금 질문에 맞는 근거를 어떻게 찾을까?
- LLM 위키
- 내가 가진 지식을 사람이 읽고 AI도 이해하게 어떻게 계속 정리할까?
LLM WIKI / RAG / PERSONAL KNOWLEDGE
AI에게 내 기록을 “검색 가능한 조각”으로만 주는 데서 멈추지 않고, 나의 관점과 개념 사이의 연결까지 함께 자라게 만드는 개인 지식 시스템 이야기입니다.
ONE-SENTENCE TAKE
영상의 설명 모델을 쉽게 풀어 쓴 것입니다. 실제 구현에서는 두 방식을 함께 쓰는 경우가 많습니다.
RAG가 “필요한 문서 조각을 찾아 AI에게 건네는 방법”이라면, LLM 위키는 “원문을 읽기 좋은 지식 문서로 정리하고, 사람·프로젝트·개념의 관계까지 연결해 AI와 사람이 같이 고쳐 가는 지식 공간”에 가깝습니다.
QUICK COMPARISON
| 관점 | RAG | 영상에서 말하는 LLM 위키 |
|---|---|---|
| 중심 질문 | 지금 질문에 맞는 근거를 어떻게 찾을까? | 내가 가진 지식을 사람이 읽고 AI도 이해하게 어떻게 계속 정리할까? |
| 주요 재료 | 문서 청크, 임베딩, 인덱스, 검색 결과 | 원문, 정제된 마크다운, 개념·사람·프로젝트 링크, 문서 목차 |
| 시간이 지날수록 | 검색 품질과 인덱스 관리가 중요해짐 | 개인의 맥락, 판단 기준, 반복 패턴이 자산으로 남음 |
| 사람의 역할 | 자료를 넣고 검색 결과를 검증 | 왜 저장하는지와 내 해석을 적고, AI와 함께 문서를 다듬음 |
| 한 줄 비유 | 필요한 자료를 꺼내 주는 사서 | 계속 정리되고 연결되는 나만의 도서관 |
VIDEO FLOW
자막과 대표 화면을 함께 확인해 구간별로 압축했습니다.
유튜브·PDF 같은 원문을 AI가 활용할 수 있게 넣고, 마크다운 문서와 인덱스·연결을 만드는 흐름을 설명합니다. 문서를 단순히 쌓는 것이 아니라 개념을 연결하는 점을 강조합니다.
도구와 수집량만 늘리고 “내가 무엇을 위해 기록하는가”를 놓치면 시스템이 오래 못 간다고 봅니다. 기록의 목적과 자기 기준이 먼저라는 주장입니다.
의도 → 실행 → 실제 일어난 일 → 해석 → AI 대화 기록 순으로 하루를 남기는 라이프 로깅 구성을 소개합니다. 음성, 화면, 메신저, 웹클립을 자동화 재료로 쓰는 예시가 나옵니다.
원문을 넣을 때 “왜 이걸 저장하는지, 내 의견은 무엇인지, 어디에 쓸지”를 같이 남겨야 개인 맥락이 됩니다. 이런 연결이 누적되면 자기만의 지식 질서, 즉 온톨로지로 발전한다는 설명입니다.
쌓인 기록을 AI가 정기적으로 요약하고, 계획과 실제를 비교하며, 다음 행동으로 이어 주는 회고 루프를 제안합니다.
처음부터 모든 로그를 자동화하기보다, 목적이 분명한 폴더와 몇 개의 핵심 기록부터 시작하라는 메시지로 마무리합니다.
START SMALL
영상의 큰 설계를 작게 줄인 최소 실행안입니다.
01 / FOLDER
예: “내 프로젝트 운영”, “운동과 건강”, “투자 판단”. 폴더를 하나 만들고 그 주제와 직접 관계 있는 기록만 넣습니다.
02 / CONTEXT
링크나 PDF만 저장하지 말고, 왜 남겼는지·어떤 생각이 들었는지·언제 다시 쓸지를 3줄로 적습니다.
03 / REVIEW
“이번 주 반복된 문제는?”, “다음 주에 실험할 한 가지는?”처럼 기록을 행동 질문으로 바꿔 회고합니다.
SOURCE & METHOD
원본: 빌더 조쉬, 「LLM wiki랑 RAG랑 뭐가 다른건지 알려드려요」 (YouTube, 새 탭) (2026-07-29, 약 48분 47초)
정리 기준: 공개 자막과 대표 화면을 검토해 핵심 주장, 구조 설명, 실행 프레임을 재구성했습니다. 영상 내 제품·도구 언급은 특정 제품 사용 권장이나 성능 검증을 뜻하지 않습니다.