Theory of AI4PKM (3) - AI4PKM Framework

들어가며

지난 글에서 우리는 AI가 PKM의 세 가지 장벽—수집의 한계, 정리의 고통, 창작의 벽—을 어떻게 무너뜨렸는지 살펴봤다. Ambient AI가 모든 것을 자동으로 수집하고, AI가 정리를 대신하고, 글쓰기를 도와주는 세상. 이제 "왜"에서 "어떻게"로 넘어갈 시간이다.

하지만 이 글은 단순한 도구 사용법이 아니다. AI4PKM은 하나의 프레임워크다. 재사용 가능한 프롬프트, 에이전트 기반 워크플로우, 자동화 시스템—이 모든 것이 어우러져 당신의 지식을 관리하고 성장시키는 생태계를 만든다.

마케팅 실무자인 당신이 매일 아침 출근하면: - 어제의 모든 회의가 정리되어 있고 - 읽은 아티클들이 요약되어 주제별로 분류되어 있고 - 이번 주 진행할 캠페인 관련 과거 지식이 자동으로 떠올라 있다

이것이 가능한 이유는 시스템이 있기 때문이다. 이 글에서는 그 시스템의 설계 원칙과 구성요소, 그리고 실전 구현 방법을 다룬다.

Section 1: 설계 원칙

%% - PKM for both Human and AI - Tool-agnostic Approach - Various Human-AI Collaboration Models %%

좋은 프레임워크는 명확한 원칙에서 시작된다. AI4PKM의 세 가지 핵심 설계 원칙을 살펴보자.

원칙 1: 인간과 AI, 모두를 위한 PKM

문제: AI가 만든 것 vs 내가 쓴 것

당신의 Obsidian 볼트를 열었을 때, 어떤 글이 AI가 작성한 것이고 어떤 글이 당신이 직접 쓴 것인지 구분할 수 있는가? 3개월 후에도?

1세대 접근 (혼돈):

Journal/2025-11-10.md
  - 어제 점심 미팅 내용 (내가 씀)
  - AI가 추가한 시장 분석 (누가 언제?)
  - 또 다른 AI 제안 (출처 불명)

결과: - 어떤 내용을 신뢰해야 할지 모르겠다 - AI 출력을 편집하다가 원본이 사라진다 - 버전 관리도 안 되고, 롤백도 불가능

해법: 명확한 분리와 레이블링

AI4PKM은 인간과 AI의 작업 공간을 구조적으로 분리한다:

/Users/you/Vault/
├── Journal/              # 인간이 쓴 일기, 메모
├── Topics/               # 인간이 정리한 주제 노트
├── Projects/             # 인간이 관리하는 프로젝트
│
├── AI/                   # AI 전용 폴더
│   ├── Roundup/          # AI가 만든 일일 요약
│   ├── Analysis/         # AI가 작성한 분석
│   ├── Articles/         # AI가 가공한 아티클
│   └── Tasks/            # AI 작업 기록
│
├── Ingest/               # 공동 작업 영역
│   ├── Clippings/        # 웹에서 수집 (AI가 처리)
│   └── Limitless/        # 음성 녹음 (AI가 전사)

핵심 규칙:

1. AI가 만든 파일은 AI 폴더에
2. 파일명에 생성자 표시: 2025-11-10 Daily Roundup - Claude Code.md

3. 프론트매터에 명시: created_by: Claude Code

4. 공동 편집이 필요한 파일은 Git으로 보호

5. 인간이 수정하기 전 버전 저장
6. AI가 덮어쓰기 전 커밋

7. 언제든 롤백 가능

8. 위키링크로 연결, 복사는 금지

9. AI 분석을 인간 노트에 복사 ❌
10. 위키링크로 참조 ✅: [AI/Analysis/2025-11-10 Campaign Performance - Claude Code](../../../AI/Analysis/2025-11-10%20Campaign%20Performance%20-%20Claude%20Code.md)

실전 예시: 캠페인 성과 분석

시나리오: 이번 달 캠페인 성과를 정리하고 싶다.

