Copy English

Why

The three levels are a maturity ladder, not three independent features, and the distinction matters because the failure mode changes at each rung. At Level 1 the risk is a stale second brain — an agent that can answer questions well, but only about notes a person stopped keeping up because writing them stayed a chore. At Level 2 the risk is drift: several agents logging into the same vault build a pile of material that nobody, human or agent, fully trusts, because nothing is responsible for keeping it consistent. Level 3 is the answer to that specific risk: it makes the LLM responsible for coherence, not just for writing, by giving it an explicit schema (rules for what it may touch and how) and two operations most casual AI-note setups skip — lint (find and fix contradictions, retire claims a newer source overrode, clean up pages nothing links to) and query (read the whole wiki back as one synthesized answer, not a single file). None of this works without the first property: local, plain-text Markdown removes the parsing problem entirely. A note that already reads as a well-formed argument to a human needs no conversion to be readable, editable, and citable by an LLM — which is also exactly why alice, built the same way without Obsidian's UI, gets the same benefit.

How it works

Obsidian's AI-friendly basics

Every note is a .md file in a vault folder, so any tool that can read a filesystem — an LLM, a coding agent, grep — can work with it directly; nothing sits behind a proprietary format or a database export. [[Note name]] links build a navigable graph automatically, visible in Obsidian's graph view, which doubles as a map of what connects to what. The base app is free, and Obsidian Sync (a paid add-on) replicates the vault across devices end-to-end encrypted. Community plugins extend it — Smart Connections and Copilot are two named in the video — and frontmatter (YAML metadata at the top of a note) plus embedded images, PDFs and audio round it out as a general-purpose knowledge tool, not just a text editor.

Level 1 — AI Second Brain

An agent (the video names Claude and a coding-agent-style tool, plus fully local options for privacy) is pointed at a vault a person writes by hand, and answers questions by reading across the whole vault rather than one file — surfacing a framework or checklist the person already wrote down somewhere, or building a small tool (a checklist app) from that material on request. The vault is the source; the agent is a smart reader and occasional builder on top of it. This is the lowest-effort level and the one most people already do informally by pasting notes into a chat window — the difference here is the agent reads the vault directly instead of whatever a person happens to paste.

Level 2 — AI Database

Here the direction reverses: instead of a human writing and an agent reading, background agents write continuously, and a human (or another agent) reads the accumulation later. The video's examples are a coach-style bot that logs meals from a photo and pulls together timer/focus-session logs, and a work-assistant bot that turns a spoken instruction into a written process guide inside the vault. Multiple agents on multiple machines (a desktop, a laptop, a server) all write to the same vault and rely on sync to stay consistent, and once enough logs accumulate, an agent can be asked to analyze the pattern back — for example, proposing a deep-work schedule from weeks of logged sessions.

Level 3 — the LLM Wiki

Karpathy's proposed pattern removes the human from the writing loop entirely and gives the LLM three layers to work across: raw sources (articles, PDFs, notes the person supplies — a source of truth the LLM never edits), the wiki (summaries, entity pages, concept comparisons the LLM generates and updates from those sources), and the schema (a rules file, in the shape of a CLAUDE.md or agents.md, that tells the LLM the wiki's structure and how to read and write it). Three operations keep it running: ingest (new material arrives — a Telegram bot in the video's example — and the LLM reads it and files it into the wiki), query (the LLM synthesizes across wiki pages into a step-by-step answer), and lint (the LLM finds contradictions between pages, replaces claims a newer source has superseded, and cleans up orphaned pages nothing links to). Two navigation files complete it: index.md, a catalog of every wiki page with a one-line summary and category, meant as a map for the LLM itself, and log.md, a chronological audit trail of every ingest, query and lint that has run.

Where it lands in Jayverse

• Alice: this is the pattern already, described back at itself. Alice's 1,200+ Markdown pages are the wiki layer; CLAUDE.md and docs/topics/README.md are the schema; docs/history/YYYY-MM-DD-*.md is the log; docs/notes.html and docs/index.html are the index; and each Knowledge Notes item — written by an agent from jay's pasted source, like this one — is the ingest step. What's missing against Karpathy's version: an explicit, immutable raw-sources folder (jay's pastes currently live only in chat, never saved to disk as the untouched source), a lint pass that checks pages for contradictions or orphans, and a machine-readable index.md (the two HTML pages are built for jay to read, not for an agent to parse first).
• Auditor: log.md is the audit-trail idea, already half-designed. A Level 3 log — every ingest, query and lint, timestamped — is the same shape as what the Auditor row is meant to record: what was checked, and by which rule.
• Dark Horse: Level 1, privately. Running a local open-weight model (Hermes-, DeepSeek- or Qwen-class, per the video) over the alice corpus on hardware jay controls is Level 1 AI Second Brain without sending the vault to a hosted API — a fit for a "no cloud dependency" Dark Horse candidate.
• Eng: an interview answer that's already true. "Describe your knowledge management system" is a real interview question, and jay's honest answer — an LLM-maintained wiki with a schema file, a log, and (once the gaps above are closed) an immutable source layer and a lint step — is a stronger answer than the note-taking app most candidates would name.

