Hallym CMDS PKM Conference 2026 · 2026-09-21(월) 13:10 · 기조강연
같은 AI, 다른 연구
프롬프트가 아니라
지식 구조가 결과를 바꾼다
옵시디언 Second Brain에서 LLM Wiki까지, 연구 지식 베이스 리캘리브레이션
구요한 · 커맨드스페이스 대표 · 연구하면서 가르치는 실천가 · 10,000+ 노트 옵시디언 볼트 운영01-프로그램-타임테이블 §2 · hallym.cmdspace.work
이 자리의 전제 · 1회 김해에서 2회 춘천으로
AI가 답을 만드는 시대,
Hallym CMDS PKM Conference 2026 · 행사 페이지
연구자는 과정까지
설계해야 합니다.
1회 기조 '맥락을 남기고 흐름을 설계하라'의 후속작입니다. 오늘은 그 흐름의 구조를 교정합니다.
1막
진단
장비는 교정하면서, 워크플로우는 교정하지 않는다
병목은 모델이 아니라 구조입니다.
장비는 매주 교정하면서,
워크플로우는 왜 그대로입니까
- 장비 주기적으로 교정합니다. 검정 성적서까지 남깁니다.
- 모델 분기마다 바뀝니다. 바뀔 때마다 새로 배웁니다.
- 워크플로우 검색하고, 읽고, 붙여넣고, 다시 씁니다. 2022년과 같습니다.
리캘리브레이션은 개종 어휘가 아니라 연구자의 일상 어휘입니다. 이미 워크플로우를 가진 전문가에 대한 존중입니다.PKM Conference 2 README · 01-프로그램-타임테이블 §2
같은 질문, 두 개의 측정
빨라졌다고 느꼈지만,
측정은 반대로 나왔다
관측 · 자연과학 논문 4,130만 편
- AI 사용 연구자의 논문 수 3.02배
- 인용 4.84배
- 팀 리더 도달 1.37년 단축
- Nature 게재 확정 · arXiv 2412.07727
무작위 대조 실험 · 숙련 개발자 16명
- AI 도구 사용 시 완료 시간 19% 증가
- 사전 예측 24% 단축, 사후 추정 20% 단축
- METR · arXiv 2507.09089
- 2026-02 METR: 후속 데이터 신뢰 불가 선언
두 결과는 동시에 참일 수 있습니다. 측정조차 어려워졌다면, 감각이 아니라 구조로 접근해야 합니다.arXiv 2412.07727 · METR arXiv 2507.09089 · METR 2026-02 update · KIRD 02-강의-내용-고도화 §2-1
원인론
같은 AI인데
연구가 다른 이유
컨텍스트 창과 임베딩의 한계를 지식 구조가 보완하느냐의 차이입니다. 세 착시는 모델의 결함이 아니라 구조가 없을 때 생기는 증상입니다.
01기록했다고 기억한 착각저장은 이해가 아닙니다.
02검색됐다고 정확한 착각유사도는 정답이 아닙니다.
03붙여넣었다고 설득한 착각인용은 논증이 아닙니다.
컨텍스트 윈도우와 임베딩의 한계를 연구자의 언어로 옮긴 것jisan 블로그 원문 · 선택적 망각의 기술
도입 설득이 아니라
구조화 설득
교수는 고유한 지식 구조를 가진 독립 사업자입니다. 강요된 도구는 쓰지 않습니다.
- 그래서 오늘 도구를 권하지 않습니다.
- 대신 같은 AI가 왜 다른 결과를 내는지 구조로 보여드립니다.
- 그리고 내일 아침부터 교정할 수 있는 3단계를 드리고 갑니다.
도구를 배우는 자리보다, 내 연구에 맞는 AI 워크플로우를 찾는 자리20260820 킥오프 회의록 §1.2
2막
같은 AI, 다른 결과
v1 프롬프트 → v2 컨텍스트 → v3 하네스 → v4 루프
지난 컨퍼런스 세션 '왜 같은 AI인데 결과가 다를까'의 다음 문장입니다. 해상도가 아니라 구조.
묻는 방식이 바뀌면
자산이 바뀐다
v1Prompt · 무엇을선행연구 정리해줘. 누가 물어도 같은 답.
v2Context · 어떤 상황과제 배경과 역할을 30줄로 패키징. 좋지만 매번 처음부터.
v3Harness · 어떤 환경연구노트·레퍼런스·위키·룰을 한 번 설계. 한 줄로 내 맞춤 답.
v4Loop · 되돌아오나철회된 논문 한 편이 내 초안까지 되돌아옵니까.