# Projects/2025-11 Product Launch Campaign.md (인간 작성)

## 실행 내역
- 2025-11-01: 런칭 이벤트 진행
- 2025-11-05: 인플루언서 협업 시작
- 2025-11-08: 페이스북 광고 집행

## AI 분석 결과
- [AI/Analysis/2025-11-10 Campaign Performance Analysis - Claude Code](../../../AI/Analysis/2025-11-10%20Campaign%20Performance%20Analysis%20-%20Claude%20Code.md)
  - 클릭률 3.2% (목표 2.5% 달성)
  - 전환율 1.8% (목표 2.0% 미달)
  - ROI 개선 제안 포함

## 다음 액션
- [ ] 전환율 개선 A/B 테스트 설계
- [ ] 인플루언서 컨텐츠 방향 조정

장점: - 인간의 기록 (실행 내역, 액션 아이템)과 AI 분석이 명확히 분리 - AI 분석이 잘못되어도 원본 기록은 안전 - AI가 새 분석을 만들어도 과거 분석 보존 (파일명에 날짜) - Git으로 모든 변경사항 추적 가능

원칙 2: 도구에 종속되지 않는 설계

문제: 도구 락인의 함정

Notion에 3년간 쌓아온 지식이 있다. 그런데: - AI 에이전트가 Notion API를 잘 못 읽는다 - 다른 AI 도구(Cursor, VS Code)와 연동이 안 된다 - Notion이 AI 기능을 추가했는데 비싸고 제한적이다 - 이사 가고 싶지만... 3년치 데이터를 어떻게 옮기지?

락인 비용: - 시간: 데이터 마이그레이션에 수십~수백 시간 - 금전: 락인된 도구의 가격 인상에 무방비 - 기회: 새로운 AI 도구 실험 불가능

해법: 파일 기반, 마크다운 중심

AI4PKM의 핵심은 소유권과 이식성이다:

# 마크다운 (.md) 파일이 표준

- 모든 노트는 plain text 마크다운
- YAML frontmatter로 메타데이터
- Wiki links [파일명](/ovm-nvzx97/Publish/AI%20for%20Better%20Me/%ED%8C%8C%EC%9D%BC%EB%AA%85.md)로 연결
- Git으로 버전 관리

도구는 인터페이스일 뿐:

당신의 PKM 볼트 (마크다운 파일)
         ↓
    ┌────────────────────────────────────┐
    │                                    │
Obsidian      Claude Code      Cursor       Codex
(읽기/편집)   (자동화/워크플로우)  (AI 협업)    (대화형 처리)

각 도구의 역할:

원칙 3: 다양한 인간-AI 협업 모델

문제: "AI야, 이거 해줘"만으로는 부족하다

초기 AI 사용자들의 전형적인 패턴:

인간: "오늘 일정 요약해줘"
AI: [요약 생성]
인간: "이번 주 할 일 목록 만들어줘"
AI: [목록 생성]
인간: "A 프로젝트 상태 정리해줘"
AI: [정리 생성]

문제점: - 매번 요청해야 함 (피곤) - 컨텍스트 반복 설명 (비효율) - AI가 능동적으로 도울 수 없음 (수동적)

해법: 협업 스펙트럼 설계

AI4PKM은 상황에 맞는 다양한 협업 모델을 지원한다:

인간 주도 ←────────────────────────────────→ AI 주도

애드혹 요청   정기 워크플로우   트리거 워크플로우   AI 제안   AI 알림
  (즉석)      (예약 실행)       (조건 실행)      (능동)    (능동)

모델 1: Human → AI (인간이 시작)

1-1. 애드혹 요청 (Ad-hoc Request)

가장 기본적인 형태. 필요할 때 바로 요청:

# Voice Mode로 즉석 질의
당신: "지난 3개월 동안 진행한 캠페인 중 ROI 가장 높은 거 찾아줘"

# Text Comment로 요청
%% @claude: 이 섹션 확장해서 구체적 예시 3개 추가해줘 %%

# CLI로 직접 실행
$ claude "Projects 폴더의 모든 진행중인 프로젝트 상태 요약해줘"

언제 사용: - 예측 불가능한 일회성 작업 - 탐색적 질문 - 긴급한 정보 필요

2-2. 정기 워크플로우 (Scheduled Workflow)

매일/매주 자동으로 실행되는 작업:

# DIR (Daily Ingestion and Roundup)
Schedule: 매일 저녁 11시
Steps:
  1. 오늘 수집된 음성 메모 처리
  2. 웹 클리핑 요약 및 분류
  3. 일일 라운드업 생성
  4. 주제별 지식 업데이트

장점: - 매일 요청 안 해도 됨 - 일관된 품질 - 시간 절약 (하루 30분 → 0분)

1-3. 트리거 워크플로우 (Event-triggered Workflow)

특정 조건이 만족되면 자동 실행:

# 예시: 파일 와처
if new_file in "Ingest/Clippings/":
    run_prompt("EIC")  # Enrich Ingested Content

if modified in "Topics/":
    check_broken_links()
    update_folder_note()

실제 사례: - 새 클리핑 저장 → 자동 요약 - 토픽 파일 수정 → 관련 링크 업데이트 - 새 프로젝트 생성 → 템플릿 자동 적용

모델 2: AI → Human (AI가 시작)

AI가 먼저 다가오는 모델. 아직 초기 단계지만 방향성은 명확하다:

2-1. 아이디어 제안 (Idea Generation)

# AI의 주간 리뷰 (매주 금요일)

🤖 **Claude의 제안**

이번 주 당신의 노트를 분석한 결과, 3가지 패턴을 발견했어요:

1. **"고객 리텐션" 주제가 3번 등장**
   - [Journal/2025-11-05](../../../Journal/2025-11-05.md), [Projects/Q4 Campaign](../../../Projects/Q4%20Campaign.md), [Ingest/Articles/2025-11-07 Retention Strategies](../../../Ingest/Articles/2025-11-07%20Retention%20Strategies.md)
   - 💡 제안: 이 내용들을 묶어서 "고객 리텐션 전략" 주제 노트를 만들어보는 건 어떨까요?

2. **A 프로젝트 관련 작업이 1주일째 멈춤**
   - 마지막 업데이트: 2025-11-03
   - 💡 제안: 프로젝트 상태 체크하고 다음 액션 정의가 필요해 보여요

3. **경쟁사 분석 노트 3개가 비슷한 내용 중복**
   - 💡 제안: 하나로 통합하고 나머지는 아카이브할까요?

2-2. 목표 리마인더 (Goal Reminder)

# AI4BetterMe 연동 (향후 방향)

📅 **오늘의 목표 체크인 (아침 9시)**

좋은 아침이에요! 이번 주 목표 진행상황이에요:

1. ✅ "신제품 런칭 기획서 완성" - 완료!
2. 🟡 "경쟁사 분석 3개사" - 2/3 완료 (83%)
3. 🔴 "팀 온보딩 자료 작성" - 시작 안 함

오늘 "팀 온보딩 자료"를 시작해보는 건 어때요?
과거 [Projects/2024-Q2 Onboarding](../../../Projects/2024-Q2%20Onboarding.md) 자료를 참고하면 빠를 것 같아요.

2-3. 데이터 수집 요청 (Data Collection Request)

# 주간 회고 프롬프트 (일요일 저녁)

🤖 **주간 회고 시간이에요**

이번 주 다음 질문들에 대해 5분만 음성으로 녹음해주세요:

1. 이번 주 가장 큰 성과는?
2. 어려웠던 점과 교훈은?
3. 다음 주 가장 중요한 일 3가지는?

녹음하면 제가 자동으로:
- 핵심 내용 정리
- 지난주와 비교 분석
- 다음주 액션 아이템 생성
해드릴게요!

협업 모델 선택 가이드

설계 원칙 정리

이 세 가지 원칙이 AI4PKM의 토대다:

이 원칙들이 중요한 이유: - 5년 후에도 당신의 지식은 안전하고 접근 가능하다 - 새로운 AI 도구가 나와도 쉽게 실험하고 통합할 수 있다 - 인간과 AI가 각자 잘하는 일을 하며 시너지를 낸다

이제 이 원칙 위에 어떤 구성요소들이 올라가는지 살펴보자.

Section 2: 프레임워크 구성요소

%% - Reusable Prompts & Skills - Agent-based Workflows - Knowledge Tasks - Tool Ecosystem %%

설계 원칙을 이해했다면, 이제 실제로 무엇을 만들어야 하는지 알아보자. AI4PKM 프레임워크는 네 가지 핵심 구성요소로 이루어져 있다.

