# #2 매주 쏟아지는 새 정보로, 어떻게 점점 더 똑똑하게 일할 수 있을까? (feat. 셜록 홈즈 기억의 궁전)

> 2026-10-08 · 김태우 · #지식 시스템 #자동화 #Claude Code #옵시디언 #AI #Build in Public #뉴스레터
> https://challengekim.com/posts/smarter-every-week

![기억의 궁전](https://challengekim.com/newsletter/002/hero.jpg)

지난 2주만 봐도 굵직한 소식이 쏟아졌습니다.

- OpenAI: 먼저 말을 거는 24시간 에이전트 [dots](https://chatgpt.com/features/dots/)와 GPT-6.1 Sol
- 메타: AI 에이전트를 실제 하드웨어에 연결하는 [Muse Gadgets](https://gadgets.muse.ai/)
- Anthropic: [Claude Haiku 5.5](https://www.anthropic.com/claude-haiku-5-5) 출시, Sonnet 5.5 캐시 읽기 가격 절반 인하
- 이미지·영상: 원하는 부분만 고치는 [FLUX 3 Image](https://bfl.ai/models/flux-3-image), 4K HDR에 립싱크까지 붙인 [Kling 4.0](https://klingai.com)

저도 이런 소식을 매일 요약해서 받아 보지만 따라가기가 벅찹니다. 그런데 오래 고생한 문제가 우연히 본 영상 하나나 새 모델로 풀린 적이 많아서, 놓치면 안 된다는 강박도 생깁니다. 저와 같은 고민이 있는 분들이 많아서인지 요즘 [LLM Wiki](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f), [루프 엔지니어링](https://addyosmani.com/blog/loop-engineering/)처럼 각자의 지식 시스템을 만드는 분들이 많아졌습니다.

안드레 카파시는 최근 [X 에 올린 글](https://x.com/karpathy/status/2105819303471976479)에서, 반복적인 일은 LLM 이 대부분 맡게 되니 사람은 그 결과를 감독하고 이해하는(oversight and understanding) 데 점점 더 많은 시간을 쓰게 될 거라고 했습니다. 정보를 많이 모으는 것보다, 무엇을 내 것으로 이해하고 남길지 고르는 일이 더 중요해진다는 뜻입니다.

이 글을 읽으며 셜록 홈즈의 기억의 궁전(mind palace)이 떠올랐습니다. 홈즈는 머릿속 방마다 기억을 정리해 두고 필요할 때 꺼내 쓰는데, 원작 [주홍색 연구](https://www.gutenberg.org/ebooks/244)에서는 머리를 작은 다락방에 비유하며 무엇을 들일지 스스로 골라야 한다고 말합니다.

저도 쏟아지는 정보를 그렇게 골라 담고 필요할 때 꺼내 쓰고 싶어서, 1년 동안 고쳐 온 지식 시스템을 오늘 공유해 드리려고 합니다. 먼저 전체 구조도입니다(휴대폰에서는 이미지를 누르면 크게 볼 수 있습니다).

![매주 조금씩 똑똑해지는 지식 루프](https://challengekim.com/newsletter/002/loop-v7.png)

## 1. 수집 — 자동으로 모으고, 좋은 건 직접 넣는다

정보가 점점 더 많이 쏟아지는 만큼, 예전에는 시간을 들여 손으로 찾아보던 곳들에서 **자동으로 정보가 수집되는 구조**를 먼저 만들었습니다. 지금 제 컴퓨터에서는 새벽 4시부터 예약 작업이 돌면서 AI 오픈채팅방, 매체/블로그 RSS, SNS, GitHub 트렌딩, 해외 유튜브/팟캐스트, 1인/소규모 팀의 매출 사례까지 100곳이 넘는 곳에서 정보를 모읍니다. 새 모델과 가격 변화도 따로 지켜보는데, 400개가 넘는 모델을 모아 파는 [OpenRouter](https://openrouter.ai/models)와 영상/음성 모델이 많은 [kie.ai](https://kie.ai/market)의 목록을 매일 기록해 영상/음성/이미지 모델까지 놓치지 않게 했습니다. 업무 쪽으로는 슬랙/디스코드 대화, 메일, Jira 의 할 일까지 수집합니다.

