클로드와 LLM 위키로 AI 세컨드 브레인 만들기

AI 자동화를 잘 쓰려면 먼저 AI가 참고할 수 있는 내 지식의 저장소가 필요합니다. 업무 방식, 말투, 고객 정보, 의사결정 기준, 프로젝트 기록이 흩어져 있으면 AI는 매번 일반적인 답변만 하게 됩니다.

이 글은 Lilys AI 요약본을 바탕으로, 옵시디언 기반 LLM 위키를 만들고 클로드와 연결해 AI 세컨드 브레인으로 활용하는 흐름을 블로그 글 형태로 다시 정리한 기록입니다.

핵심 아이디어

AI 세컨드 브레인은 단순한 메모 앱이 아닙니다. 개인이나 팀이 가진 맥락을 AI가 읽고, 그 맥락을 바탕으로 판단과 실행을 돕게 만드는 시스템입니다.

구조를 아주 단순화하면 다음과 같습니다.

Obsidian Vault
  → Relay MD로 서버 동기화
  → MCP 서버/커넥터 형태로 노출
  → Claude가 필요할 때 내 지식에 접근

여기서 중요한 것은 도구 자체보다 무엇을 어떤 구조로 저장할 것인가입니다. AI가 읽을 수 있는 형태로 내 생각, 업무, 결정, 자료를 쌓아두면 클로드는 단순 챗봇이 아니라 내 맥락을 아는 작업 파트너가 됩니다.

왜 AI 세컨드 브레인이 먼저인가

많은 사람이 AI 자동화를 먼저 떠올립니다. 이메일 자동화, 슬랙 알림 처리, CRM 기록, 리포트 생성 같은 작업입니다. 하지만 자동화가 제대로 작동하려면 AI가 참고할 기준이 있어야 합니다.

예를 들어 다음과 같은 질문에 답할 수 있어야 합니다.

나는 어떤 말투로 답장하는가?
우리 브랜드가 중요하게 여기는 메시지는 무엇인가?
이 고객은 이전에 어떤 문제를 겪었는가?
어제 회의에서 어떤 결정이 내려졌는가?
반복 업무에서 반드시 지켜야 할 기준은 무엇인가?

이 정보가 없으면 AI는 매번 추측합니다. 반대로 이 정보가 잘 정리되어 있으면 AI는 내 관점에 가까운 답변을 만들 수 있습니다.

그래서 AI 자동화보다 먼저 필요한 것은 나와 조직의 맥락을 쌓는 세컨드 브레인입니다.

활용 사례 1: 어제 있었던 일 확인하기

세컨드 브레인이 잘 쌓이면 클로드에게 이렇게 물어볼 수 있습니다.

내 세컨드 브레인에서 어제 무슨 일이 있었는지 확인해 줘.

그러면 클로드는 Daily 폴더에 기록된 미팅, 이메일, 슬랙 알림, 작업 로그를 확인하고 하루의 흐름을 요약할 수 있습니다.

이 방식의 장점은 단순 요약을 넘어, 지금 해야 할 판단까지 도와줄 수 있다는 점입니다. 예를 들어 어제 어떤 프로젝트에서 병목이 있었고, 어떤 고객 문의가 중요하며, 오늘 어떤 작업을 먼저 처리해야 하는지 제안할 수 있습니다.

활용 사례 2: 컨설팅 기록을 고객별로 축적하기

컨설팅이나 코칭 업무에서는 고객별 맥락이 매우 중요합니다. 수강생과의 1:1 녹화, 전사본, 피드백, 과제, 다음 액션이 흩어지면 매번 다시 파악해야 합니다.

세컨드 브레인 구조에서는 고객별 폴더를 만들고 회차별 기록을 저장할 수 있습니다.

Clients/
  손영산/
    01-session.md
    02-session.md
    03-feedback.md
    next-actions.md

이후 클로드에게 이렇게 요청할 수 있습니다.

이 학생이 지금까지 어떤 걸 했는지 정리하고, 내 관점에서 앞으로 어떤 방향으로 가면 좋을지 알려줘.

AI는 고객별 기록을 취합해 현재 상태, 반복되는 문제, 다음 과제를 제안할 수 있습니다. 대표나 컨설턴트의 관점이 Context 폴더에 정리되어 있다면 답변의 일관성도 높아집니다.

활용 사례 3: 이메일 답장 초안 만들기

이메일 자동화도 세컨드 브레인과 연결되면 훨씬 실용적입니다.

브랜드 소개, 비즈니스 모델, 꿈의 고객, 고객 페인포인트, 자주 쓰는 표현, 거절 문구, 협업 기준을 Context 폴더에 저장합니다. 그리고 매일 오전 이메일을 확인하도록 루틴을 만들 수 있습니다.

예를 들면 다음과 같은 지시가 가능합니다.

매일 오전 9시에 업무 협약 메일을 확인하고, 내 세컨드 브레인의 말투와 협업 기준을 참고해 답장 초안을 만들어 줘.