Verified and unverified

Verified on 2026-09-19: Obsidian stores notes as local Markdown files linked with [[wikilinks]], renders a graph view, supports community plugins, offers Obsidian Sync with end-to-end encryption, and is free for personal use; Andrej Karpathy has publicly described the "LLM wiki" idea in the shape summarized here — immutable raw sources, an LLM-maintained wiki layer, a schema/rules file, ingest/query/lint operations, and an index/log pair. Taken from the summary and not independently checked: the named bots ("Lifebot," "Tacobot") and their specific behaviors, the full tool list (the coding-agent names, Hermes, DeepSeek Harness, Open Code, Gemini Flash, a local Qwen model), and every timestamp cited above.

Sources: YouTube — Tina Huang, "Obsidian in 24 Minutes"; related items: Tech #62 (agentic engineering writes the boundaries), Tech #97 (ai-engineer-builds-the-car, its Tier 2 RAG point), Life 1304 (ng-tasks-not-jobs-context-advantage, the learning paradox — a wiki the AI writes is knowledge you did not learn).

← All Knowledge Notes · Workspace Index · Top ↑

Copy 한국어

옵시디언의 AI 3단계 — 가장 높은 단계는 alice가 이미 손으로 돌리고 있는 위키다

AI 도구와 생산성을 다루는 유튜버 티나 황(Tina Huang)이 약 24분짜리 영상 "Obsidian in 24 Minutes"에서 옵시디언을 훑으며, 사람들이 대형 언어 모델을 옵시디언 볼트(vault)에 연결하는 세 단계를 정리한다. 옵시디언은 무료·로컬 우선 노트 앱이다. 모든 노트가 디스크의 폴더("볼트") 안에 평문 `.md` 파일로 저장되어(00:51) 사람이 읽기 쉬운 동시에 어떤 LLM이나 코딩 에이전트도 별도의 내보내기 과정 없이 바로 파싱·편집할 수 있다(01:24). 노트는 `[[위키링크]]`로 서로 연결되어 그래프 뷰로 그려지고(02:40, 03:14), 앱 자체는 무료이며 종단간 암호화된 동기화를 옵션으로 제공하고, 커뮤니티 플러그인(Smart Connections, Copilot), 프런트매터 메타데이터, 이미지·PDF·오디오 임베드를 지원한다(01:40, 04:27, 04:44). Level 1 "AI Second Brain"은 Claude나 Codex 같은 에이전트를 사람이 직접 쓰고 있는 볼트에 붙여, "내 노트를 기준으로 유튜브 콘셉트 프레임워크가 뭐냐" 같은 질문에 볼트 전체를 읽고 답하게 한다(06:40-08:01). Level 2 "AI Database"는 방향을 뒤집는다. 백그라운드 에이전트들이 스스로 볼트에 로그와 문서를 남긴다 — 영상의 예로는 음료 사진 한 장을 식단 로그로 바꾸는 건강·생산성 봇("Lifebot")과, 지시를 받으면 프로세스를 문서화하는 업무 비서 봇("Tacobot")이 있고, 여러 대의 머신에서 동시에 돌며 Obsidian Sync로 일관성을 유지한다(12:16-15:16). Level 3 "LLM Wiki"는 안드레이 카파시(Andrej Karpathy)가 공개적으로 설명한 패턴이다. 사람은 노트 쓰기를 멈추고, LLM이 프로그래머가 코드베이스를 다루듯 볼트를 관리하며, 옵시디언은 그 IDE 역할을 한다(16:25-16:56).

Jayverse에서 이것은 새로 도입할 도구가 아니라 jay가 이미 운영 중인 패턴을 설명한 것이다. alice 저장소는 옵시디언 없이 돌아가는 Level 3 LLM 위키이며, 둘을 나란히 놓아 보면 alice가 이미 갖춘 것과 빠진 것이 정확히 드러난다.

