LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 단순한 위키를 넘어선 ‘지식 운영체제(Knowledge OS)’로의 진화 영구적 위키(Persistent Wiki)는 단순한 정보의 저장소가 아님. 이것은 사용자의 사고 과정을 보조하고, 방대한 데이터를 구조화하여 필요할 때 즉각적인 통찰을 제공하는 ‘개인용 지식 운영체제(Knowledge OS)’임. 기존의 폴더 기반 정리 방식이 정적이고 수동적이었다면, LLM이 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 작업실: Obsidian을 위키의 IDE로 활용하기 LLM 위키를 구축하기 위한 가장 강력한 도구는 옵시디언(Obsidian)임. 옵시디언은 단순한 메모 앱이 아니라, 로컬 마크다운 파일을 기반으로 지식의 연결망을 시각화해주는 지식 관리 환경(IDE)이라는 것이다. 카파시는 “옵시디언은 IDE이고, LLM은 프로그래머이며, 위키는 코드베이스”라고 비유했음. 옵시디언을 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 충돌과 해결: 상충 관리(Conflict Resolution)의 메커니즘 영구적 위키에 새로운 데이터를 통합할 때 가장 빈번하게 발생하는 문제는 기존 지식과의 충돌임. 과거의 데이터는 A가 정답이라고 기록했지만, 최신 논문이나 보고서는 B가 새로운 표준이라고 주장할 수 있음. 이때 LLM은 단순히 기존 파일을 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 위계 질서: Raw, Wiki, Schema의 3층 구조 설계 LLM 위키가 단순한 파일 뭉치로 전락하지 않으려면 엄격한 계층 구조가 필요함. 안드레이 카파시는 이를 세 가지 층위로 구분하여 관리할 것을 제안했음. ㄱ. 첫 번째 층은 ‘Raw Sources(원천 데이터)’임. 이것은 수정이 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 기존 RAG 방식의 구조적 결함과 지식의 휘발성 현재 대부분의 AI 서비스가 채택하고 있는 RAG(Retrieval-Augmented Generation)는 사용자의 질문이 들어오는 순간 관련 문서를 검색하여 답변을 생성하는 방식임. 하지만 이 방식은 근본적인 한계를 지니고 있다는 것이다. 질문이 발생할 때마다 원시 데이터(Raw Data)에서 … 더 읽기
보리스 체르니 워크플로우 시리즈의 마지막 장은 AI 협업의 궁극적인 지향점인 ‘자율성’과 ‘연속성’을 다룬다. 앞선 단계들이 AI의 지능을 교정하고 결과물의 품질을 높이는 데 집중했다면, 이번 단계는 사용자의 개입을 최소화하여 업무의 흐름이 끊기지 않게 만드는 운영 시스템에 관한 것이다. 1. 사용자의 맥락 전환 비용과 AI의 수동성 문제 업무 현장에서 발생하는 가장 큰 비효율 중 하나는 AI가 스스로 … 더 읽기
보리스는 클로드 코드를 “말을 잘 듣는 도구”가 아니라 “검증 루프를 빠르게 돌리는 팀원”으로 정의한다. AI와의 협업은 이제 선택이 아닌 필수가 되었지만, 많은 사용자가 “어제 가르쳐준 걸 왜 오늘 또 틀릴까?”라는 근본적인 의문에 봉착한다. Anthropic의 보리스 체르니가 제안한 ‘복리로 성장하는 엔지니어링’의 핵심이자, AI의 망각 문제를 해결하는 외부 장기 기억 장치인 CLAUDE.md 전략에 대해 이야기 해보고자 한다. … 더 읽기
