AI4PKM 프레임워크
AI4PKM 프레임워크
이전 글에서 AI 활용의 5단계와 각 단계에서 활용 가능한 도구들을 살펴봤다. 이제 실제로 AI4PKM 시스템을 어떻게 설계하고 구현할지, 구체적인 프레임워크를 알아보자.
- 빠른 스캔: 설계 원칙과 아키텍처 다이어그램 (10분)
- 심화 학습: 구현 가이드와 프롬프트 작성 원칙까지 (30분)
Design Goals
첫 번째 글에서 성공적인 지식 관리의 세 가지 조건을 살펴봤다: 목표 서포트, 습관 친화, 흥미와 동기. AI4PKM 프레임워크는 이 세 조건을 만족시키면서도 AI의 역량을 최대한 활용할 수 있도록 설계되었다.
인간과 AI를 위한 PKM (PKM for both Human and AI)
AI4PKM 시스템은 인간 사용자와 AI 에이전트가 함께 사용하는 공간이다.
핵심 전략:
- AI가 생성한 콘텐츠는 인간이 작성한 노트와 분리하여 보관
- 인간과 AI가 함께 수정하는 파일은 Git 버전 관리로 안전하게 보호
- 자동화된 워크플로우는
.md파일 기반으로 실행되어 사용자가 완전히 통제 가능
예시 구조:
PKM Vault/
├─ Ingest/ # 인간이 수집한 원본
├─ AI/ # AI가 생성한 분석
├─ Topics/ # 인간이 큐레이션한 지식
└─ Journal/ # 인간+AI 공동 작성 (Git 관리)
자연어를 개발 언어로 사용 (Natural Language Coding)
앞선 내용과 관련된 부분인데 에이전트 동작을 위해서 기존 프로그래밍 언어보다는 인간이 더 쉽게 이해할 수 있는 자연어를 사용하는 것이 더 낫다는 결론이다. 따라서 AIPKM의 모든 프롬프트와 스킬은 자연어를 기본적으로 쓰되, 필요한 경우 여기에 프로그래밍 언어를 덧붙여 효율성을 높인다.
도구 중립성 (Tool-agnostic Approach)
특정 도구에 종속되지 않고, 여러 AI 도구와 모델을 자유롭게 실험할 수 있어야 한다. 또한 AI4PKM 플랫폼 안에서 모든 것을 다하기보다는 기존 다른 도구와 조화롭게 어우러진 생태계를 형성하는 것을 목표로 한다.
이유:
- AI 기술은 빠르게 발전하고 있다
- 오늘의 최고 모델이 내일도 최고라는 보장이 없다
- 여러 AI를 비교하고 각각의 강점을 활용할 수 있어야 한다
구현 방식:
- 모든 콘텐츠를 표준 Markdown 형식으로 저장
- YAML frontmatter로 메타데이터 관리
- CLI 에이전트 기반으로 다양한 AI 모델 사용
System Architecture
Human-AI 공유 워크스페이스
AI4PKM의 핵심은 Human-AI 공유 워크스페이스다. 이전 글에서 소개한 3단계 이상의 AI 활용을 가능하게 하는 구조다:
flowchart LR
HZ["🧑 Human Zone
(Read-only for AI)
───
Ingest/Clippings
Ingest/Limitless"]
SZ["🤝 Shared Zone
(Git 버전관리)
───
Journal
Topics"]
AZ["🤖 AI Zone
(AI 주도 생성)
───
AI/Tasks
AI/Roundup
AI/Analysis"]
HZ --> SZ <--> AZ설계 원칙:
- Human Zone: AI가 읽기만 가능, 수정 불가. 원본 데이터의 무결성 보장
- Shared Zone: Human과 AI가 함께 편집. Git 버전 관리로 변경 추적
- AI Zone: AI가 주도적으로 생성/수정. Human이 결과물 검토
Orchestrator 아키텍처
복잡한 작업은 Orchestrator가 관장하는 여러 에이전트의 협업으로 처리한다. Orchestrator의 핵심 원칙(Core Beliefs), 컴포넌트 구성, Workflow 실행 순서는 (0) Orchestrator 개요에서 상세히 다룬다.
