내 학습허브
전체 지도 1주차 2026-07-25

나의 4주 로드맵 — 검색되는 나만의 지식체계 만들기

흩어지던 지식을 AI와 함께 "검색되는 나만의 지식체계(LLM 위키 + RAG)"로 만드는 4주 계획. 실제 구축 사례에 근거해 설계함.

4주 뒤 내 손에 남는 것 (카드 4개)

  1. 나만의 AI 학습메이트 ‘하루’ — 나를 아는 AI (✅ 이미 완성)
  2. 확정된 주제 + 이 로드맵 — “검색되는 나만의 지식체계(AKM·에이전트 지식관리)”
  3. 작동하는 MVP — 에이전트가 유지하는 LLM 위키 + 기본 RAG 검색. 즉 “내 지식에 질문하면 근거와 함께 답하는” 상태.
  4. 혼자서도 굴리는 AKM 운영 근육 — 자료를 넣고(ingest) → 점검하고(lint) → 질문하는(query) 루프가 몸에 붙음.

이 로드맵의 뿌리 — 나는 어디서 출발하나

  • 지금 나: 데이터 분석·모델링은 자신 있는데, 내 지식을 체계로 쌓는 건 매번 흩어지고 어디서 시작할지 막막하다.
  • 되고 싶은 나: 개념부터 기본기가 탄탄한 지식관리자. 도구를 빨리 쓰는 사람이 아니라, 밑바탕(본질)부터 이해하고 쌓는 사람.

이 로드맵은 그래서 “개념 먼저, 기본기 먼저” 원칙으로 짰다. 화려한 도구를 급하게 붙이지 않고, 구조(위키)를 먼저 세운 뒤 내 강점(RAG·검색)을 얹는다.

큰 그림 — 왜 이 순서인가 (실제 사례 근거)

공개된 개인 지식관리 구축 사례들이 공통으로 쓰는 2단 구조를 따른다:

  • 위키 먼저 (1주차 말 ~ 2주차) — 벡터DB 없이 마크다운만으로. raw/(원본, 불변) ↔ wiki/(AI가 합성한 지식)로 나누고, 에이전트가 위키를 유지.
  • RAG 나중 (3주차) — 그 위에 “내 노트를 벡터로 바꿔 의미로 검색”하는 층을 얹는다. 여기가 내 DS 강점(임베딩·유사도·평가)이 빛나는 구간.

4주차는 새로 만들지 않고, 만든 것을 회고·발표로 정리하는 데 쓴다. 즉 만들기는 1주차 끝에 시작해서 3주차에 끝난다.

raw ↔ wiki 분리는 어제 배운 AKM의 Source(원본) vs Knowledge(합성 지식) 레이어와 같다. 배운 개념이 그대로 구축법이 된다.

1주차 — 기획 + MVP 첫 조각 (지금 여기)

  • 할 일: 학습메이트 ‘하루’ 세팅(✅), 주제·로드맵 확정(✅), AKM 개념페이지 정리(✅), 사이트 GitHub·Vercel로 배포(✅), 커밋·버전관리 익히기(✅), “나만의 지식체계” 간단 기획서(PRD — 무엇을·왜·어떻게) 쓰기, 세부계획 + 위키 뼈대(raw/ + wiki/ 폴더 구조) 만들기 = MVP 첫 조각, 첫 주 회고.
  • 그 주 결과물: 인터넷에 배포된 학습허브 사이트 + 확정된 로드맵 + PRD 1장 + 위키 폴더 뼈대.
  • 사례글 예시: “코딩 몰라도 나만의 학습메이트·사이트 만들기”(✅ 씀), “되돌릴 수 있는 안심 — 커밋과 버전관리”(✅ 씀), “내 지식체계의 뼈대(raw/wiki) 잡기”.
  • 근거 사례: Karpathy식 LLM 위키 폴더 구조(raw/wiki/index/log), 마크다운 메모리 패턴.

2주차 — MVP 본격 제작 (위키 층)

  • 할 일: 위키 운영 규칙(schema·CLAUDE.md) 정의(페이지 유형·링크 정책 = AKM의 Memory·Procedure 레이어), 내 자료 10개를 위키에 ingest(원본은 raw/에 보존 → AI가 wiki/에 개념·엔티티 페이지로 합성 + [[위키링크]] 연결), 넣고(ingest) → 점검하고(lint) → 질문하는 루프를 매주 굴려보기.
  • 그 주 결과물: 내 자료 10개가 정리된 위키(개념·엔티티 페이지 몇 개) + schema.md + 실제로 돌아가는 ingest·lint 루프.
  • 사례글 예시: “내 자료 10개를 AI로 위키 페이지로 합성해봤다 (raw → wiki)”.
  • 근거 사례: itlackey akm(schema·index·log·ingest 루프), Karpathy 위키의 “소스 10개로 시작”.

3주차 — MVP 완성·다듬기 (RAG 층)

  • 할 일: RAG 검색 얹기 — 위키·노트를 잘게 나눠(청킹) → 벡터로 바꿔(임베딩, 우선 가벼운 MiniLM으로 프로토타입) → DuckDB 벡터 검색으로 “질문하면 답하는” 상태 구현. 이어서 품질 다듬기(임베딩을 bge-m3로, [[위키링크]] 그래프 가중) + 반복 작업 자동화(자료 넣기·lint 점검 루프).
  • 그 주 결과물: 완성형 MVP — 작동하는 LLM 위키 + RAG(내 지식에 질문 → 근거와 함께 답변).
  • 사례글 예시: “내 노트에 질문하면 답하는 RAG를 DuckDB로 붙였다”.
  • 근거 사례: MotherDuck의 Obsidian×DuckDB RAG(DS 친화), Smart Connections(무코드 맛보기 먼저 → 원리 학습), akm lint 자동화, 임베딩 품질 업그레이드·위키링크 그래프 가중.

4주차 — 회고·발표

  • 할 일: 한 달 회고(before 흩어짐 → after 구조·검색), 발표자료, 전자책 마무리(그동안 쓴 위키 글 묶기). 새로 만들지 않고 정리하는 주.
  • 그 주 결과물: 발표 + 전자책 초안 + 성장회고.
  • 사례글 예시: “한 달 만에 흩어진 지식을 검색되는 체계로 — 회고”.
  • 근거 사례: DS 강점(임베딩·유사도·평가)이 결과로 드러나는 지점 정리.

참고한 실제 사례 (근거)

  • Karpathy식 LLM 위키 / second-brain — raw↔wiki 분리, 에이전트가 위키 유지 (초보 친화).
  • Agentic Knowledge Management (S. Dubois) — 읽기전용 → 제안 → 자율 실행 권한 확대, Git 변경추적.
  • akm (itlackey) — 결정론적 툴 + 합성은 에이전트, schema/index/log/lint (AKM 7레이어에 기능적 최근접).
  • Obsidian × DuckDB RAG (MotherDuck) — 청킹·임베딩·벡터검색·위키링크 그래프 가중 (DS 친화, 포트폴리오화 가능).
  • 자가호스팅 RAG 풀스택 / Smart Connections — 고급(Docker·로컬 LLM) / 무코드 진입점.

솔직 고지: 지피터스 AKM의 정확한 7레이어 명칭·근거 상태 5분류를 그대로 쓰는 공개 도구는 확인 못 함(원전 고유). 위 사례들이 기능적으로 같은 역할을 하므로 뼈대로 참고함.