왜

세 단계는 서로 독립된 세 기능이 아니라 성숙도 사다리이고, 단계마다 실패 양상이 달라진다는 점이 중요하다. Level 1의 위험은 낡은 세컨드 브레인이다. 에이전트는 질문에 잘 답하지만, 노트 쓰기가 여전히 귀찮은 일로 남아 사람이 더 이상 업데이트하지 않는 노트에 대해서만 답할 뿐이다. Level 2의 위험은 드리프트다. 여러 에이전트가 같은 볼트에 로그를 남기면, 무엇도 일관성을 책임지지 않는 한 사람도 에이전트도 완전히 신뢰하지 못하는 더미가 쌓인다. Level 3는 바로 이 위험에 대한 답이다. LLM에게 쓰기뿐 아니라 일관성까지 책임지게 하는 것인데, 무엇을 어떻게 건드려도 되는지 정하는 명시적 스키마와, 가벼운 AI-노트 설정이라면 대개 빠뜨리는 두 동작 — 린트(모순을 찾아 고치고, 더 새로운 소스가 대체한 주장을 정리하고, 아무도 링크하지 않는 고립 페이지를 치운다)와 쿼리(파일 하나가 아니라 위키 전체를 종합한 답을 돌려준다) — 를 갖추면서다. 이 모든 것은 첫 번째 속성 없이는 성립하지 않는다. 로컬 평문 마크다운은 파싱 문제 자체를 없앤다. 사람에게 이미 잘 짜인 글로 읽히는 노트는 LLM이 읽고 편집하고 인용하는 데도 변환이 필요 없다 — 옵시디언의 UI 없이 같은 방식으로 지어진 alice가 같은 이점을 얻는 이유이기도 하다.

동작 방식

옵시디언의 AI 친화적 기본기

모든 노트가 볼트 폴더 안의 .md 파일이므로, 파일 시스템을 읽을 수 있는 도구라면 — LLM, 코딩 에이전트, grep — 무엇이든 바로 다룰 수 있다. 독점 포맷이나 데이터베이스 내보내기 뒤에 숨어 있지 않다. [[노트 이름]] 링크는 자동으로 탐색 가능한 그래프를 만들고, 옵시디언의 그래프 뷰에서 무엇이 무엇과 연결되는지 지도처럼 볼 수 있다. 기본 앱은 무료이고, 유료 애드온인 Obsidian Sync는 볼트를 여러 기기에 종단간 암호화로 복제한다. 커뮤니티 플러그인이 기능을 확장하며 — 영상에서는 Smart Connections와 Copilot을 예로 든다 — 프런트매터(노트 맨 위의 YAML 메타데이터)와 이미지·PDF·오디오 임베드까지 더하면 단순 텍스트 편집기가 아니라 범용 지식 도구가 된다.

Level 1 — AI Second Brain

에이전트(영상은 Claude와 코딩 에이전트 형태의 도구, 그리고 프라이버시를 위한 완전 로컬 옵션들을 든다)를 사람이 손으로 쓰는 볼트에 붙이면, 한 파일이 아니라 볼트 전체를 가로질러 읽으며 질문에 답한다 — 어딘가에 적어둔 프레임워크나 체크리스트를 찾아 주거나, 요청하면 그 내용을 바탕으로 작은 도구(체크리스트 앱)를 만들어 주기도 한다. 볼트가 소스이고, 에이전트는 그 위에서 똑똑하게 읽고 가끔 만들어 주는 존재다. 이는 노력이 가장 적게 드는 단계이며, 많은 사람이 채팅창에 노트를 붙여넣으며 이미 비공식적으로 해 온 일이다 — 차이는 에이전트가 사람이 그때그때 붙여넣는 것이 아니라 볼트를 직접 읽는다는 점이다.

Level 2 — AI Database

여기서 방향이 뒤집힌다. 사람이 쓰고 에이전트가 읽는 대신, 백그라운드 에이전트가 계속 쓰고 사람(또는 다른 에이전트)이 나중에 쌓인 것을 읽는다. 영상의 예는 사진으로 식사를 기록하고 타이머·집중 세션 로그를 모으는 코치형 봇, 그리고 말로 지시하면 볼트 안에 프로세스 가이드를 써 주는 업무 비서 봇이다. 데스크톱, 노트북, 서버 등 여러 머신 위의 여러 에이전트가 같은 볼트에 쓰고 동기화에 의존해 일관성을 유지하며, 로그가 충분히 쌓이면 에이전트에게 그 패턴을 다시 분석해 달라고 요청할 수 있다 — 예를 들어 몇 주치 로그를 근거로 딥워크 일정을 제안받는 식이다.