구성요소 1: 재사용 가능한 프롬프트

프롬프트가 레시피다

요리책에 레시피가 있듯이, AI4PKM에는 프롬프트가 있다. 한 번 잘 만들어두면 계속 재사용할 수 있는 지식 작업의 레시피.

나쁜 프롬프트 (일회용):

"오늘 읽은 마케팅 아티클 요약해줘.
아 그리고 핵심만 3개 뽑아주고,
우리 회사에 적용할 만한 거 있으면 알려줘.
그리고 관련 과거 프로젝트도 찾아줘."

문제점: - 매번 새로 설명해야 함 - 일관성 없음 (오늘은 3개, 내일은 5개?) - 다른 사람이 재사용 불가 - 품질 검증 안 됨

좋은 프롬프트 (재사용 가능): %% 재사용성을 위해 여러 파라메터를 가지고 호출 %%

# EIC (Enrich Ingested Content)

## Input
- Raw clipping file in Ingest/Clippings/YYYY-MM-DD Title.md

## Process
1. Read the source content
2. Generate structured summary:
   - Main thesis (1-2 sentences)
   - Key insights (3-5 points with quotes)
   - Practical implications
3. Identify related topics and create wiki links
4. Add source attribution

## Output
- Enriched file in AI/Articles/YYYY-MM-DD Title - Claude Code.md
- YAML frontmatter with tags, source, created date
- Summary section with structured analysis

## Quality Criteria
- All quotes from original source
- At least 3 wiki links to existing notes
- Analysis, not just summary

장점: - 명확한 입출력 스펙 - 누구나 동일한 결과 - 품질 기준 내장 - 자동화 가능

프롬프트 설계 패턴

AI4PKM에서 프롬프트는 입출력 패턴에 따라 분류된다:

1:1 패턴 (Transform)

Input: 1개 파일
Output: 1개 변환된 파일

예시: EIC (Enrich Ingested Content)
- Ingest/Clippings/article.md
  → AI/Articles/article - Claude Code.md

1:N 패턴 (Generate)

Input: 1개 소스
Output: N개 파생 파일

예시: CTP (Create Thread Postings)
- AI/Roundup/2025-11-10.md
  → AI/Sharable/thread-topic-1.md
  → AI/Sharable/thread-topic-2.md
  → AI/Sharable/thread-topic-3.md

N:1 패턴 (Synthesize)

Input: N개 파일
Output: 1개 통합 파일

예시: GDR (Generate Daily Roundup)
- Ingest/Limitless/2025-11-10.md
- AI/Articles/2025-11-10 *.md (3개)
- Journal/2025-11-10.md
  → AI/Roundup/2025-11-10 - Claude Code.md

N:N 패턴 (Complex)

Input: N개 파일
Output: N개 관련 파일

예시: TKA (Topic Knowledge Addendum)
- AI/Roundup/2025-11-10.md에서 언급된 주제 N개 추출
  → Topics/Marketing/Content-Strategy.md 업데이트
  → Topics/Business/Customer-Retention.md 업데이트
  → ...

프롬프트 vs 스킬 (Skills)

프롬프트가 레시피라면, 스킬은 요리책이다. %% 요리책이라기 보다는 요리사? 이 부분은 빼자 %%

프롬프트:

# EIC.md - 단일 작업 레시피
Input: 클리핑 파일
Process: 요약 & 분석
Output: 정리된 아티클

스킬 (Claude Skills):

# interactive-writing-assistant (스킬 패키지)
├── SKILL.md                    # 스킬 설명 & 사용법
├── references/
│   ├── 하루키 Style Guide.md   # 참고 자료
│   ├── 윤광준 Style Guide.md
│   └── 구본형 Style Guide.md
└── prompts/
    ├── IDH (Ideation Helper)
    ├── PRW (Paragraph Writer)
    ├── DEN (Draft Enhancer)
    └── ... (8개 프롬프트)

스킬의 장점:

1. Progressive Disclosure (점진적 공개) 처음: SKILL.md만 로딩 (200 토큰) 필요시: 특정 스타일 가이드 로딩 (5,000 토큰) → 토큰 효율 40-60% 향상

2. 재사용 가능한 지식 패키지 ```bash # 스킬 설치 $ ln -s ~/Vault/Settings/Skills/writing-assistant ~/.claude/skills/

# 모든 프로젝트에서 사용 가능 $ claude --skill writing-assistant "기획서 초안 작성" ```

1. 도메인 특화 SOP (Standard Operating Procedure)
2. Content Ingestion: EIC, ICT 등
3. Publishing: 글쓰기, 편집, 번역
4. Knowledge Organization: 링크 관리, 폴더 정리
5. Obsidian Rules: 프론트매터, 위키링크 규칙

구성요소 2: 에이전트 기반 워크플로우

%% 2025-10-30 New Architecture for Agentic AI 참고하여 Orchestrator / Worker / Evaluator 가 협업하는 구조 설명 %%

구성요소 3: 지식 작업 (Knowledge Tasks)

문제: 워크플로우가 실행되는 동안 무슨 일이?

$ claude workflow run DIR

[실행중...]

(4분 후)

완료!

질문들: - 4분 동안 정확히 뭘 했지? - 중간에 에러 없었나? - 어떤 파일들을 만들었지? - 품질은 괜찮은가?

해법: 모든 작업을 문서화하는 Knowledge Task

AI4PKM에서는 모든 AI 작업이 마크다운 파일로 기록된다:

_Settings_/Tasks/
├── 2025-11-10 EIC - Marketing AI article.md
├── 2025-11-10 EIC - Customer Retention article.md
├── 2025-11-10 GDR - scheduled-2300.md
├── 2025-11-10 TKA - Topics update.md
└── ...

Knowledge Task 구조

각 Task 파일은 4개 섹션으로 구성:

# _Settings_/Tasks/2025-11-10 EIC - Marketing AI article.md

---
task_type: EIC
status: completed
agent: Claude Code
created: 2025-11-10T23:02:15
completed: 2025-11-10T23:03:47
---

## 1. Job Specification (무엇을 할 것인가)

**Prompt**: EIC (Enrich Ingested Content)
**Input**: Ingest/Clippings/2025-11-10 Marketing AI Future.md
**Output**: AI/Articles/2025-11-10 Marketing AI Future - Claude Code.md

**Expected Outcomes**:
- Structured summary with 3-5 key insights
- At least 3 wiki links to related notes
- YAML frontmatter with proper metadata

## 2. Job Progress (진행 과정)

### Step 1: Read Input File
✓ Successfully read source clipping (3,247 characters)
✓ Identified main thesis: AI-driven personalization in marketing

### Step 2: Generate Analysis
✓ Created structured summary
✓ Extracted 4 key insights with quotes
✓ Identified practical implications

### Step 3: Find Related Notes
✓ Searched Topics/Marketing/* for related content
✓ Found 3 relevant notes:
  - Topics/Marketing/Personalization.md
  - Topics/Technology/AI-Tools.md
  - Projects/2025-Q4 Personalization Campaign.md

### Step 4: Write Output
✓ Created output file with proper structure
✓ Added YAML frontmatter
✓ Inserted wiki links (3 total)

## 3. Job Outcome (결과물)

**Created Files**:
- [AI/Articles/2025-11-10 Marketing AI Future - Claude Code](../../../AI/Articles/2025-11-10%20Marketing%20AI%20Future%20-%20Claude%20Code.md)

**Key Metrics**:
- Input length: 3,247 chars
- Output length: 5,892 chars (1.8x expansion)
- Wiki links added: 3
- Processing time: 92 seconds

**Summary Quality Check**:
✓ Main thesis clearly stated
✓ 4 key insights with original quotes
✓ Practical application ideas included
✓ Proper attribution to source

## 4. Job Evaluation (자체 평가)

**Quality Score: 9/10**

**Strengths**:
- Clear, actionable insights
- Good connection to existing knowledge ([Projects/2025-Q4 Personalization Campaign](../../../Projects/2025-Q4%20Personalization%20Campaign.md))
- Proper source attribution
- Well-structured output

**Areas for Improvement**:
- Could add more specific metrics (73% statistic mentioned but not detailed)
- Missing potential connection to [Topics/Business/Customer-Retention](../../../Topics/Business/Customer-Retention.md)

**Recommendations**:
- Consider adding a "Metrics & Data" section for quantitative insights
- Improve topic detection algorithm to catch related themes

Knowledge Task의 가치

1. 투명성 (Transparency)

"AI가 뭘 했는지 정확히 알 수 있다"

- 어떤 파일을 읽었나?
- 어떤 결정을 내렸나? (왜 이 wiki link들을 선택했나?)
- 어떤 출력을 만들었나?

