AI가 내 메모를 위키로 자동 정리해준다? 카파시의 'LLM Wiki' 완전 이해

기억 못하는 AI, 이제는 달라집니다

ChatGPT나 Claude와 대화할 때 한 가지 아쉬운 점이 있습니다. 오늘 열심히 정보를 정리해도 내일 새 대화를 시작하면 AI는 모두 잊어버립니다. 마치 매번 처음 만나는 사람처럼요. 기존의 'RAG(검색 증강 생성)' 방식은 질문할 때마다 문서를 처음부터 다시 검색합니다. 지식이 쌓이지 않고 매번 같은 일을 반복하는 셈이죠.

2026년 4월, 테슬라 전 AI 책임자이자 OpenAI 공동 창립자인 안드레이 카파시(Andrej Karpathy)가 이 문제를 해결하는 방법을 공개했습니다. 바로 'LLM Wiki' 패턴입니다. GitHub에 올라온 이 아이디어는 수천 개의 별(Star)과 포크(Fork)를 받으며 전 세계 AI 커뮤니티를 뜨겁게 달궜습니다.

AI가 직접 위키를 만들고 관리한다

LLM Wiki의 핵심은 '쌓이는 지식'입니다. 카파시는 프로그래밍의 '컴파일' 개념에 비유했습니다. 프로그래머가 소스 코드를 작성하면 컴파일러가 한 번 변환해서 계속 실행합니다. 매번 처음부터 읽는 게 아니라, 미리 정리된 결과물을 활용하는 것이죠. LLM Wiki도 같은 원리입니다.

구성은 크게 세 가지입니다:

• 원본 자료(raw/): 내가 AI에게 읽혀줄 문서, PDF, 링크 등 원본
• 위키(wiki/): AI가 직접 작성하고 관리하는 마크다운 문서들
• 스키마(규칙 파일): 위키의 구조와 작업 방식을 정의하는 지침

새 문서를 추가하면 AI가 내용을 읽고 기존 위키 페이지를 업데이트하며, 관련 개념끼리 자동으로 연결합니다. 카파시는 이를 이렇게 표현했습니다: '옵시디언은 IDE, LLM은 프로그래머, 위키는 코드베이스다.' 실제로 그의 위키는 약 100개 문서, 40만 단어 규모로 성장했습니다.

뉴질랜드와 한국에서의 반응

뉴질랜드: 2026년 기준 뉴질랜드 직장인의 84%가 이미 생성형 AI를 업무에 활용하고 있습니다. 하지만 AI를 일상 업무에 완전히 통합한 조직은 17%에 불과합니다. 지식을 체계적으로 관리하는 역량이 부족하기 때문인데, LLM Wiki는 이 '지식 관리 공백'을 채울 수 있는 실용적인 도구로 주목받고 있습니다.

한국: 한국 개발자 커뮤니티(PyTorchKR, 클리앙 등)에서도 활발하게 공유되고 있습니다. 스타트업 COO 박세희 씨는 22년간 쌓아온 4,825개의 메모에 이 패턴을 적용했는데, AI 분석 결과 기존 파일의 94%가 다른 내용과 연결이 끊어진 상태였음을 발견했습니다. LLM Wiki로 연결고리를 만들자 지식이 비로소 '쌓이기' 시작했다고 합니다.

핵심 정리

• LLM Wiki는 AI가 직접 마크다운 위키를 만들고 관리하는 개인 지식 관리 방법입니다
• 기존 RAG와 달리, 한 번 처리된 지식이 계속 쌓이고 연결됩니다
• 원본 자료 → AI 위키 → 규칙 정의의 3단계 구조로 운영합니다
• 뉴질랜드 직장인의 84%가 AI를 쓰지만 체계적 지식 관리 체계는 17%만 갖춰, LLM Wiki가 실용적 대안으로 주목됩니다
• 한국 커뮤니티에서도 빠르게 퍼지며 직접 구축 사례들이 등장하고 있습니다

마무리

'AI를 어떻게 더 똑똑하게 만들까'가 아니라 'AI가 접근하는 정보를 어떻게 잘 정리할까'가 2026년 AI 활용의 핵심 질문입니다. 카파시의 LLM Wiki는 코딩 지식 없이도 누구나 도전할 수 있는 실용적인 출발점을 제시합니다. 오늘 저녁, 중요한 문서 하나를 AI에게 건네고 나만의 위키 첫 페이지를 만들어 보는 건 어떨까요?