2026년 4월 30일 작성

LLM Wiki 최소 구성 - Plain Markdown Tree로 구현하기

Obsidian 같은 전용 도구 없이 git repository와 markdown directory tree, schema 문서 하나만으로 LLM Wiki pattern을 운영하며, ingest와 query, lint operation은 schema에 정의된 절차에 따라 LLM agent가 수행합니다.

Plain Markdown만으로 충분한 이유

LLM Wiki pattern의 본질은 directory와 markdown file, schema 문서 세 가지로 환원됩니다.
- Karpathy 원문에서도 “wiki는 markdown file로 이루어진 git repo일 뿐”이라고 명시합니다.
- Obsidian, Logseq, Foam 같은 도구는 graph view나 hotkey 등 운영 편의를 더하는 IDE 역할이며, pattern 자체에는 필요하지 않습니다.
LLM agent에게 필요한 것은 file을 읽고 쓸 수 있는 환경과 일관된 convention뿐입니다.
- Claude Code, Codex, OpenCode, Gemini CLI 모두 local file system에 직접 접근하므로 별도 plugin이나 server가 필요 없습니다.
- convention은 schema 문서(CLAUDE.md 또는 AGENTS.md)에 적어 두면 매 session마다 동일한 방식으로 wiki가 유지됩니다.

graph LR
    human[Human] -->|source 추가| raw[raw/<br>markdown directory]
    human -->|convention 정의| schema[CLAUDE.md<br>schema]
    schema --> agent[LLM Agent]
    raw --> agent
    agent -->|읽기·쓰기| wiki[wiki/<br>markdown directory]
    wiki -->|version 관리| git[git repository]
    wiki -->|읽기·탐색| human

최소 Directory 구조

최소 구성은 raw source layer와 wiki layer, schema 문서 하나로 끝납니다.
- raw source는 인간이 수집한 불변 자료이며, wiki는 LLM이 생성하고 유지 보수하는 markdown file directory입니다.
- schema 문서는 LLM에게 wiki 운영 방식을 지시하는 instruction file입니다.

graph TB
    schema[CLAUDE.md<br>schema] --> wiki[wiki/<br>LLM이 생성·유지 보수]
    raw[raw/<br>불변 source] --> wiki
    wiki --> human[Human<br>읽기·탐색·질문]

my-wiki/
├── raw/
│   ├── articles/
│   ├── papers/
│   └── assets/
├── wiki/
│   ├── index.md
│   ├── log.md
│   ├── sources/
│   ├── concepts/
│   ├── entities/
│   └── comparisons/
└── CLAUDE.md

raw/는 LLM이 읽기만 하고 절대 수정하지 않는 single source of truth입니다.
- article, paper, transcript, image 등을 그대로 보관합니다.
- 수집 형식은 markdown으로 통일하면 LLM이 가장 효율적으로 처리합니다.
wiki/는 LLM이 생성하고 전적으로 관리하는 directory이며, page를 type별 sub-directory로 분류합니다.
index.md와 log.md는 wiki 전체를 탐색하기 위한 별도 file입니다.
- index.md는 page catalog로, LLM이 query에 답할 때 가장 먼저 읽습니다.
- log.md는 ingest와 query, lint 활동의 시간순 기록입니다.
초기 setup은 mkdir과 git init 한 번이면 충분합니다.

mkdir -p my-wiki/raw/{articles,papers,assets}
mkdir -p my-wiki/wiki/{sources,concepts,entities,comparisons}
touch my-wiki/wiki/index.md my-wiki/wiki/log.md
touch my-wiki/CLAUDE.md
cd my-wiki && git init

sources, concepts, entities, comparisons는 LLM Wiki 구현체 대부분이 공유하는 default 분류 축이며, knowledge의 네 가지 형태를 반영합니다.
- input(외부에서 들어온 raw 지식)을 sources에, abstract(추상 개념)를 concepts에, concrete(고유 대상)를 entities에, synthesis(지식 간의 관계)를 comparisons에 배치합니다.
- 어떤 domain에든 적용 가능한 일반 골격이지만, 독서 wiki는 characters/, themes/, chapters/를, business wiki는 customers/, meetings/, decisions/를 두는 등 domain에 맞게 변형이 가능합니다.

graph LR
    raw[raw/<br>외부 source] -->|ingest| sources[sources/<br>source 요약]
    sources -->|개념 추출| concepts[concepts/<br>추상 개념]
    sources -->|고유명사 추출| entities[entities/<br>구체 대상]
    concepts -->|비교·종합| comparisons[comparisons/<br>관계·분석]
    entities --> comparisons