세 단계는 누적. 자산이 되는 것은 v3부터, 살아남는 것은 v4부터.자산-02 §1 · 자산-13 §4 · KIRD 02 (v4 추가)
연구실 언어로 세 층이 갈립니다
핵심 반전: v1에서 v3로 가면 사용자 입력은 다시 짧아지고, 출력은 축적됩니다.
| 축 | v1 프롬프트 | v2 컨텍스트 | v3 하네스 |
|---|---|---|---|
| 입력 길이 | 1줄 | 30줄 이상 | 1줄, 룰은 한 번 |
| 연구실 특이성 | 거의 없음 | 높음 | 매우 높음 |
| 공동연구자 같은 질문 | 같은 답 | 들쭉날쭉 | 항상 동일 |
| 시점 정합성 | 학습 시점 | 입력 시점 | 자동 최신 |
| 연구 자산화 | 없음 | 개인, 부분 | 연구실 자산 |
본인 7축 비교표를 연구실 언어로 5축 압축자산-02 §4 7축 비교표
라이브 · 같은 질문, 세 개의 답
내 연구 주제의 최근 동향을
정리하고, 우리 과제와의
접점을 찾아줘
- v1 교과서 수준 일반론. 누가 받아도 같은 답. (사전 캡처)
- v2 역할, 배경, 형식 30줄. 이번 한 번만 좋습니다. (사전 캡처)
- v3 아까 발사한 한 줄. 내 볼트와 위키를 읽고, 직전 분기와 이어진 답. (라이브)
질문은 세 번 다 같습니다. 바뀐 건 모델이 아니라 모델 주변입니다.자산-02 §3 · BISTEP 02 §3-8 질의 원문
입력은 짧아지고,
답은 깊어진다
차이는 답의 품질이 아니라 맥락이 어디에 있고 누가 매번 조립하는가입니다
- 짧아진 입력 v3의 질문은 다시 한 줄입니다.
- 축적된 출력 더 풍부하고, 재현 가능하고, 다음 질문의 기준선이 됩니다.
- 프롬프트 한 번 쓰고 소비되지만, 지식 베이스는 물을수록 쌓입니다.
모델 주변의 넷이 결과를 가릅니다
챗봇은 답을 하고, 에이전트는 일을 끝냅니다. 차이는 모델이 아니라 모델 주변의 넷입니다.
실물: 9Yohan 멀티에이전트 9yohan.cmdspace.work · CmdMD 마크다운 에디터 cmdmd.cmdspace.workcmdmd.cmdspace.work · 9yohan.cmdspace.work · 자산-13 §3 · 자산-04 §2
업계도 같은 곳에 도착했습니다
원하는 결과를 낼 확률을
Anthropic · Effective context engineering (2025-09-29) · high-signal tokens
극대화하는 고신호 토큰의
최소 집합
제가 하네스라 부르는 것을 업계는 컨텍스트 엔지니어링이라 부릅니다. 이름만 다를 뿐 같은 곳입니다.
영어가 언어라면,
여러분의 연구노트가
소스코드입니다
context window가 프로그램이고 LLM이 인터프리터라면, 그 프로그램은 여러분이 쌓아 온 노트에서 나옵니다.
3막
Second Brain
연구자의 · 정리법이 아니라 인출법
10,000개를 정리한 이야기가 아니라, 꺼내 쓰는 장면을 보여드립니다.
정리를 잘했는가가 아니라
다시 꺼내 쓸 수 있는가
- 메타데이터·태그·링크 장식이 아니라 인출 인터페이스입니다.
- 인박스 4,000개 적시에 검색되면 정리된 것입니다. 폴더 체계와 지식 체계는 다릅니다.
- 옵시디언 노트 앱이 아닙니다. 개인 지식 그래프 엔진입니다.
인출에 역추적을 더합니다
판정 기준은 잘 요약했는가가 아니라 정정 가능한가입니다.
- 되돌아가기 원문으로 되돌아갈 수 있는가.
- 수명주기 근거의 출판·정정·철회를 아는가.
- 전파 정정이 초안까지 전파되는가.
원문·정정·전파, 셋이 연구자의 인출 기준입니다.근거 수명주기 (연구 지식 운영체제) · Wiki · Authorship Separation · 자산-02 §1 v4
첫 질문은 늘 같습니다:
위치를 아는가?