자동 수집만으로는 부족해서, 읽다가 좋은 걸 발견하면 **직접 저장하기**도 합니다. 좋은 링크나 떠오른 메모는 `save` 스킬로 한 줄이면 전문과 요약이 저장되고, 해외 글이나 영상은 `insight` 스킬에 링크만 넣으면 한국어로 번역·요약해 저장하고 이 사이트의 글로벌 인사이트로 발행됩니다. 자동으로 쌓이는 것과 제가 직접 저장한 것이 같은 곳에 쌓여서 다음 단계로 넘어갑니다.

## 2. AI 판독 — a/b/c/d 로 나눈다

이 구조의 핵심은 정보를 나누는 기준입니다. 들어오는 모든 정보는 AI 가 제가 하고 있는 일(어디에나 적용할 수 있는 일, 또는 특정 프로젝트 A, B, C …)을 기준으로 "이번 주에 쓸 데가 있나, 어느 프로젝트에 붙나" 를 판독하고, 매주 월요일 아침에는 지난 7일치를 다음 네 가지로 나눕니다.

| 분류 | 무엇인가 | 실제 비율 |
|---|---|---|
| **a** 알아 둘 것 | 있다는 것만 알아 두면 나중에 "아 그거 있었지" 하고 꺼내 쓸 수 있는 것 | 9.6% (779개) |
| **b** 시스템에 맡길 것 | 도구 업데이트처럼 승인만 하면 시스템이 반영하는 것 | 69.8% (5,677개) |
| **c** 내 것으로 만들 것 | 시간을 들여 깊게 읽고, 써 보고, 설명해 볼 것. 특히 여러 프로젝트에서 반복해서 꺼내 쓰는 지식 | 1.9% (156개) |
| **d** 버릴 것 | 이미 저장해 둔 것과 같거나, 몇 달째 한 번도 꺼내 쓰지 않은 것 | 18.7% (1,521개) |

표의 실제 비율은 제 Vault(저장소)에 쌓인 지식 노트 8,133개 전체를 다시 나눠 본 결과입니다. c 는 대부분 두 개 이상 프로젝트에서 반복해서 쓰인 지식으로, 에이전트 협업·프롬프트·가격 전략 같은 것들이었습니다. 한 번이라도 다시 꺼내 본 노트는 전체의 11.5% 정도이고, 실제로 열어서 읽은 노트는 146개뿐이었습니다.

물론 AI 판독이 처음부터 정확하지는 않습니다. 매주 분류된 내용을 확인하고, 잘못 분류된 건 제가 피드백을 주고 분류 기준을 강화하면서 판독 기능 자체가 매주 나아지고 있습니다.

## 3. 승인 체계 — 승인한 것만 실제로 바뀐다

시스템이 스스로 발전한다는 말은 멋있지만, 내가 모르는 사이에 돌아가는 것이 계속 늘어나면 언젠가는 아무도 그 시스템을 이해하지 못하게 됩니다(카파시가 말한 감독과 이해가 불가능해지는 상태입니다). 그래서 a/b/c/d 분류, 개선 후보, 출처 추가/삭제까지 전부 제안으로만 만들고, 매주 월요일 아침 제가 만들어 개인적으로 쓰고 있는 할 일 앱에 할 일로 올라오게 해 놨습니다. 기본적으로 a/b/c/d 는 자동으로 분류되어 제안되고, 제가 따로 지시하면 분류가 바뀝니다. 1주일 동안 별도 지시가 없으면 추천된 분류 그대로 적용되고, 바로 적용하라고 하면 그 자리에서 적용됩니다.

이 승인 단계에서 제일 중요한 건, **새 기술·툴이 나왔을 때 이미 만들어 사용 중인 시스템도 개선할 수 있는지 다시 검토하는 일**입니다. 예를 들어 Claude, Codex 등에 새 모델이 추가되거나 가격이 20% 이상 바뀌면 제 스킬·스크립트와 대조해 "이 작업은 이미지를 A 로 만드는데 B 가 새로 나왔고 가격이 절반이다, 시도해 볼까?" 같은 개선 후보를 만들고, 이것도 같은 방식으로 할 일로 올라와 제가 승인한 것만 실제로 바뀝니다.

## 4. 저장과 돌아보기 — 전부 남기고, 매주·매달 다시 본다

제 기억의 궁전은 옵시디언과 git 입니다. 한 곳에만 저장했다가 데이터를 통째로 날린 적이 있어서, 지금은 반드시 두 곳 이상에 동시에 저장해 자료가 손상되지 않게 하고 있습니다. 수집한 것, 판독 결과, 승인하거나 보류한 기록까지 전부 마크다운 파일로 저장되기 때문에 앱에 묶이지 않고 Claude 와 Codex 가 그대로 읽으며, 2번에서 붙인 프로젝트 정보 덕분에 일을 시작할 때 AI 가 관련 노트 중 활용할 만한 것이 있는지 먼저 확인하고 시작합니다.

