대부분의 사람이 LLM 과 문서를 다루는 경험은 RAG 모양이다 — 파일을 업로드하고, 질의 시점에 LLM 이 청크를 검색해 답을 만든다. 이 방식에서는 매번 처음부터 지식을 다시 발견한다. 누적되는 게 없다.

여기서 제안하는 아이디어는 다르다. LLM 이 점진적으로 위키를 빌드하고 유지한다 — 사용자(강사)와 원천 자료 사이에 자리잡은, 구조화·상호 링크된 마크다운 컬렉션을. 새 자료가 들어오면 (Karpathy gist · Boris Cherny 토크 · 하재상 라이브 · 개인 리서치 노트) LLM 은 인덱싱만 하지 않고 자료를 읽고 · 핵심을 추출하고 · 기존 위키에 통합한다 — entity / concept / case / term / lesson / synthesis 페이지를 갱신하고, 새 주장이 기존 주장과 충돌하면 표시하고, 진화하는 명제를 강화·도전한다. 지식은 한 번 컴파일되어 그 뒤 최신 상태로 유지된다 — 매 질의마다 다시 도출되는 것이 아니다.

이것이 핵심이다. 위키는 지속·누적되는 산출물이다. 상호 참조는 이미 있다. 모순은 이미 표시돼 있다. 새 자료 하나가 보통 10–15 개 카드를 건드린다.

본 프로젝트에서는 이 위키가 단 하나의 표어를 따른다 — "AI-Native Vibe Coding: No Design, No Code." AI-Native 가 시대를 박고, No Design, No Code 가 그 안에서 무엇이 무너지는지를 박는다. 이전 시대에 설계는 별도 산출물(메모리 맵 · UML)이었지만, Vibe Coding 시대에는 에이전트를 지휘하는 행위 자체 — 위키 · 프롬프트 · 훅 · HIAO 지시 — 가 곧 설계도다.

위키를 직접 작성하는 일은 거의 없다 — LLM 이 모든 작성과 유지를 한다. 사람의 역할은 원천 큐레이션 · 탐색 방향 · 좋은 질문 던지기다. 뷰어가 IDE, LLM 이 프로그래머, 위키가 코드베이스다.

세 개 레이어로 이뤄진다 — Karpathy 패턴에 충실하면서, 스테이징·배포 레이어 두 개 (20_raw/, 60_service/)를 로컬 확장으로 추가했다.

• 원천 자료 (Raw sources) — 강의 노트 · 논문 · 트랜스크립트 · Karpathy gist · 딥리서치 보고서 · 데모 녹화. 불변이다 — LLM 은 읽기만. 10_source/.
• 위키 (The wiki) — LLM 이 생성한 마크다운 디렉토리. lesson / synthesis / entity / concept / case / term 카드 + _shared/ 서브트리. LLM 이 이 레이어를 전적으로 소유. 30_wiki/.
• 스키마 (The schema) — WIKI_CLAUDE.md (카드 스키마 SSOT) + CLAUDE.md (진입점 + 워크플로우). LLM 을 일반 챗봇이 아닌 훈련된 위키 관리자로 작동시킨다.

로컬 폴더 매핑

6 섹션 코드 (강의 흐름)

7 카드 타입 (784장)

Ingest (자료 인입). 사용자는 새 자료를 10_source/[섹션]/에 넣는다. 거친 자료는 먼저 20_raw/에 스테이징했다가 승격한다. LLM 이 자료를 읽고 → 핵심을 사용자와 토의하고 → 자료당 10–15 개 카드를 새로 작성하고 → 30_wiki/index.md를 갱신하고 → 관련된 entity / concept / case / term 카드를 위키 전반에 갱신하고 → 30_wiki/log.md에 항목을 추가한다.

LLM 이 작성한 모든 카드는 status: draft로 커밋된다. status: active 승격은 반드시 사람이 한다.

Query (질의). 사용자는 위키에 질문한다. LLM 은 30_wiki/index.md를 먼저 읽고 → drill-down 으로 관련 카드에 들어가 → 인용을 포함한 답을 합성한다. 좋은 답은 새 카드로 위키에 되돌려 적재된다 — 비교, 발견된 연결, 분석. 탐색이 자료 인입과 동일하게 위키에 누적된다.

Lint (점검). 주기적으로 LLM 에 위키 건강 진단을 시킨다. 점검 항목 : 모순 · stale 주장 · 인입 링크 없는 고아 카드 · 본문에서만 언급되고 자기 카드가 없는 중요 개념 · 누락된 상호 참조 · 웹 검색으로 메울 수 있는 데이터 공백.

30_wiki/index.md — 내용 지향. 모든 카드의 카탈로그. 한 줄 요약 + 메타데이터(날짜·status·subdomain·타입). 섹션 코드(INT/VBC/HRN/DSL/DEM/CLN)와 카드 타입으로 분류. 매 인입마다 LLM 이 갱신. 질의 시 LLM 은 먼저 인덱스를 읽고 drill-down 한다.

30_wiki/log.md — 시간순. append-only. 인입 · 질의 · lint 패스 기록.

프론트매터 6 필수 필드

---
wiki_id: <코드>_<타입>_<slug>      # 예: HRN_concept_multi-layer-guardrail
title:    <한 줄 핵심 명제>
created:  2026-05-01
status:   draft                    # active 승격은 사람
visibility: public | internal
subdomain: ai | lecture
---

subdomain 은 폴더가 아니다 — 뷰어가 필터링용으로 파싱하는 프론트매터 필드.

지식 기반을 유지하는 일에서 고된 부분은 읽기와 사고가 아니다 — 부기(bookkeeping)다. 상호 참조 갱신, 요약 최신화, 새 데이터가 옛 주장을 덮을 때 표시, 수십 페이지에 걸친 일관성 유지. 사람이 위키를 포기하는 이유는 유지 비용이 가치보다 빠르게 늘어서다. LLM 은 지루해하지 않고, 상호 참조 갱신을 잊지 않으며, 한 번에 15 개 파일을 건드릴 수 있다. 유지 비용이 0 에 수렴하기 때문에 위키가 살아남는다.

90 분 특강에서는 두 번째 이득이 더해진다 — 동일한 위키가 인간 독자에게도, 소책자·슬라이드·라이브 데모를 자동 생성하는 에이전트에게도 동일한 입력이 된다. 위키만 건강하면 배포는 기계적이다.

이 아이디어는 정신적으로 Vannevar Bush 의 Memex (1945)와 닿아 있다 — 개인이 큐레이션한 지식 저장소, 문서 사이의 연관 트레일. Bush 가 풀지 못한 부분은 누가 유지하느냐였다. LLM 이 그 자리를 메운다.