LLM이 새 page를 만들 때 어디에 둘지 즉시 결정할 수 있도록 분류 축을 schema에 정의해 두는 것이 핵심입니다.
- directory를 나누지 않고 wiki 한 곳에 모두 넣어도 동작은 하지만, page 수가 늘어나면 LLM이 매번 전체를 훑어야 해서 비효율적입니다.
- 4개 type은 default일 뿐, domain에 따라 type을 추가하거나 줄이거나 이름을 바꿔도 무방합니다.

sources : Source 요약 Page

한 raw source당 하나의 summary page를 갖는 1대1 대응 directory입니다.
- raw/papers/attention-is-all-you-need.pdf를 ingest하면 wiki/sources/summary-attention-is-all-you-need.md가 생성됩니다.
- source 추가 history와 file 목록이 거의 일치하므로, “지금까지 어떤 source를 읽었는가”의 기록 역할도 합니다.
page 본문은 key takeaway, methodology, 발견한 모순, 관련 concept page link로 구성됩니다.
- 원본 file 경로를 frontmatter에 명시하여 출처를 항상 검증 가능하게 유지합니다.

concepts : 추상 개념 Page

idea, theory, pattern, algorithm 같은 추상적 개념 단위로 작성하는 directory입니다.
- attention-mechanism.md, mixture-of-experts.md, scaling-laws.md 같은 page가 들어갑니다.
- 여러 source가 같은 개념을 다루면 하나의 page에 누적되며, 새 source가 추가될 때마다 갱신됩니다.
N개의 source가 1개의 concept page에 수렴하는 N대1 누적 구조입니다.
- source가 늘어날수록 concept page가 풍부해지고, 모순되는 주장이 발견되면 같은 page 안에 표시됩니다.

entities : 고유 대상 Page

person, company, tool, library, product 같은 named entity 단위로 작성하는 directory입니다.
- anthropic.md, karpathy.md, claude-code.md, pytorch.md 같은 page가 들어갑니다.
- concept과 동일하게 N개의 source에서 정보가 누적됩니다.
concept과 entity의 차이는 추상과 구체의 차이입니다.
- “attention mechanism”은 concept, “Anthropic”은 entity처럼 구분합니다.
- 분류가 모호하면 schema에 판단 기준을 명시하여 LLM이 일관되게 결정하도록 유도합니다.

comparisons : 종합·비교 Page

두 개 이상 개념의 비교나 query 결과를 page로 정착시킨 결과물을 모으는 directory입니다.
- moe-routing-strategies.md, rag-vs-fine-tuning.md, claude-vs-gpt-vs-gemini.md 같은 page가 들어갑니다.
- 원래는 chat history에 묻혀 사라질 분석을 wiki에 보존하는 자리입니다.
“좋은 query 결과를 다시 wiki에 filing하라”는 LLM Wiki pattern의 핵심 실천이 일어나는 위치입니다.
- 한 번 생성된 comparison page는 이후 새 source가 ingest될 때마다 영향 여부를 점검하여 갱신합니다.
- synthesis, syntheses 같은 이름으로 부르는 구현체도 있으나 역할은 동일합니다.

Schema 문서 작성

schema 문서는 LLM을 generic chatbot이 아닌 wiki maintainer로 동작시키는 핵심 설정 file입니다.
- Claude Code는 CLAUDE.md, Codex는 AGENTS.md, Gemini CLI는 GEMINI.md를 자동으로 읽습니다.
- 동일한 내용을 여러 file로 복사해 두면 어떤 agent로 열어도 같은 convention이 적용됩니다.
schema에 반드시 포함해야 할 항목은 directory 역할, page convention, ingest와 query, lint 절차입니다.
- directory 역할은 raw/와 wiki/, index.md, log.md 각각의 소유권과 수정 가능 여부를 명시합니다.
- page convention은 file naming, frontmatter 형식, cross-reference 방식을 정의합니다.
- ingest와 query, lint 절차는 각 명령을 받았을 때 LLM이 수행할 step을 순서대로 나열합니다.

최소 CLAUDE.md 예시

최소 운영에 필요한 항목만 담은 starting point schema이며, domain에 맞게 수정해 가며 발전시킵니다.