사용자는 최종 확인 후 보내기만 하면 됩니다. AI가 답장을 보내기 전에 사람이 검토하는 구조를 유지하면 속도와 안전성을 함께 가져갈 수 있습니다.

LLM 위키의 기본 폴더 구조

LLM 위키는 거창한 시스템보다 명확한 폴더 구조에서 시작하는 편이 좋습니다. 제공된 내용에서는 크게 Context, Daily, Wiki, Raw 형태로 나눌 수 있습니다.

MyVault/
  Context/
  Daily/
  Wiki/
  Raw/
  Projects/
  Skills/

각 폴더의 역할은 다음과 같습니다.

1. Context: 변하지 않는 기준

Context 폴더에는 비교적 오래 유지되는 정보를 넣습니다.

개인 또는 브랜드 소개
비즈니스 모델
말투와 문장 스타일
자주 쓰는 표현
경쟁사와 시장 정보
타겟 고객과 페인포인트
CTA 문구
미션과 전략
의사결정 기준

이 폴더는 AI가 “내 관점”을 이해하기 위한 기준점입니다. 이메일, 콘텐츠, 제안서, 고객 응대처럼 톤과 판단 기준이 중요한 작업에 직접적인 영향을 줍니다.

2. Daily: 매일 바뀌는 업무 기록

Daily 폴더에는 하루 단위로 바뀌는 정보를 기록합니다.

오늘 한 일
미팅 요약
보낸 이메일
슬랙 알림
인박스 처리 내용
캘린더 일정
결정 사항
완료한 작업과 남은 작업
프로젝트 리스크

Daily는 AI에게 “최근 맥락”을 제공합니다. AI에게 어제 있었던 일, 이번 주의 병목, 최근 결정 사항을 물어볼 수 있는 기반이 됩니다.

3. Wiki: 정리된 인사이트 저장소

Wiki 폴더는 도서관에 가깝습니다. 외부 자료에서 얻은 인사이트, 유튜브 요약, X나 스레드에서 발견한 팁, 마케팅/세일즈/제품 관련 아이디어를 정리합니다.

Raw에 들어온 자료를 그대로 두기보다, 시간이 지나면서 Wiki로 옮겨 정리하면 재사용성이 높아집니다.

예를 들어 해외 유튜브에서 AI 활용 팁을 얻었다면 다음과 같이 정리할 수 있습니다.

Wiki/
  AI/
    claude-workflows.md
    second-brain-patterns.md
  Marketing/
    offer-writing.md
    customer-pain-points.md

나중에 클로드에게 “Alex Hormozi 관점에서 이 자료를 읽고 세일즈 메시지로 바꿔줘”처럼 요청할 수도 있습니다.

4. Raw: 아직 정리하지 않은 원자료

Raw 폴더에는 아직 가공하지 않은 자료를 넣습니다.

링크
영상 요약
전사본
슬랙에서 저장한 자료
임시 메모
외부 아티클 복사본

중요한 점은 Raw를 영구 보관소로 쓰지 않는 것입니다. Raw는 임시 수집함이고, 시간이 지나면 Wiki나 Context로 병합해야 합니다.

클로드와 연결하는 흐름

제공된 내용의 연결 방식은 다음 흐름입니다.

옵시디언 로컬 Vault를 만든다.
Relay MD 같은 동기화 도구로 Vault를 서버에 올린다.
서버에 올라간 문서 저장소를 MCP 형태로 노출한다.
클로드 커넥터에서 커스텀 커넥터로 연결한다.
클로드가 필요할 때 내 세컨드 브레인의 문서를 읽고 답변한다.

이 구조가 만들어지면 로컬 옵시디언에 쌓은 지식을 웹의 클로드에서도 활용할 수 있습니다. 클로드 코드에서도 MCP를 연결하면 개발 작업 중에도 같은 지식 저장소를 참고할 수 있습니다.

다만 여기서 한 가지 주의할 점이 있습니다. 일반적으로 MCP는 Model Context Protocol을 의미합니다. 제공된 요약에는 Multi-Cloud Platform이라고 표현되어 있지만, 클로드나 개발 도구에서 말하는 MCP는 보통 AI 모델이 외부 도구와 데이터를 사용할 수 있게 하는 연결 규격을 뜻합니다.

처음 시작할 때의 순서

처음부터 완벽한 폴더 구조를 만들려고 하면 오히려 시작이 늦어집니다. 먼저 작은 구조로 시작하는 편이 좋습니다.

1단계: 옵시디언을 이해한다

옵시디언은 로컬 마크다운 파일을 기반으로 지식 저장소를 만드는 도구입니다. AI 세컨드 브레인과 잘 맞는 이유는 파일이 로컬에 있고, 마크다운이라 다른 도구와 연결하기 쉽기 때문입니다.

처음에는 플러그인보다 다음 질문에 답하는 것이 더 중요합니다.

나는 무엇을 기록할 것인가?
어떤 정보가 반복적으로 필요했는가?
AI가 내 대신 판단하려면 어떤 기준을 알아야 하는가?

2단계: 내 업을 문서화한다

사업을 하거나 콘텐츠를 만들거나 제품을 운영한다면, 먼저 자신의 일을 설명하는 문서를 만듭니다.