매월 1일에는 전체 시스템 자체를 돌아봅니다. 카파시가 작년에 쓴 [system prompt learning](https://x.com/karpathy/status/1921368644069765486)에서 말한 것처럼, 사람은 "다음에 이런 문제를 만나면 이렇게 하자" 는 메모를 고쳐 가며 배우는데, 제 시스템에서는 분류 기준·일 목록·출처 목록이 그 메모입니다. 출처별로 a/b/c/d 가 얼마나 나왔는지, 제가 승인한 비율은 어땠는지를 보고 "90일 동안 쓸 만한 게 없었던 출처는 빼자", "계속 고쳐 주는 분류는 기준을 바꾸자" 같은 변경을 시스템이 스스로 제안하고, 이것도 3번의 승인 절차를 거칩니다.

그리고 매주 c 를 **이해하는 시간**을 따로 가집니다. 예전에는 좋은 글을 읽고 생각해 보는 데서 끝났다면, 이제는 c 로 고른 것을 직접 글로 써 보면서 이해하려고 합니다. 지난 글에서 주 1회는 직접 글을 쓰겠다고 적은 것도 같은 이유이고, 지금 이 글이 그 결과물입니다. 실제로 이 글을 쓰면서 제 시스템을 남에게 설명하다 보니 구멍이 여러 곳 보였고, 쓰는 도중에 고쳤습니다. **글을 쓰는 일 자체가 시스템을 더 잘 이해하는 일이 되고, 동시에 시스템 자체를 개선하는 일이 되고 있습니다.**

이해를 돕는 데는 규격 두 가지를 씁니다. 카파시가 [같은 글](https://x.com/karpathy/status/2105819303471976479)에서 추천한 [ASD-STE100](https://asd-ste100.org)은 항공기 정비 문서를 오해 없이 읽게 만든 영어 작성 규칙이고, 한국어에는 같은 취지의 국제 표준 [ISO 24495-1](https://www.iso.org/standard/78907.html)(쉬운 글)을 씁니다. AI 에게 이 규칙으로 설명과 도식을 받은 뒤, 거꾸로 AI 가 저에게 문제를 먼저 내고 "이 개념을 모르는 팀원에게 3문장으로 설명해 보세요" 라고 묻는 스킬을 만들어 쓰고 있습니다. 예전에 공부할 때도 본문을 다 읽고 문제를 풀기보다, 문제를 먼저 풀면서 본문에서 답을 찾아가는 쪽이 더 빨랐던 적이 많아서 비슷한 방식으로 이해하려고 합니다. 다만 이 규격은 어디까지나 제가 이해하는 데 쓰는 도구에 가깝고, 진짜 이해는 이렇게 실제로 글을 써 보는 단계에서 확인하고 있습니다.

제가 쓰고 있는 이 구조에서 누구나 맥·리눅스에서 바로 설치해 쓸 수 있는 부분은 [brain-attic](https://github.com/challengekim/brain-attic)으로 공개했습니다(설치 방법과 기능은 README 에 정리해 두었습니다). 써 보시고 불편한 점이나 필요한 기능을 알려 주시면 하나씩 고쳐 보겠습니다.

[brain-attic 사용해 보기 →](https://github.com/challengekim/brain-attic "button")

글을 마무리하며, 최근 『클린 코드』의 저자 로버트 C. 마틴(Uncle Bob)이 [X 에 남긴 글](https://x.com/unclebobmartin)을 옮겨 둡니다(번역은 [Kim Wooyeong 님의 공유](https://www.linkedin.com/posts/wooing_%EB%A1%9C%EB%B2%84%ED%8A%B8-c-%EB%A7%88%ED%8B%B4%EC%9D%98-%EC%98%A4%EB%8A%98%EC%9E%90-%EB%AA%85%EC%96%B8%EC%9E%85%EB%8B%88%EB%8B%A4-%EA%B3%A0%EA%B0%9C%EB%A5%BC-%EB%81%84%EB%8D%95%EA%B1%B0%EB%A6%AC%EA%B2%8C-%EB%90%98%EB%84%A4%EC%9A%94-%EC%82%AC%EB%9E%8C%EB%93%A4%EC%9D%80-share-7511455492666372100-xPCP/)를 따랐습니다). 읽으면서 고개를 끄덕이게 됐습니다.

