생성형 AI 활용 논문 작성 방법
— 옵시디언과 LLM Wiki로 연구 지식 베이스 만들기
구요한 (커맨드스페이스 대표 · 차의과학대학교 겸임교수 · KIRD 객원교수). 오늘 세션에서 보신 발표자료와 시연 구조, 그리고 내일 여러분 도서관에서 바로 쓰실 수 있는 실물들을 이 한 페이지에 모았습니다.
Takeaway오늘의 한 문장
방법(프롬프트)은 한 번 쓰고 소비되지만, 인프라(지식 베이스)는 물을수록 쌓입니다. 논문은 그 지식 베이스 위에서 나오는 산출물입니다.
Architecture3층 구조 — 사서의 언어로
Karpathy가 2026년 봄 공개한 LLM Wiki 패턴은 사서의 본업과 구조가 같습니다. 여러분이 평생 해오신 일의 개인 연구자 버전입니다.
| 층 | 무엇 | 사서 언어 | 누가 |
|---|---|---|---|
| Raw Sources | 논문 PDF·웹클립·메모 (불변 보존) | 원자료 서고 | 사람이 수집 |
| Wiki | 정리된 개념·요약·연결 페이지 | 정리된 주제 파일 (편목) | AI가 작성·유지 |
| Query | 자연어 질문에 근거와 함께 답 | 참고봉사 | 사람이 질문 |
Retrieval지식이 검색되는 원리 — 다섯 정거장
시연에서 질문 하나가 근거 있는 답이 되기까지, 다섯 정거장을 지납니다. 모두 사서의 업무 언어로 옮겨집니다.
| 정거장 | 시스템에서 | 사서 언어 |
|---|---|---|
| ① 스키마 | 시스템 파일 9종이 분류 체계·규칙을 AI에게 선언 — AI는 검색 전에 규정부터 읽습니다 | 편목 규칙 · 장서개발정책 |
| ② 색인 | 노트마다 붙는 type · 한 줄 설명(description) · 태그 | 목록 레코드 · 주제명 |
| ③ 검색 | 키워드(BM25) · 의미(벡터) · 가설 답변(HyDE) 3모드 | OPAC·디스커버리의 개인판 |
| ④ 연결 | 위키링크 그래프로 이웃 문서까지 함께 | 상호참조 · 전거 연결 |
| ⑤ 파일백 | 좋은 답은 Queries 페이지로 저장 → 다음 검색의 소재 | 참고봉사 기록의 재활용 |
에이전트 메모리와의 관계 — Agent Memory 제품군은 '내가 누구인가'(선호·이력)를 기억하고, 지식 베이스는 '무엇이 참인가'(근거·출처)를 기억합니다. 2026년 메모리 업계는 마크다운 파일 기반으로 수렴 중이고, 옵시디언 사용자는 이미 도착해 있습니다. 파일로 된 기억은 열어보고, 고치고, 지울 수 있습니다 — 기록관리의 언어로 평가·폐기가 가능한 기억입니다.
Downloads가져가실 것들
For Your Library다음 학기 이용자 교육 모듈 — '그릇 짓는 법'
도구 사용법 교육의 다음 단계로 제안드린 4주 모듈입니다.
| 주차 | 내용 |
|---|---|
| 1주차 · 프레임 | 연구자료가 흩어지는 이유와 그릇의 원리 — 마크다운·문헌노트·위키의 3층 |
| 2-3주차 · 파이프라인 | Zotero → 문헌노트 → 위키 컴파일 실습 (수강생 각자의 연구주제 1개로) |
| 4주차 · 논문 연결 | 질의·근거 추적·AI 사용 공개 요건 — 사서의 새 참고봉사 영역 |
Research Ethics지식 베이스 = 연구윤리 인프라
주요 출판사(Elsevier·Springer Nature·Wiley)의 공통 원칙은 두 가지입니다 — AI는 저자가 될 수 없다, 사용을 공개하라. 채팅창에 흩어진 AI 사용은 공개할 방법이 없지만, 지식 베이스 위의 AI 사용은 무엇을 넣었고 무엇을 물었는지가 파일로 남습니다. 공개 요건을 충족하는 가장 확실한 방법이 곧 그릇을 짓는 것입니다. 정책은 개정이 빠르니 각 기관 최신 원문을 확인하세요.
Contact문의 · 후속
도서관 교육 프로그램 설계, 기관 워크숍, 컨설팅 문의를 환영합니다.