예를 들면 다음과 같습니다.

Context/
  about-me.md
  business-model.md
  target-customer.md
  tone-of-voice.md
  competitors.md
  strategy.md

이 단계는 가장 중요합니다. AI가 내 지식을 활용하려면 먼저 내가 나의 기준을 글로 남겨야 합니다.

3단계: Daily 기록을 쌓는다

매일 아주 짧게라도 기록합니다.

# 2026-06-18

## 오늘 한 일
- 블로그 MVP UI 수정
- AI 세컨드 브레인 글 초안 작성

## 결정
- 블로그 글은 실험 기록 중심으로 쓴다.

## 내일 할 일
- 새 글 preview 확인
- 배포 전 링크 점검

이런 기록이 쌓이면 AI가 최근 흐름을 이해할 수 있습니다.

4단계: Raw를 Wiki로 병합한다

좋은 링크나 전사본을 Raw에 계속 넣기만 하면 결국 검색하기 어려운 창고가 됩니다. 주기적으로 Raw를 읽고 겹치는 내용을 합쳐 Wiki로 옮겨야 합니다.

이때 AI에게 다음처럼 요청할 수 있습니다.

Raw 폴더의 이번 주 자료를 읽고, 중복되는 인사이트를 합쳐 Wiki/AI/second-brain.md로 정리해 줘.

핵심은 수집보다 병합과 정리입니다.

팀에서 사용할 때의 주의점

5~10명 규모의 팀에서는 슬랙과 연결해 업무 기록을 쌓는 방식이 현실적입니다. 사원별 폴더나 프로젝트별 폴더를 만들고, 질문과 결정 사항을 기록하면 팀 전체의 공통 뇌를 만들 수 있습니다.

하지만 팀에서 사용할 때는 권한 관리가 중요합니다.

신입사원이 봐도 되는 정보
디자이너가 봐야 하는 정보
개발자에게 필요한 기술 문서
팀장만 접근해야 하는 재무/전략 정보
외부로 유출되면 안 되는 회사 자산

세컨드 브레인이 강력해질수록 보안 기준도 함께 필요합니다. 특히 AI 커넥터를 붙일 때는 어떤 폴더를 읽을 수 있는지, 어떤 문서는 제외해야 하는지 명확히 정해야 합니다.

M8N보다 클로드 코드와 루틴을 쓰는 이유

제공된 내용에서는 M8N 같은 자동화 도구보다 클로드 코드와 코워크의 루틴 기능을 더 선호한다고 설명합니다.

이유는 간단합니다.

기존 자동화 도구는 에러가 나면 사람이 직접 워크플로우를 고쳐야 한다.
클로드 코드는 코드를 작성하고 디버깅하는 능력이 계속 좋아지고 있다.
스케줄과 루틴 기능이 붙으면 특정 시간에 웹에서 작업을 실행할 수 있다.
M8N은 알림 발송, CRM 저장 같은 특정 연결 작업에 집중하면 된다.

다만 M8N을 써본 경험은 여전히 도움이 됩니다. 자동화 워크플로우를 만들 때 필요한 “작업을 잘게 쪼개는 눈”을 길러주기 때문입니다.

AI 자동화에서도 결국 중요한 것은 큰 일을 작은 단계로 나누는 능력입니다.

지속 가능한 관리 원칙

AI 세컨드 브레인은 한 번 만들고 끝나는 도구가 아닙니다. 계속 관리해야 가치가 유지됩니다.

실제로 운영할 때는 다음 원칙이 필요합니다.

Raw는 임시 보관소로만 쓴다.
중복 자료는 주기적으로 병합한다.
Context에는 오래 유지되는 기준만 넣는다.
Daily는 짧아도 매일 남긴다.
민감한 정보는 AI 커넥터 접근 범위에서 제외한다.
폴더 구조는 내가 이해할 수 있을 만큼만 복잡하게 만든다.
팀에서 쓸 때는 역할별 접근 권한을 먼저 정한다.

내 기준으로 다시 정리한 결론

AI 세컨드 브레인의 핵심은 “AI에게 모든 것을 맡긴다”가 아닙니다. 오히려 반대에 가깝습니다.

내가 중요하게 생각하는 기준, 반복해서 내리는 판단, 고객과 프로젝트의 맥락을 명확히 기록해두고, AI가 그것을 읽고 더 빠르게 돕도록 만드는 것입니다.

좋은 출발점은 단순합니다.

1. Context에 내 기준을 적는다.
2. Daily에 매일의 흐름을 남긴다.
3. Raw에 자료를 모은다.
4. Wiki에 인사이트를 정리한다.
5. MCP/커넥터로 AI가 읽을 수 있게 연결한다.

AI 시대에는 도구가 빠르게 바뀝니다. 하지만 내가 쌓아둔 맥락과 지식은 계속 자산으로 남습니다. 그래서 지금 먼저 만들어야 할 것은 화려한 자동화보다, AI가 읽을 수 있는 나만의 두 번째 뇌입니다.