"사람들은 『클린 코드』의 저자가 더 이상 코드를 읽지 않는다는 사실에 놀라는 것 같습니다. 하지만 놀랄 일이 아닙니다. 제가 왜 『클린 코드』를 썼을까요? 코드를 깨끗하게 유지하는 목적은 무엇일까요? **코드가 진짜 일, 즉 '생각하는 것'을 방해하지 않게 하기 위해서입니다.**"

제가 이런 시스템을 만드는 것도 결국 같은 이유입니다. 모으고, 나누고, 반영하는 반복적인 일은 시스템에 맡기고, 그렇게 아낀 시간을 **더 생각하는 데** 쓰고 싶어서입니다.

결국 새 정보를 얼마나 많이 아느냐보다, **무엇을 알아만 두고, 무엇을 맡기고, 무엇을 끝까지 내 것으로 만들지 고르는 힘**이 앞으로 일하는 방식을 가를 거라고 생각합니다. 여러분은 매주 쏟아지는 정보를 어떻게 소화하고 계신가요? 더 좋은 방법을 알고 계신 분들은 댓글로 꼭 알려주세요. 글이 마음에 드셨다면 주변 분께 공유해 주시거나 구독을 권해 주세요 :)

---

**P.S. 1 — 이번 주에 본 표 하나**

a16z 가 10월 5일 낸 [소비자 AI 앱 Top 100 7번째 판](https://a16z.com/100-gen-ai-apps-7/)에는, 인터넷 시대에 승자가 있던 분야마다 AI 전용 서비스가 자리를 잡았는지 정리한 표가 있습니다. 검색·제작·사진/영상·교육은 이미 AI 서비스가 들어섰지만, 스트리밍·쇼핑·SNS·여행·개인 금융·커리어·부동산·게임·데이팅에는 아직 Top 100 에 든 AI 전용 서비스가 하나도 없습니다(«None» 은 시장이 비었다는 뜻이 아니라 이 목록에 없다는 뜻입니다). 뭘 만들지 고민 중이라면 이 빈칸부터 보시면 좋겠습니다. 리포트 전체 요약은 [글로벌 인사이트](https://challengekim.com/p/consumer-ai-apps-spending)에 정리해 두었습니다.

![a16z — Where Consumer AI Has Room to Grow](https://challengekim.com/newsletter/002/a16z-consumer-ai-room-to-grow.png)

출처: a16z, The Top 100 Gen AI Consumer Apps — 7th Edition · [조여준 님의 LinkedIn 공유](https://www.linkedin.com/posts/ethan-yj-cho_%EB%AD%98-%EC%B0%BD%EC%97%85%ED%95%B4%EC%95%BC-%ED%95%A0-%EC%A7%80-%EB%AA%A8%EB%A5%B4%EA%B2%A0%EB%8B%A4%EB%A9%B4-a16z-%EC%95%88%EB%93%9C%EB%A0%88%EC%84%BC-%ED%98%B8%EB%A1%9C%EC%9C%84%EC%B8%A0%EA%B0%80-%EC%95%84%EC%A7%81-%ED%85%85%EB%B9%84%EC%96%B4-share-7513121125803970560-8OWU/)로 처음 봤습니다.

**P.S. 2** 13만 유튜버 일잘러 장피엠님이 B2B 기업 강의로 만들었던 [비개발자를 위한 Claude Code 기초 강의](https://inf.run/T6JPX)를 인프런에서 한시적으로 무료 공개하셨습니다. 10월 15일까지 수강 신청만 해 두시면 이후 유료(15만 원)로 바뀐 뒤에도 계속 무료로 보실 수 있다고 하니, Claude Code 를 시작해 보고 싶었던 분들은 서둘러 신청해 두세요. 광고는 아니고, 평소 장피엠님 콘텐츠를 즐겨 보는 순수한 팬심으로 넣었습니다.

혹시 이렇게 구독자분들께 소개하고 싶은 강의나 서비스가 있으신 분들은 [홍보 신청](https://challengekim.com/promote)으로 남겨 주세요. 검토해 보고 연락드리겠습니다.