Level 3 — LLM Wiki

카파시가 제안한 패턴은 사람을 쓰기 루프에서 완전히 빼고, LLM에게 세 개의 레이어를 준다. Raw Sources(원본 소스) — 사람이 준 아티클, PDF, 메모로, LLM이 절대 편집하지 않는 source of truth. The Wiki — 그 소스로부터 LLM이 생성·갱신하는 요약, 엔티티 페이지, 개념 비교. The Schema — CLAUDE.md나 agents.md 형태의 규칙 문서로, 위키의 구조와 읽고 쓰는 법을 LLM에게 설명한다. 이를 돌리는 세 동작은 다음과 같다. Ingest — 새 자료가 들어오면(영상 예시는 텔레그램 봇) LLM이 읽고 위키에 정리한다. Query — LLM이 위키 여러 페이지를 종합해 단계별 답을 만든다. Lint — LLM이 페이지 간 모순을 찾고, 더 새로운 소스가 대체한 주장을 고치고, 아무도 링크하지 않는 고립 페이지를 정리한다. 두 개의 내비게이션 파일이 이를 완성한다. index.md는 모든 위키 페이지를 한 줄 요약과 카테고리와 함께 정리한 카탈로그로, LLM 자신을 위한 지도이고, log.md는 지금까지 실행된 모든 ingest·query·lint를 시간순으로 쌓는 감사 로그다.

Jayverse에서의 위치

• Alice: 이미 이 패턴이며, 자기 자신을 설명한 셈이다. alice의 1,200개 이상 마크다운 페이지가 위키 레이어이고, CLAUDE.md와 docs/topics/README.md가 스키마이며, docs/history/YYYY-MM-DD-*.md가 로그, docs/notes.html과 docs/index.html이 인덱스다. jay가 붙여넣은 소스로부터 에이전트가 작성하는 Knowledge Notes 항목 하나하나(이 항목 포함)가 ingest 단계다. 카파시의 원형과 비교해 빠진 것: 명시적으로 불변인 raw-sources 폴더(jay의 페이스트는 지금 채팅에만 남고 손대지 않은 원본으로 디스크에 저장되지 않는다), 페이지 간 모순이나 고립 페이지를 점검하는 린트 패스, 기계가 읽을 수 있는 index.md(현재 두 HTML 페이지는 jay가 읽도록 만들어졌지, 에이전트가 먼저 파싱하도록 만들어지지 않았다).
• Auditor: log.md는 이미 반쯤 설계된 감사 로그 아이디어다. 모든 ingest·query·lint를 타임스탬프와 함께 남기는 Level 3 로그는, Auditor 행이 기록하려는 것 — 무엇을 어떤 규칙으로 확인했는지 — 과 같은 모양이다.
• Dark Horse: 프라이빗한 Level 1. jay가 직접 관리하는 하드웨어에서 로컬 오픈웨이트 모델(영상 기준 Hermes·DeepSeek·Qwen 계열)을 alice 코퍼스 위에 돌리는 것은, 볼트를 호스팅 API로 보내지 않는 Level 1 AI Second Brain이다 — "클라우드 의존 없음" 성격의 Dark Horse 후보에 맞는다.
• Eng: 이미 참인 면접 답변. "당신의 지식 관리 시스템을 설명해 보라"는 실제 면접 질문이고, jay의 정직한 답 — 스키마 파일과 로그를 갖추고 (위의 빈틈이 메워지면) 불변 소스 레이어와 린트까지 갖춘 LLM 유지 위키 — 는 대부분의 지원자가 대는 노트 앱보다 강한 답이다.

확인된 것과 미확인

2026-09-19 확인: 옵시디언은 노트를 [[위키링크]]로 연결되는 로컬 마크다운 파일로 저장하고, 그래프 뷰를 제공하며, 커뮤니티 플러그인을 지원하고, 종단간 암호화되는 Obsidian Sync를 제공하며, 개인 용도로 무료다. 안드레이 카파시는 여기 요약한 형태의 "LLM 위키" 아이디어 — 불변 raw sources, LLM이 유지하는 위키 레이어, 스키마/규칙 문서, ingest·query·lint 동작, index·log 쌍 — 를 공개적으로 설명한 바 있다. 요약에서 가져왔고 독립 확인하지 않은 것: 이름이 붙은 봇들("Lifebot", "Tacobot")과 그 구체적 동작, 전체 도구 목록(코딩 에이전트 이름들, Hermes, DeepSeek Harness, Open Code, Gemini Flash, 로컬 Qwen 모델), 위에 인용된 모든 타임스탬프.

출처: YouTube — 티나 황(Tina Huang), "Obsidian in 24 Minutes" · 관련 항목: Tech #62(에이전틱 엔지니어링은 경계를 쓴다), Tech #97(ai-engineer-builds-the-car, 그 안의 Tier 2 RAG 항목), Life 1304(ng-tasks-not-jobs-context-advantage, 학습의 역설 — AI가 대신 쓰는 위키는 내가 배우지 않은 지식이다).

← 전체 기술 노트 · 워크스페이스 인덱스 · 맨 위 ↑