# LLM Wiki Schema

## Directory Layout
- `raw/` is immutable. Never modify files here.
- `wiki/` is yours. You own and maintain everything inside.
- `wiki/index.md` is the catalog of all pages. Update it after every ingest.
- `wiki/log.md` is an append-only activity record. Only add entries at the end.

## Page Conventions
- Use kebab-case for filenames (e.g. `attention-mechanism.md`).
- Every page must start with YAML frontmatter.
```yaml
---
title: Page Title
type: concept | entity | source-summary | comparison
sources:
  - raw/papers/source-file.md
related:
  - wiki/concepts/related-page.md
created: YYYY-MM-DD
updated: YYYY-MM-DD
confidence: high | medium | low
---
```
- Use standard markdown links `[text](relative/path.md)` to reference other pages.
- Every claim must cite its source path under `raw/`.

## Ingest (on "ingest <path>")
1. Read the source at `raw/<path>`.
2. Discuss the key takeaways with the user.
3. Create a summary page under `wiki/sources/`.
4. Create or update related concept and entity pages.
5. Add the new page to `wiki/index.md`.
6. Append an entry to `wiki/log.md`.

## Query (on a question)
1. Read `wiki/index.md` first to find relevant pages.
2. Read those pages and answer with citations.
3. If the answer is worth keeping, offer to save it as a new page under `comparisons/`.

## Lint (on "lint")
1. Contradictions between pages.
2. Orphan pages with no inbound links.
3. Concepts mentioned without a dedicated page.
4. Claims invalidated by newer sources.
5. Open questions worth investigating next.

Page Type별 Template

각 page type은 frontmatter 구조와 본문 section이 일정해야 LLM이 일관되게 작성하고 인간이 빠르게 훑을 수 있습니다.
- frontmatter는 기계가 다루기 위한 metadata이고, 본문은 인간이 읽는 영역입니다.
- template을 schema에 박아 두면 매 session마다 동일한 형식이 재현됩니다.

Source Summary Page

한 raw source당 하나씩 생성되며, source의 핵심을 요약하고 wiki 내 관련 page와 연결합니다.

---
title: "MoE Efficiency 2026"
type: source-summary
sources:
  - raw/articles/2026-04-moe-efficiency.md
related:
  - wiki/concepts/mixture-of-experts.md
  - wiki/concepts/scaling-laws.md
created: 2026-04-04
updated: 2026-04-04
confidence: high
---

## Key Takeaways
- Dense models outperform sparse MoE below 10B parameters.
- Routing overhead grows sublinearly with the number of experts.

## Methodology
- Compares six routing variants against a Switch Transformer baseline.

## Implications
- Contradicts existing claims in [mixture-of-experts](../concepts/mixture-of-experts.md); flag a contradiction note on that page.

Concept Page

개념 단위로 작성되며, 여러 source가 같은 개념을 다룰 때마다 갱신됩니다.

---
title: Mixture of Experts
type: concept
sources:
  - raw/papers/switch-transformer.pdf
  - raw/articles/2026-04-moe-efficiency.md
related:
  - wiki/concepts/scaling-laws.md
  - wiki/concepts/attention-mechanism.md
created: 2026-03-10
updated: 2026-04-04
confidence: high
---

## Definition
- A sparse architecture that activates only a subset of experts per input token.

## Routing Strategies
- Top-k routing, hash-based routing, and expert choice routing are the dominant approaches.

## Contradictions
- [summary-moe-efficiency-2026](../sources/summary-moe-efficiency-2026.md) argues dense models outperform sparse MoE below 10B parameters.

Entity Page

사람, 조직, 도구 같은 named entity를 한곳에 모읍니다.

---
title: Anthropic
type: entity
sources:
  - raw/articles/anthropic-history.md
related:
  - wiki/entities/claude-series.md
  - wiki/concepts/constitutional-ai.md
created: 2026-02-01
updated: 2026-04-03
confidence: high
---

## Overview
- An AI company focused on safety research.

## Key Products
- Released the Claude series and the Constitutional AI methodology.

## Timeline
- 2021 : Founded.
- 2023 : Claude 1 release.

Index와 Log Format

index.md와 log.md는 LLM이 wiki를 탐색하고 history를 추적하는 출입구이므로 format을 단순하게 유지합니다.
- format이 일관되면 grep, awk, ripgrep 같은 unix tool로도 parsing이 가능합니다.
- LLM이 새 session을 시작할 때 index.md와 log.md만 읽어도 wiki의 현재 상태와 최근 변화를 빠르게 파악합니다.