<!-- roundup -->

---

**참고 자료**

- 안드레 카파시, [LLM 출력을 더 잘 이해하는 법(ASD-STE100, 도식, HTML, 설명 영상)](https://x.com/karpathy/status/2105819303471976479), 2026-10-02
- 안드레 카파시, [LLM Knowledge Bases](https://x.com/karpathy/status/2039805659525644595), 2026-04-02 / [LLM Wiki idea file](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f)
- 안드레 카파시, [system prompt learning](https://x.com/karpathy/status/1921368644069765486), 2025-05-11
- [karpathy/autoresearch](https://github.com/karpathy/autoresearch) · [Reflexion: Language Agents with Verbal Reinforcement Learning](https://github.com/noahshinn/reflexion) · Addy Osmani, [Loop Engineering](https://addyosmani.com/blog/loop-engineering/)
- [ASD-STE100 Simplified Technical English](https://asd-ste100.org) · [ISO 24495-1:2023 Plain language](https://www.iso.org/standard/78907.html) · [국제 쉬운 언어 연맹(IPLF)의 해설](https://www.iplfederation.org/the-iso-plain-language-standard-part1)
- ISO 24495-1 을 추천한 [링크드인 글](https://www.linkedin.com/posts/gb-jeong_%EB%82%B4%EA%B0%80-5%EC%82%B4%EC%9D%B8-%EA%B2%83%EC%B2%98%EB%9F%BC-%EC%84%A4%EB%AA%85%ED%95%B4%EC%A4%98-%EB%A7%90%EA%B3%A0-asd-ste100%EC%9C%BC%EB%A1%9C-%EC%84%A4%EB%AA%85%ED%95%B4%EC%A4%98-share-7512494305547120640-mp19/)
- 아서 코난 도일, [주홍색 연구(A Study in Scarlet)](https://www.gutenberg.org/ebooks/244)
- [OpenAI dots](https://chatgpt.com/features/dots/) · [Meta Muse](https://muse.ai/) · [Muse Gadgets](https://gadgets.muse.ai/) · [Claude Haiku 5.5](https://www.anthropic.com/claude-haiku-5-5) · [FLUX 3 Image](https://bfl.ai/models/flux-3-image) · [Kling AI](https://klingai.com) · [OpenRouter](https://openrouter.ai/models) · [kie.ai](https://kie.ai/market)
- 함께 참고한 지식 시스템: [복리 지식 시스템(Simpson Gyusup Sim)](https://retn.kr/blog/compound-learning-ai-system/) · [LLM Wiki 구축 가이드(unclejobs)](https://gist.github.com/unclejobs-ai/7af4a9e3446751b8e2c3bc66d23fa0ac) · [Building a Second Brain](https://buildingasecondbrain.com) · [제텔카스텐](https://zettelkasten.de)
- 로버트 C. 마틴, [X @unclebobmartin](https://x.com/unclebobmartin), 2026-10-01 · 번역 [Kim Wooyeong 님 LinkedIn](https://www.linkedin.com/posts/wooing_%EB%A1%9C%EB%B2%84%ED%8A%B8-c-%EB%A7%88%ED%8B%B4%EC%9D%98-%EC%98%A4%EB%8A%98%EC%9E%90-%EB%AA%85%EC%96%B8%EC%9E%85%EB%8B%88%EB%8B%A4-%EA%B3%A0%EA%B0%9C%EB%A5%BC-%EB%81%84%EB%8D%95%EA%B1%B0%EB%A6%AC%EA%B2%8C-%EB%90%98%EB%84%A4%EC%9A%94-%EC%82%AC%EB%9E%8C%EB%93%A4%EC%9D%80-share-7511455492666372100-xPCP/)
- a16z, [The Top 100 Gen AI Consumer Apps — 7th Edition](https://a16z.com/100-gen-ai-apps-7/), 2026-10-05 · 조여준, [LinkedIn 해설](https://www.linkedin.com/posts/ethan-yj-cho_%EB%AD%98-%EC%B0%BD%EC%97%85%ED%95%B4%EC%95%BC-%ED%95%A0-%EC%A7%80-%EB%AA%A8%EB%A5%B4%EA%B2%A0%EB%8B%A4%EB%A9%B4-a16z-%EC%95%88%EB%93%9C%EB%A0%88%EC%84%BC-%ED%98%B8%EB%A1%9C%EC%9C%84%EC%B8%A0%EA%B0%80-%EC%95%84%EC%A7%81-%ED%85%85%EB%B9%84%EC%96%B4-share-7513121125803970560-8OWU/)
- 공개 저장소: [challengekim/brain-attic](https://github.com/challengekim/brain-attic)