2. 추적성 (Traceability)

"문제가 생기면 원인을 찾을 수 있다"

Issue: [AI/Roundup/2025-11-10](../../../AI/Roundup/2025-11-10.md)에 잘못된 링크가 있다.
→ Tasks/2025-11-10 GDR - scheduled-2300.md 확인
→ TKA 단계에서 존재하지 않는 파일 링크함
→ 버그 수정: 링크 생성 전 파일 존재 확인 추가

3. 개선 (Improvement)

"평가를 기반으로 시스템을 개선할 수 있다"

관찰: 지난 30일 EIC 작업 100개 분석
- 평균 품질 점수: 8.2/10
- 가장 흔한 문제: Wiki link 누락 (23%)
- 개선 방향: 링크 탐지 알고리즘 강화

구성요소 4: 도구 생태계

하나의 도구로는 부족하다

PKM은 다양한 활동을 포함한다: - 📝 글쓰기 (인간) - 🔗 링크 탐색 (인간) - 🔄 자동화 (AI) - 💬 대화 (인간-AI) - 🎯 코드 협업 (인간-AI)

각 활동마다 최적의 도구가 다르다:

도구 생태계 구성

          인간이 주로 사용
          ┌─────────────┐
          │  Obsidian   │
          │  (프론트엔드) │
          └──────┬──────┘
                 │
                 │ 마크다운 파일
                 │
     ┌───────────┴───────────┐
     │   Your PKM Vault      │
     │  (마크다운 파일들)      │
     └───────────┬───────────┘
                 │
                 │
      ┌──────────┼──────────┐
      │          │          │
┌─────▼────┐ ┌──▼─────┐ ┌─▼────────┐
│ Claude   │ │ Cursor │ │ Codex/   │
│  Code    │ │        │ │ Gemini   │
│(자동화)   │ │(협업)   │ │(대화)     │
└─────┬────┘ └──┬─────┘ └─┬────────┘
      │         │          │
      └─────────┴──────────┘
                │
         ┌──────┴───────┐
         │     MCP      │
         │  (외부 연결)  │
         └──────────────┘
                │
      ┌─────────┼──────────────┐
      │         │              │
┌─────▼──┐ ┌───▼─────┐ ┌─────▼─────┐
│ Google │ │  Voice  │ │   n8n     │
│Calendar│ │  Mode   │ │(자동화)    │
└────────┘ └─────────┘ └───────────┘

각 도구의 역할

Obsidian (인간의 메인 인터페이스)

당신이 지식을 탐색하고 소비하는 공간:

# Obsidian에서 하는 일

1. **그래프뷰로 지식 탐색**
   - "Marketing" 노드를 클릭
   → 연결된 20개 노트 시각화
   → 생각지 못한 연결 발견

2. **빠른 검색으로 찾기**
   - Cmd+O: "Customer Retention" 입력
   → 관련 노트 10개 즉시 표시
   → 미리보기로 내용 확인

3. **일기 작성 (인간만의 영역)**
   - Journal/2025-11-10.md
   - 개인적 생각, 감정, 계획
   - AI가 접근하지 않는 private 공간

4. **모바일에서 캡처**
   - 출퇴근길 아이디어 → 빠른 메모
   - 사진 찍기 → 자동으로 vault 동기화

Claude Code (AI 자동화 엔진)

백그라운드에서 워크플로우를 실행하는 파워유저:

# Claude Code의 주요 작업

1. 정기 워크플로우 실행
$ claude workflow run DIR
$ claude workflow run CKU

2. 배치 처리
$ claude "Ingest/Clippings/ 의 모든 미처리 파일에 EIC 실행"

