바이브 코딩 개념 창시자, 폴더 3개로 만드는 퍼스널 AI 지식 DB의 비밀

[디지털투데이 황치규 기자]오픈AI 공동 창업자 중 1명으로 바이브 코딩 개념을 제안한 것으로 유명한 안드레이 카파시(Andrej Karpathy)가 AI를 활용해 개인 지식베이스를 구축하는 방법을 공개해 눈길을 끈다.

그가 최근 소셜 미디어 X(트위터)에 공개한 '비법'을 보면 특별한 소프트웨어나 데이터베이스는 필요 없다. 폴더 3개와 텍스트 파일이 전부다.

핵심은 단순함이다. 우선 프로젝트 폴더 안에 3개 하위 폴더들인 로(raw),위키(wiki), 아웃풋(outputs)을 만든다.

raw는 원본 자료를 모아두는 공간이다. 기사, 메모, 스크린샷, 회의록, 연구 논문 무엇이든 넣는다. 정리하거나 이름을 바꿀 필요는 없다. 기사는 마크다운(.md)이나 텍스트(.txt) 파일로 붙여넣고, 스크린샷이나 도표는 이미지로 저장한다.

위키는 AI가 raw에 있는 자료를 읽고 정리된 형태로 다시 써주는 공간이다. 아웃풋은 AI가 생성한 답변, 보고서, 분석 결과가 저장된다. 폴더를 만들었다면 다음은 스키마 파일(schema file)이다.

프로젝트 폴더에 CLAUDE.md 또는 AGENTS.md란 이름의 텍스트 파일 하나를 만든다. 이 파일은 AI에게 지식베이스가 무엇인지, 어떻게 정리해야 하는지 알려주는 지침서다.

내용은 단순하다. 각 폴더 역할, 위키 작성 규칙, 관심 주제 목록 정도면 충분하다. 예를 들어 wiki 폴더 안 모든 주제는 별도 파일로 만들고, 각 파일 첫 문단은 요약으로 시작하며, 관련 주제끼리 서로 연결한다는 식이다.

AI는 이 지침을 따라 raw에 있는 자료를 wiki로 변환한다. raw 폴더에 자료가 쌓이면 AI에게 wiki 작성을 맡긴다. 클로드 코드나 커서 같은 AI 코딩 도구를 프로젝트 폴더에 연결하고 지시하면 된다. AI가 raw 자료를 전부 읽고 주제별로 정리된 wiki 파일을 만들어준다. 인덱스 파일도 자동으로 생성된다.

사용자는 wiki를 직접 수정하지 않는다. 읽고 질문하면 된다.. 수정과 업데이트는 AI가 맡는다. wiki가 10개 이상 문서로 쌓이면 본격적인 활용이 가능하다. "이 주제에서 내가 가장 모르는 부분 3가지를 알려줘", "A 자료와 B 자료가 이 개념에서 어떻게 다른지 비교해줘" 같은 질문에 AI가 wiki 전체를 읽고 답한다. 그 답변을 outputs에 저장하면 다음 질문에 재료가 된다.

자료가 쌓이고 질문이 늘수록 지식베이스 품질도 높아진다. 물론 오류도 함께 쌓일 수 있다. AI가 잘못 정리한 내용이 wiki에 저장되면 이후 답변이 해당 오류를 기반으로 만들어진다. 카파시 가 쓴 글에 달린 댓글에서도 같은 지적이 나왔다.

이와 관련해 카파시가 권장하는 해법은 월 1회 점검이다. AI에게 wiki 전체를 검토하고 모순된 내용, 출처 없는 주장, 설명이 빠진 주제를 찾아달라고 하면 된다.

카파시 글에는 옵시디언 플러그인을 추천하는 댓글들도 쏟아졌지만 카피시 답변은 분명했다.그는 "그냥 폴더 안에 마크다운 파일을 넣는 게 전부"라고 말했다. AI는 어떤 앱으로 파일을 여는지 신경 쓰지 않는다. 중요한 건 폴더 구조와 스키마 파일이다. 복잡한 도구 설정에 시간을 쓰는 대신 실제로 자료를 모으고 질문하는 데 집중하라는 얘기다.