읽기 가이드
빠른 스캔: 설계 원칙과 핵심 구성요소만 (10분)
심화 학습: 각 섹션의 세부 내용까지 (40분)
Design Goals
인간과 AI를 위한 PKM (PKM for both Human and AI)
AI4PKM 시스템은 인간 사용자와 AI 에이전트가 함께 사용하는 공간이다.
핵심 전략:
- AI가 생성한 콘텐츠는 인간이 작성한 노트와 분리하여 보관
- 인간과 AI가 함께 수정하는 파일은 Git 버전 관리로 안전하게 보호
- 자동화된 워크플로우는
.md파일 기반으로 실행되어 사용자가 완전히 통제 가능
예시 구조:
PKM Vault/
├─ Ingest/ # 인간이 수집한 원본
├─ AI/ # AI가 생성한 분석
├─ Topics/ # 인간이 큐레이션한 지식
└─ Journal/ # 인간+AI 공동 작성 (Git 관리)
도구 중립성 (Tool-agnostic Approach)
특정 도구에 종속되지 않고, 여러 AI 도구와 모델을 자유롭게 실험할 수 있어야 한다.
이유:
- AI 기술은 빠르게 발전하고 있다
- 오늘의 최고 모델이 내일도 최고라는 보장이 없다
- 여러 AI를 비교하고 각각의 강점을 활용할 수 있어야 한다
구현 방식:
- 모든 콘텐츠를 표준 Markdown 형식으로 저장
- YAML frontmatter로 메타데이터 관리
- CLI 에이전트 기반으로 다양한 AI 모델 사용
다양한 협업 모델 (Various Human-AI Collaboration Models)
인간과 AI의 협업은 양방향이어야 한다.
Human → AI (사용자가 주도):
- Ad-hoc 요청: 즉시 필요한 작업 (음성/텍스트/코멘트 기반)
- 정기 워크플로우: 예정된 루틴 작업 (매일/매주)
- 트리거 워크플로우: 이벤트 기반 자동 실행
AI → Human (TBA - To Be Added):
- 아이디어 제안: 패턴 발견 시 제안
- 목표 리마인더: 목표 추적 및 동기부여
- 데이터 수집 요청: 부족한 정보 요청
Components
재사용 가능한 Prompts & Skills
프롬프트는 AI를 효과적으로 활용하기 위한 핵심 레시피다.
설계 원칙:
- 프롬프트는 재사용 가능하고 단순하게 유지
- Skills는 재사용 가능한 작업 특화 지식을 담는다
- 파라미터를 통해 다양한 상황에 적용 가능
실행 방식:
- 프롬프트는 독립적으로 실행 가능
- 여러 프롬프트를 조합하여 워크플로우 구성
- CLI 에이전트에서 직접 실행
예시:
# _Settings_/Prompts/Enrich Ingested Content (EIC).md
## Purpose
수집한 클리핑/녹취를 분석하여 요약과 인사이트 추가
## Input
- Ingest/Clippings/*.md 또는 Ingest/Limitless/*.md
## Output
- Summary (핵심 내용)
- Key Insights (주요 인사이트)
- Related Topics (연결할 주제)
- status: processed
Agent 기반 Workflows
복잡한 작업은 여러 에이전트의 협업으로 처리한다.
에이전트 역할:
- Orchestrator: 작업을 분할하고 워커 에이전트들을 생성
- Worker: 개별 프롬프트를 실행하고 태스크를 업데이트
- Evaluator (TBA): 워커의 결과물을 평가
장점:
- 각 에이전트가 명확한 역할을 가짐
- 복잡한 작업을 작은 단위로 분할
- 병렬 처리로 효율성 향상
- 각 단계의 품질 관리 가능
Knowledge Tasks
모든 워커의 작업은 .md 형식의 지식 태스크로 문서화된다.
태스크 구조:
- 작업 명세 (Job specification)
- 진행 상황 (Job progress)
- 작업 결과 (Job outcome)
- 평가 결과 (Job evaluation - TBA)
예시:
# AI/Tasks/2025-11-15 Weekly Roundup.md
status: completed
workflow: WRP
created: 2025-11-15 09:00
completed: 2025-11-15 17:30
## Input
- Journal/2025-11-10 ~ 15.md
- Limitless recordings (last 7 days)
## Output
- AI/Roundup/2025-11-15 Weekly Review.md
## Result
주간 리뷰 생성 완료. 3개 주요 테마 발견.
Tool Ecosystem
AI4PKM은 다양한 도구들과 호환된다.