알면 열고, 모르면 검색합니다. 검색은 세 가지 신호 중 지금 질문에 맞는 것을 고르는 일입니다.
어휘BM25 · 단어고유명사, 정확한 용어. 0원, 즉시. 동의어는 놓칩니다.
의미Vector · 뜻단어를 모를 때, 한·영 교차. 식별자는 놓칩니다.
질의Agent · 합성위키를 읽고 답을 조립합니다. 좋은 답은 다시 위키로 돌아갑니다.
우월한 방법이 아니라 지금 질문에 맞는 방법. 제 위키가 정리한 비교입니다.Wiki · Search Methods
실물
정리한 게 아니라, 연결된 겁니다
10,000+노트 · 7볼트 생태계
7볼트 · 분산이 아니라 분업
1,000+LLM 위키 페이지
4년+운영 · 2022년 5월부터
그래프뷰 한 장: 이 우주처럼 생긴 것이 전부 연구 노트입니다.
실측 2026-09-20: 마더십 10,338 · 7볼트 합 17,359 · 위키 1,018 페이지(원문 528) · 첫 데일리 2022-05-16cmds-vault repo · llm-wiki.cmdspace.work
같은 볼트에서 세 번 꺼냈습니다
어휘 검색은 그 문장이 있는 노트를, 의미 검색은 그 단어를 쓰지 않은 에세이를, 위키는 개념을 돌려줍니다.
$ qmd search "다시 꺼내 쓸 수 있는가" -n1
Title: 2025년 회고: 지식을 다룰 수 있게 된 해
$ qmd vsearch "메타데이터와 링크는 인출 인터페이스다" -n3 -c mothership_permanent
Title: 연결 데이터는 포맷이 아니라 정본·교환·검색·그래프·원장의 계층 계약이다
Title: OKF, 같은 구조의 세 번째 도착
Title: AX 문서는 원본을 버리지 않고 사람과 AI의 읽기 층을 나눈다
$ qmd vsearch "메타데이터와 링크는 인출 인터페이스다" -n2 -c wiki
Title: Metadata as Code
Title: Knowledge Interface2026-09-18 실제 실행 결과, 두 번 반복해 같은 순서 확인. 출력은 Title 줄만 발췌. 세 번째 명령은 같은 질문을 AI가 컴파일한 위키에 던진 것입니다.2025년 회고 (첫 검색 결과) · Wiki · Metadata as Code
검색은 위치를 찾고,
이해는 내가 합니다
그래서 사람이 쓴 볼트와 AI가 컴파일한 볼트를 나눕니다. 용량 때문이 아닙니다.
- 이유 내가 어디까지 실제로 아는지를 잃지 않기 위해서입니다.
- 연구자에게 이것은 저자성의 문제입니다. AI는 저자가 될 수 없다는 학술 규범과 같은 선 위에 있습니다.
- 그래서 4막 AI가 저자인 볼트는 따로 있습니다. LLM Wiki입니다.
4막
LLM Wiki
AI가 읽고 쓰는 컴파일된 연구 지식
문헌, 데이터, 원고가 한 볼트에서 순환합니다. 검색은 휘발되고, 위키는 쌓입니다.
원문과 해석을 분리한다
원문은 손대지 않고 해석만 갱신합니다. 갱신은 AI, 방향은 사람.
가이드·스타터킷 llm-wiki.cmdspace.workKarpathy LLM Wiki gist · llm-wiki.cmdspace.work · Schema는 Harness다 §1.2
검색은 휘발되고,
위키는 쌓인다
웹 LLM · RAG (query time)
- 매 질문마다 원본을 다시 찾아 조립
- 축적 없음. 창을 닫으면 사라진다
- 교차참조는 그때그때 조립
- 모순 감지는 설계에 의존
- 정보 소비
Compiled Wiki (ingest time)
- 한 번 컴파일하고 계속 갱신
- compounding. 물을수록 쌓인다
- 교차참조 사전 구축
- lint가 모순, stale, 고아를 잡는다
- 자산 형성
성능 우열이 아니라 축적 책임의 위치가 다릅니다Karpathy gist (RAG 표현) · Wiki · RAG vs Compiled Wiki · 검색은 휘발성 위키는 자산
포맷은 사고를 강제한다
위키보다 먼저
필요한 것은 스키마다
PDF면 읽기 자료, 마크다운이면 연결 단위, 시스템 파일이면 운영 규칙. 같은 지식이 포맷에 따라 다른 일을 합니다.
