# 안드레 카파시가 LLM으로 개인 지식 베이스를 만드는 방법 이 남자가 건드리면 핫해지는 AI업계의 마이다스, Andrej Karpathy가...
Canonical: https://social-archive.org/babyz79/YRQk4iSjgj
Original URL: https://www.threads.com/@jokerburg.builder/post/DWqqyhSE4_D
Author: 넥스트 빌더 조커버그 | 제이초
Platform: threads
## Content
안드레 카파시가 LLM으로 개인 지식 베이스를 만드는 방법 이 남자가 건드리면 핫해지는 AI업계의 마이다스, Andrej Karpathy가 요즘 토큰을 코드보다 지식에 씁니다. LLM으로 개인 위키를 자동으로 구축하고 운영하는 워크플로우거든요. 직접 쓰고 편집하는 게 아닙니다. LLM이 위키를 만들고 관리합니다. 한장의 이미지로 정리했습니다.🧵 ![Image 1](https://social-archiver-api.social-archive.org/media/archives/babyz79/r5kMa8wBeF/media/0.jpg) --- 1/ 기존 지식 관리의 문제 논문, 아티클, 레포, 데이터셋을 모읍니다. 근데 쌓기만 하면 의미가 없거든요. 정리하고, 연결하고, 검색 가능하게 만드는 게 진짜 작업입니다. Karpathy가 발견한 건 LLM이 이걸 자동으로 할 수 있다는 겁니다. 코드를 생성하는 게 아니라 지식을 컴파일하는 거거든요. --- 2/ 데이터 수집 : raw/ 디렉토리 워크플로우는 단순합니다. 원본 자료(아티클, 논문, 레포, 이미지)를 raw/ 디렉토리에 넣습니다. 웹 아티클은 Obsidian Web Clipper로 .md로 변환하고 관련 이미지는 단축키로 로컬에 다운로드합니다. LLM이 이미지까지 쉽게 참조할 수 있도록 하는 거거든요. 여기까지는 수집입니다. 진짜는 다음 단계입니다. --- 3/ 컴파일 : LLM이 위키를 만든다 LLM이 raw/를 읽고 .md 파일 모음으로 된 위키를 만듭니다. 위키에는 세 가지가 들어갑니다. 모든 자료의 요약, 역링크, 그리고 개념별 분류와 아티클. LLM이 직접 쓰고 유지합니다. 사람은 거의 건드리지 않습니다. IDE는 Obsidian입니다. raw 데이터, 컴파일된 위키, 시각화 결과를 한 곳에서 봅니다. --- 4/ Q&A : 위키가 커질수록 강력해진다 위키가 ~100개 아티클, ~40만 단어 규모가 되면 LLM 에이전트에게 복잡한 질문을 던질 수 있습니다. RAG가 필요할 줄 알았는데 아니었습니다. LLM이 인덱스 파일과 문서 요약을 자동 유지해서 관련 데이터를 알아서 읽어오거든요. 답변은 텍스트가 아닙니다. .md 파일, Marp 슬라이드, matplotlib 이미지로 출력합니다. 그리고 그 결과물을 다시 위키에 넣습니다. 탐색과 질문이 쌓일수록 지식 베이스가 강화되는 구조거든요. --- 5/ 개인용 지식 베이스 시대가 온다 Karpathy가 직접 말했습니다. “해키한 스크립트 모음이 아닌 엄청난 새 제품의 여지가 있다.” 그리고 자연스러운 확장 방향도 제시했습니다. 프론티어 LLM에 질문 하나를 던지면 LLM 팀이 자동으로 임시 위키를 구축하고, 린트하고, 루프를 돌고, 전체 리포트를 씁니다. 개인 지식 관리의 패러다임이 바뀌고 있습니다. 직접 정리하고 쓰는 게 아니라 LLM이 지식을 컴파일하고 운영하는 시대거든요.​​​​​​​​​​​​​​​​ --- 안드레 카파시 X 원문 : https://x.com/karpathy/status/2039805659525644595?s=46&t=16lBU06VYakszvEbAyqP4w