CLI Agents (워커로 활용):
- Claude Code
- Codex / Gemini CLI
Code Editor (AI와 실시간 협업):
- VS Code
- Cursor
Text Editor (지식 브라우징 및 생성):
- Obsidian
- 모든 Markdown 에디터
핵심: 각 도구는 특정 용도에 최적화되어 있지만, 모두 같은 Markdown 파일을 사용하므로 자유롭게 전환 가능하다.
시스템 아키텍처 개요
폴더 구조
PKM Vault/
│
├─ Ingest/ # 수집 단계 (Collect)
│ ├─ Articles/ # 읽은 아티클
│ ├─ Clippings/ # 웹 클리핑
│ ├─ Limitless/ # 음성 녹취/전사
│ └─ Courses/ # 강의 노트
│
├─ AI/ # AI 생성 콘텐츠
│ ├─ Roundup/ # 일/주간 리뷰
│ ├─ Tasks/ # 워크플로우 태스크
│ └─ Analysis/ # 심화 분석
│
├─ Topics/ # 정제 단계 (Distill)
│ ├─ Business/ # 주제별 큐레이션
│ ├─ Technology/
│ └─ Personal/
│
├─ Journal/ # 일상 기록 (Human+AI)
│ └─ 2025-11-24.md
│
├─ Goals/ # 목표 관리
│ ├─ 2025-Q4 Goals.md
│ └─ Projects/
│
└─ _Settings_/ # 시스템 설정
├─ Prompts/ # 재사용 프롬프트
├─ Workflows/ # 워크플로우 정의
├─ Templates/ # 템플릿
└─ Skills/ # AI Skills
데이터 흐름
- 수집 (Collect)
- 원본 데이터 →
Ingest/폴더 - Limitless 자동 녹취, 웹 클리핑, 아티클
- 원본 데이터 →
- 처리 (Process)
- AI가
Ingest/스캔 - 요약, 인사이트, 연결 생성
- 결과 →
AI/폴더
- AI가
- 정제 (Distill)
- 주제별 큐레이션
- 인간이
Topics/에 정리 - AI가 색인 자동 업데이트
- 적용 (Apply)
- 필요할 때 AI와 대화
- 관련 지식 즉시 참조
- 새로운 콘텐츠 창작
핵심 워크플로우
1. DIR (Daily Ingestion and Roundup) - 매일
- Limitless 녹취 처리
- 클리핑 요약
- 일일 인사이트 추출
2. WRP (Weekly Roundup and Planning) - 매주
- 주간 활동 패턴 분석
- 주요 테마 발견
- 다음 주 계획 제안
3. CKU (Continuous Knowledge Upkeep) - 수시
- Topic 색인 업데이트
- 관련 노트 자동 연결
- 지식 그래프 강화
구현 예시: 하루의 흐름
아침 (8:00 AM)
사용자: 음성으로 "어제 회의에서 나온 액션 아이템 보여줘"
AI:
Ingest/Limitless/2025-11-23.md검색- 액션 아이템 추출
- 오늘 캘린더와 연결
- "3개 액션 아이템 발견. 오늘 처리 가능한 것 2개입니다..."
점심 (12:30 PM)
사용자: 동료와 점심 대화 (Limitless 자동 녹음)
시스템:
- 대화 자동 전사
Ingest/Limitless/2025-11-24.md저장- 주요 키워드 자동 태깅
오후 (3:00 PM)
사용자: "신제품 마케팅 전략 초안 작성해줘"
AI:
Topics/Marketing/검색- 과거 성공 패턴 분석
- 최근 시장 트렌드 참조 (
Ingest/Articles/) - 초안 생성 + 근거 제시
저녁 (6:00 PM)
자동 워크플로우 (DIR):
- 오늘 수집된 모든 데이터 처리
- 일일 인사이트 생성
AI/Roundup/2025-11-24.md저장- 사용자 알림: "오늘 3개 주요 인사이트 발견"
일요일 (저녁)
자동 워크플로우 (WRP):
- 지난 주 활동 종합 분석
- 반복 패턴 발견
- 다음 주 우선순위 제안
AI/Roundup/2025-11-24 Weekly.md생성
다음 글에서
지금까지 AI4PKM 시스템의 설계 원칙과 핵심 구성요소를 살펴봤다. 시스템을 "어떻게" 구축하는가에 대해 이해했다면, 이제 더 근본적인 질문으로 넘어가야 한다:
"시스템을 완벽하게 구축했는데, 왜 내 삶은 나아지지 않을까?"
지식은 쌓이는데 변화는 없다. 이것이 바로 Perfect PKM Paradox다.
다음 글에서는 지식 관리를 넘어 실제 삶의 변화와 목표 달성으로 연결하는 AI4BetterMe 프레임워크를 다룬다. PKM이 단순한 정리 도구가 아닌 성장 엔진이 되는 방법을 살펴본다.