- 포맷과 꼬리표 같은 지식이 포맷에 따라 다른 일을 합니다. 메타데이터는 처음엔 손으로.
- 시스템 파일 사람과 AI가 같은 볼트를 쓰려면 둘 다 읽을 수 있는 규칙서가 있어야 합니다.
- 노트가 엉망이면 AI가 구원하지 않습니다. 쓰레기의 규모만 키웁니다.
시스템 파일 공개본 system.cmdspace.workkepano File over app · system.cmdspace.work · 자산-10 §6–7 · Raw와 Wiki 사이에서
원리는 여기, 도구는 오후 세션
포맷은 사고를 강제한다
같은 아이디어라도 포맷이 바뀌는 순간, 그 지식이 하는 일이 바뀝니다.
01DeliveryPPT · PDF · DOCX. 사람이 읽는 보고. 논리가 잘립니다.
02ExchangeableMarkdown · JSON · YAML. 사람과 AI가 함께 쓰는 층입니다.
03Plain · Raw원문 · 로그 · 전사. AI는 잘 읽으나 구조가 없습니다.
같은 지식이 PDF 안이면 읽기 자료, 마크다운이면 연결 단위, 시스템 파일이면 운영 규칙.포맷은 사고를 강제한다
메타데이터 7필드
AI-ready의 전부
바뀐 건 내용이 아니라 포맷과 꼬리표뿐입니다.
| 필드 | 하는 일 |
|---|---|
| type | 역할을 구분 |
| description | 의미를 요약 |
| author | 저자를 표시 |
| date | 시점을 고정 |
| status | 초안과 승인 |
| tags | 꺼내는 장면 |
| source | 원본을 추적 |
메타데이터는 처음엔 손으로. 벤더가 사라져도 텍스트 파일은 남습니다.file over app (kepano) · system.cmdspace.work
같은 네 층, 두 가지 관점
같은 네 층, 맡기는 권한과
맡기지 않는 권한
요약판단읽기는 AI. 요약은 빨리, 여러 번, 지치지 않고판단은 내가. 요약이 놓친 것을 아는 사람은 나
링크 제안인용 확정후보는 AI. 관련 노트·문헌을 폭넓게 끌어온다확정은 내가. 인용 한 줄의 책임은 저자에게
초안 생성저자성초안은 AI. 빈 페이지를 없애는 데 몇 초저자는 나. 학술 규범이 AI 저자를 인정하지 않는다
분류 제안스키마 소유제안은 AI. 태그·폴더 후보를 패턴에서 뽑는다소유는 내가. 스키마를 넘기면 위키가 남의 것이 된다
자동화의 효용과 승인 경계를 한 화면에서. M 키로 관점 전환.Wiki · Authorship Separation · 자산-10 §6
한 개인의 취향이 아니라
보편 패턴
같은 시기, 다른 분야에서, 같은 구조에 독립적으로 도착했습니다.
2023CMDS · 구요한운영 시스템. 마크다운 + 7 프로퍼티 + 시스템 파일. 10,000+ 노트로 검증.
2026-04LLM Wiki · KarpathyObsidian is the IDE, the LLM is the programmer, the wiki is the codebase.
2026-06OKF · Google CloudYAML frontmatter 마크다운 디렉토리 명세(v0.1 → v0.2 2026-07). 필수 필드는 type 하나.
Karpathy는 발견했고, 저는 설계했고, 구글이 표준화했습니다.Karpathy gist quote · Google OKF spec · Schema는 Harness다 §6 · OKF 같은 구조의 세 번째 도착
같은 모델, 다른 연구 · 학부 수업의 증거
학부생도
한 학기면 됩니다
2026년 1학기 생성형 AI 기초 수강생 10명이 LLM Wiki 스타터킷을 적용했습니다.
- 원자료 3건 연구 아이디어 7건. 모델은 같았습니다.
- 빈 칸을 보세요 AI가 못 쓴 게 아니라, 아직 읽지 않았거나 정리하지 않은 곳입니다.
- 계획서 초안 지식 베이스의 건강검진표가 됩니다.
5막
리캘리브레이션
로드맵 · 내일 아침부터 시작하는 3단계
장비 교정처럼: 기준을 정하고, 측정하고, 기록을 남깁니다.
내일 아침 30분이면 시작됩니다
그래프가 보이기 시작하면 다음은 스키마와 인덱스입니다. 그때가 LLM Wiki 시점입니다.