Components
재사용 가능한 Prompts & Skills
프롬프트는 AI를 효과적으로 활용하기 위한 핵심 레시피다.
설계 원칙:
- 프롬프트는 재사용 가능하고 단순하게 유지
- Skills는 재사용 가능한 작업 특화 지식을 담는다
- 파라미터를 통해 다양한 상황에 적용 가능
실행 방식:
- 프롬프트는 독립적으로 실행 가능
- 여러 프롬프트를 조합하여 워크플로우 구성
- CLI 에이전트에서 직접 실행
예시:
# _Settings_/Prompts/Enrich Ingested Content (EIC).md
## Purpose
수집한 클리핑/녹취를 분석하여 요약과 인사이트 추가
## Input
- Ingest/Clippings/*.md 또는 Ingest/Limitless/*.md
## Output
- Summary (핵심 내용)
- Key Insights (주요 인사이트)
- Related Topics (연결할 주제)
- status: processed
Agent 기반 Workflows
Agent는 Trigger, Executor, Prompt로 정의되며, Orchestrator가 이벤트를 감지하면 자동으로 실행된다. 상세 실행 순서와 Agent 정의 요소는 (0) Orchestrator 개요#Workflow를 참조한다.
Knowledge Tasks
모든 워커의 작업은 .md 형식의 지식 태스크로 문서화된다.
태스크 구조:
- 작업 명세 (Job specification)
- 진행 상황 (Job progress)
- 작업 결과 (Job outcome)
- 평가 결과 (Job evaluation - TBA)
예시:
# AI/Tasks/2025-11-15 Weekly Roundup.md
status: completed
workflow: WRP
created: 2025-11-15 09:00
completed: 2025-11-15 17:30
## Input
- Journal/2025-11-10 ~ 15.md
- Limitless recordings (last 7 days)
## Output
- AI/Roundup/2025-11-15 Weekly Review.md
## Result
주간 리뷰 생성 완료. 3개 주요 테마 발견.
Tool Ecosystem
AI4PKM은 다양한 도구들과 호환된다.
CLI Agents (워커로 활용):
- Claude Code
- Codex / Gemini CLI
Code Editor (AI와 실시간 협업):
- VS Code
- Cursor
Text Editor (지식 브라우징 및 생성):
- Obsidian
- 모든 Markdown 에디터
핵심: 각 도구는 특정 용도에 최적화되어 있지만, 모두 같은 Markdown 파일을 사용하므로 자유롭게 전환 가능하다.
Implementation Guide
폴더 구조 상세
PKM Vault/
├─ _Settings_/
│ ├─ Prompts/ # 재사용 프롬프트
│ ├─ Workflows/ # 워크플로우 정의
│ └─ Templates/ # 문서 템플릿
├─ Ingest/
│ ├─ Clippings/ # 웹 클리핑
│ └─ Limitless/ # 라이프로그
├─ AI/
│ ├─ Tasks/ # 작업 기록
│ ├─ Roundup/ # 자동 생성 리포트
│ └─ Analysis/ # 분석 결과물
├─ Topics/ # 주제별 지식
├─ Projects/ # 프로젝트 문서
└─ Journal/ # 개인 기록
프롬프트 작성 원칙
효과적인 프롬프트는 재사용 가능하고 결과가 예측 가능해야 한다:
- 단일 책임: 하나의 프롬프트는 하나의 작업만 수행
- 명확한 I/O: Input/Output 경로와 형식 명시
- 재사용성: 파라미터화로 다양한 상황에 적용
- 검증 가능: 결과물의 품질 기준 명시
예시 구조:
## Purpose
수집한 클리핑을 분석하여 요약과 인사이트 추가
## Input
- 경로: Ingest/Clippings/*.md
- 조건: status != processed
## Output
- Summary, Key Insights, Related Topics 추가
- status: processed로 변경
## Quality Criteria
- 요약은 3문장 이내
- 인사이트는 원문에 없는 새로운 관점 제시