3. Skills 사용
$ claude --skill writing-assistant "기획서 초안 PRW 실행"

4. 복잡한 분석
$ claude "지난 3개월 Projects/의 모든 캠페인 ROI 분석하고
         공통 성공 요인 추출해서 AI/Analysis/에 리포트 생성"

특징: - 🔥 병렬 처리: 10개 파일 동시 처리 가능 - 📋 TodoWrite: 복잡한 작업 단계별 추적 - 🔍 Subagent: 전문화된 탐색 에이전트 스폰 - 💾 Git 통합: 워크플로우 완료 후 자동 커밋

Cursor (협업 글쓰기)

인간과 AI가 실시간으로 함께 작성하는 공간:

# Projects/2025-11 Winter Campaign.md

## 목표
- 12월 매출 20% 성장
- 신규 고객 1,000명 확보

## 전략 %% @cursor: 이 섹션 확장해서 3가지 전략 제안해줘 %%

[Cursor AI가 즉시 응답]

1. **소셜 미디어 개인화 캠페인**
   - 고객 행동 데이터 기반 타겟팅
   - 예상 ROI: 150%

2. **리퍼럴 프로그램 강화**
   ...

장점: - 인라인 피드백 (파일 안에서 바로 소통) - Cmd+K: AI에게 특정 부분 수정 요청 - 멀티 커서: 여러 곳 동시 편집 - Git 통합: 변경사항 쉽게 커밋

Codex/Gemini CLI (빠른 실험)

즉석 질의와 탐색적 작업에 최적:

# 빠른 질문
$ codex "Topics/Marketing/에서 'Personalization' 언급된 노트 찾아줘"

# 실험적 프롬프트
$ gemini "이 기획서를 하루키 스타일로 다시 써보면 어떨까?
         (단, 원본은 수정하지 말고 결과만 보여줘)"

# 비교 분석
$ codex "Claude Code와 Gemini의 GDR 출력 품질 비교해줘"

언제 사용: - 한 번만 실행할 작업 - 여러 AI 모델 비교 - 새 프롬프트 프로토타입

MCP (Model Context Protocol) - 외부 세계와 연결

AI가 내 vault 밖의 세상에 접근하는 통로:

# MCP 서버 예시

Google Calendar MCP:
  - 내 일정 읽기/쓰기
  - "내일 미팅 뭐있지?" → AI가 캘린더 확인
  - "다음주 금요일 2시에 A사 미팅 잡아줘" → AI가 자동 등록

Voice Mode MCP:
  - 음성 대화 인터페이스
  - "Claude, 오늘 TODO 목록 읽어줘"
  - 핸즈프리 지식 접근

n8n MCP:
  - 외부 서비스 자동화
  - Slack에 메시지 오면 → PKM에 저장
  - 새 Notion 페이지 생성 → Obsidian에 백업

Financial Research MCP:
  - 주식 시장 데이터
  - "AAPL 최근 실적 요약해서 Topics/Finance/에 추가"

MCP의 힘: "USB 방식"

Before MCP:
  각 서비스마다 API 연동 코드 작성
  → 복잡하고 유지보수 어려움

With MCP:
  MCP 서버 설치 → 모든 AI 도구에서 즉시 사용
  → "USB 꽂듯이" 외부 서비스 연결

실전 시나리오: 도구 협업

시나리오: 분기 성과 리포트 작성

1단계: Codex로 빠른 탐색

$ codex "지난 분기(2025-Q3) Projects/의 모든 캠페인 찾아줘"

Found 12 campaigns:
1. Projects/2025-09 Product Launch.md
2. Projects/2025-08 Summer Sale.md
...

2단계: Claude Code로 배치 분석

$ claude "위 12개 캠페인의 ROI, 달성률, 주요 인사이트를 추출하고
          AI/Analysis/2025-Q3 Campaign Review - Claude Code.md 생성"

[5분 후]
✓ 12개 캠페인 분석 완료
✓ 평균 ROI: 143%
✓ 리포트 생성: AI/Analysis/2025-Q3 Campaign Review - Claude Code.md

3단계: Cursor에서 협업 작성

# AI가 만든 초안을 Cursor에서 열기

## Q3 성과 요약
[AI가 생성한 데이터 & 분석]

## 핵심 인사이트
%% @cursor: 이 섹션에 "실패한 캠페인의 공통점" 분석 추가해줘 %%

[Cursor AI가 즉시 추가]