index.md 예시

# Wiki Index

## Concepts
- [mixture-of-experts](concepts/mixture-of-experts.md) - sparse expert routing architecture
- [attention-mechanism](concepts/attention-mechanism.md) - self-attention and its variants
- [scaling-laws](concepts/scaling-laws.md) - compute-optimal training laws

## Entities
- [anthropic](entities/anthropic.md) - Claude series, Constitutional AI
- [openai](entities/openai.md) - GPT series

## Sources
- [summary-moe-efficiency-2026](sources/summary-moe-efficiency-2026.md) - 2026-04-04
- [summary-attention-revisited](sources/summary-attention-revisited.md) - 2026-03-15

## Comparisons
- [moe-routing-strategies](comparisons/moe-routing-strategies.md) - filed from query 2026-04-04

log.md 예시

각 entry는 일정한 prefix 형식을 갖추어야 unix tool로 마지막 N개 entry를 추출할 수 있습니다.

# Activity Log

## [2026-04-04] ingest | MoE Efficiency Article
- source : raw/articles/2026-04-moe-efficiency.md
- created : sources/summary-moe-efficiency-2026.md
- updated : concepts/mixture-of-experts.md, concepts/scaling-laws.md
- note : Contradicts existing dense vs sparse claim below 10B; flagged in concepts/mixture-of-experts.md.

## [2026-04-04] query | MoE Routing Comparison
- read : concepts/mixture-of-experts.md, sources/summary-moe-efficiency-2026.md
- output : comparisons/moe-routing-strategies.md

## [2026-04-04] lint | Weekly Health Check
- contradictions : 2
- orphan pages : 3
- missing concepts : 4

prefix를 ## [YYYY-MM-DD] <op> | <title> 형식으로 통일하면 grep "^## \[" log.md | tail -5로 최근 entry를 즉시 확인합니다.

운영 단계 확장

최소 setup으로 시작한 뒤, 규모와 필요에 따라 점진적으로 layer를 추가합니다.
- 100개 source, 수백 개 page 규모까지는 index.md 기반 탐색만으로 충분합니다.
- 그 이상으로 커지면 search engine이나 graph 시각화 같은 보조 도구를 도입합니다.

단계	source 규모	권장 도구
시작	0 ~ 10	plain markdown, `index.md`
운영	10 ~ 100	+ frontmatter 표준, `log.md` 활용
확장	100 ~ 500	+ 외부 search (qmd 같은 BM25/vector hybrid)
협업	다수 인원	+ branch별 ingest, review loop

외부 search engine은 wiki page를 색인하는 별도 layer이며, 도입 후에도 markdown file 자체는 변경되지 않습니다.
- qmd는 markdown 전용 hybrid search로, MCP server를 노출하므로 LLM이 native tool처럼 사용합니다.
- search 결과는 여전히 markdown file 경로를 반환하므로 wiki layer의 단순성은 유지됩니다.
editor는 취향껏 선택하되, file system을 직접 탐색할 수 있는 도구라면 어떤 것이라도 동작합니다.
- VS Code는 markdown preview, 검색, git 통합이 기본 제공되어 추가 setup 없이 사용합니다.
- Obsidian은 graph view와 backlink panel이 강력하지만, vault 설정과 plugin 관리 부담이 따릅니다.
- terminal과 markdown previewer 조합도 유효한 선택지입니다.

도입 점검 항목

raw와 wiki, schema 세 layer가 directory와 file로 분리되어 있는가.
schema 문서에 directory 역할, page convention, ingest와 query, lint 절차가 모두 정의되어 있는가.
모든 wiki page가 frontmatter를 갖추고 source 출처를 명시하는가.
index.md가 모든 page의 link와 한 줄 요약을 담고 있는가.
log.md가 ingest, query, lint operation을 시간순으로 append-only로 기록하는가.
git으로 version 관리되며 raw/는 절대 수정되지 않는가.

LLM Wiki 최소 구성 - Plain Markdown Tree로 구현하기

Plain Markdown만으로 충분한 이유

최소 Directory 구조

sources : Source 요약 Page

concepts : 추상 개념 Page

entities : 고유 대상 Page

comparisons : 종합·비교 Page

Schema 문서 작성

최소 CLAUDE.md 예시

Page Type별 Template

Source Summary Page

Concept Page

Entity Page

Index와 Log Format

index.md 예시

log.md 예시

운영 단계 확장

도입 점검 항목

Reference

목차