01오늘 30분마크다운 에디터를 열고 논문 1편을 .md로. 7필드를 손으로 적습니다.
02이번 주 2시간Zotero의 논문 10편을 볼트에 연결합니다. 여기서 하네스가 생깁니다.
03다음 주 반나절논문 한 섹션을 볼트 기반으로 AI와 공저합니다. 결과를 노트로 되돌립니다.
에디터 CmdMD cmdmd.cmdspace.work · 스타터킷 cmds-vault · 그 다음이 cmds-llm-wikiKIRD 00-강의-마스터-노트 · cmdmd.cmdspace.work · cmds-vault (GitHub)
그 네 단계가 그대로 측정축입니다
AI가 여러분을 분류하기 전에,
먼저 측정하세요
P Prompt20%
C Context · KM의 존재 이유25%
H Harness20%
L Loop20%
X Interop · Governance15%
문서만 있으면 2점, 도구가 강제해야 3점, 자가 개선 기록이 있어야 4점
AKM Index 자가측정과 공개 보드 akm.cmdspace.work · 전 과정 로컬, 제출은 선택 · 만든 사람이 1등이 아닌 루브릭입니다akm.cmdspace.work · 자산-11 AKM Index §2–§7
복사해서 시작하실 수 있습니다
무대에서는 팔지 않습니다. 가져가실 것만 남깁니다.
01AKM Indexakm.cmdspace.work · 10~60분 자가측정, 로컬. 오늘 밤 한 번, 제출은 선택
02스타터킷 2종cmds-vault · cmds-llm-wiki (GitHub). 빈 볼트로 열고 논문 1편을 첫 노트로
03시스템 파일 공개본system.cmdspace.work · 6종 + 규칙 ZIP. CLAUDE.md 를 볼트 루트에
04직접 만든 실물cmdmd.cmdspace.work 로 .md 한 편 열기 · 9yohan.cmdspace.work 는 루프 층 실물
05더배러thebetter.stibee.com · 구독하면 다음 글이 메일로
06월간옵시디언매월 커뮤니티 모임 · 링크는 당일 구두 안내, 다음 회차에 오시면 됩니다
오늘 오후, 구조 위에서
이어지는 세 세션
기조는 구조 층에 머물렀습니다. 각론은 세 분이 이어갑니다.
14:05김진영 · 평가용 AI평가 기준은 지식 구조에서 나옵니다. 생성뿐 아니라 평가까지, 바로 다음 세션.
15:20안창현 · HWP에서 마크다운으로마크다운이 AI-ready인 이유는 오늘 말했습니다. 변환은 이 세션이 보여줍니다.
16:15조성현 · 지식관리 파이프라인구조 위에서 도는 수집, 분류, 연결, 작성, 피드백, 고도화. 각론은 여기서.
폐회 때 박사급 핸즈온 워크샵 안내가 있습니다01-프로그램-타임테이블 (라인업) · hallym.cmdspace.work
패널에 심어 두는
세 가지 질문
결론은 17:10 패널에서 함께 냅니다.
- 하나 AI 시대 연구자에게 남는 일은 무엇인가.
- 둘 졸업과 함께 랩 지식이 증발하는 것을 막을 수 있는가.
- 셋 한글 문서 문화는 바뀔 수 있는가.
같은 AI를 써도,
연구는 달라집니다
차이는 질문 한 줄 바깥에 있습니다. 새로운 도구 하나보다, 다음 연구에도 남는 작업 방식을.
- 모델 갈아끼우는 것입니다.
- 남는 것 여러분의 지식 구조입니다.
- 연구자의 하네스 이미 여러분 손에 있습니다. 읽고 쓰고 정리해 온 모든 것.
감사합니다
질문은 언제나 환영합니다.
labs.cmdspace.work/hallym-0921/오늘 발표자료 · 웹 덱(한/영) + PDF 39장
https://labs.cmdspace.work/hallym-0921/
https://labs.cmdspace.work/hallym-0921/
cmdspace.work커맨드스페이스
https://cmdspace.work
https://cmdspace.work
bio.cmdspace.work구요한 · 연락처와 강의 이력
https://bio.cmdspace.work
https://bio.cmdspace.work
AI가 답을 만드는 시대, 연구자는 과정까지 설계합니다.
구요한 · CMDSPACElabs hallym-0921 · cmdspace.work · bio.cmdspace.work