## Q4 전략 제안
%% 여기는 내가 직접 작성 - 경영진 메시지 포함 %%

4단계: Obsidian에서 최종 검토 - 그래프뷰로 관련 노트 확인 - 빠진 링크 있나 체크 - 모바일에서 마지막 읽기

5단계: Git 커밋

$ git add .
$ git commit -m "Q3 campaign review complete"

결과: - 각 도구가 최적의 역할 수행 - 데이터 손실 없음 (모두 마크다운) - 버전 관리 완벽 (Git) - 총 소요 시간: 30분 (수동 작업: 4-5시간)

프레임워크 구성요소 정리

이 4가지가 함께 작동하면:

Prompts
   ↓ (조합)
Workflows
   ↓ (실행)
Knowledge Tasks (기록)
   ↓ (사용)
Tool Ecosystem
   ↓
당신의 지식이 자동으로 성장하는 시스템

핵심 원리: - ✅ 한 번 설계하면 계속 재사용 (Prompts & Skills) - ✅ 자동화로 시간 90% 절약 (Workflows) - ✅ 모든 과정이 투명하게 기록 (Knowledge Tasks) - ✅ 최적의 도구로 최적의 작업 (Tool Ecosystem)

맺으며

첫 글에서 우리는 지식의 4 Gaps을 봤다: - 지식 부족 - 계획 부족 - 실행 부족 - 피드백 부족

두 번째 글에서 AI가 PKM의 3 장벽을 어떻게 무너뜨렸는지 봤다: - 수집의 한계 → Ambient AI - 정리의 고통 → AI 자동화 - 창작의 벽 → AI 협업

이번 글에서는 "어떻게"를 다뤘다: - 설계 원칙: Human+AI, Tool-agnostic, Collaboration Models - 구성요소: Prompts, Workflows, Knowledge Tasks, Tool Ecosystem - 구현 패턴: 점진적 진화, Orchestrator-Worker, 배치/온디맨드, Human-in-Loop - 실전 가이드: 작게 시작 → 확장 → 자동화 → 최적화 - AI4BetterMe: PKM을 넘어 Life Management로

핵심 메시지:

1. 작게 시작하라
2. 하나의 프롬프트로 가장 아픈 곳부터

3. 완벽 추구는 실행의 적

4. 점진적으로 진화시켜라

5. 프롬프트 → 워크플로우 → 자동화

6. 각 단계마다 2-4주 실험

7. 인간을 중심에 두어라

8. AI는 도구, 당신이 판단자

9. 중요한 지점에서 Human-in-Loop

10. 목적을 잊지 마라

11. PKM은 수단, 성장이 목적
12. AI4PKM에서 AI4BetterMe로

다음 단계:

이 글을 읽은 당신이 할 일: 1. 오늘: 가장 아픈 PKM 지점 하나 찾기 2. 이번 주: 첫 프롬프트 작성 & 테스트 3. 2주 후: 3-step 워크플로우 구축 4. 1개월 후: 자동화 시작 5. 3개월 후: 안정적 운영 & AI4BetterMe 준비

시작이 반이다.

지금 당장 _Settings_/Prompts/ 폴더를 만들고, 첫 프롬프트 파일을 작성해보자. 복잡하게 생각하지 말고, 오늘 당신이 수동으로 한 반복 작업 하나를 AI에게 시켜보는 것부터.

그것이 당신만의 AI4PKM 시스템의 시작이다.

시리즈 연결: - 이전: Theory of AI4PKM (2) - Why AI - AI가 PKM의 장벽을 무너뜨린 방법 - 다음: Theory of AI4PKM (4) - Implementation Guide (상세 구현 가이드, 예정)

실습 자료: - Publish/AI for PKM/5-1. Building AI Agent for PKM (개념) - Publish/AI for PKM/5-2. Building AI Agent for PKM (구현) - Publish/AI for PKM/6-1. Applying AI Agents for PKM (1) - Publish/AI for PKM/6-2. Applying AI Agents for PKM (2)

🤖 Generated with Claude Code

Co-Authored-By: Claude noreply@anthropic.com