llm-wiki-agent: 무엇이며, 어떤 문제를 해결하고 왜 주목받고 있는가

해결하는 문제

LLM Wiki Agent는 원시 문서 모음을 구조화되고 상호 연결된 위키로 변환하는 코딩 에이전트 스킬입니다. 매 쿼리마다 지식을 다시 도출하는 전통적인 RAG(검색 강화 생성) 시스템과 달리, 이 도구는 지식을 지속적인 마크다운 페이지에 축적하고 복합화하여 시간이 지남에 따라 자동으로 교차 참조를 처리하고 출처 간 모순을 표시합니다.

작동 방식

이 시스템은 CLAUDE.md 또는 AGENTS.md와 같은 스키마 파일 형태의 명령 집합으로 작동하며, 코딩 에이전트(예: Claude Code, Codex, Gemini CLI)가 로컬 마크다운 파일 디렉터리를 관리하도록 안내합니다.

• Ingestion: 소스 문서(PDF, DOCX, PPTX 등 비마크다운 파일을 markitdown으로 변환)를 읽고 지식을 추출하여 엔터티 페이지(인물, 기업), 개념 페이지(아이디어, 프레임워크) 및 살아있는 개요를 생성합니다.
• Synthesis: 위키 전체의 정보를 종합해 질의에 답변하고, 필요에 따라 해당 답변을 새로운 synthesis 페이지로 저장할 수 있습니다.
• Knowledge Graph: NetworkX와 vis.js를 이용해 graph.html 시각화를 생성하며, 명시적인 [[wikilinks]]와 추론된 의미 관계를 모두 매핑합니다.
• Maintenance: "lint" 명령을 통해 고아 페이지, 깨진 링크, 데이터 공백을 식별합니다.

대상 사용자

• Researchers: 몇 주에 걸쳐 논문과 보고서를 구조화된 레퍼런스로 구축하고자 하는 연구자.
• Readers: 책 속 인물, 주제, 논점을 추적하고 싶은 독자.
• Knowledge Workers: 회의 기록 및 프로젝트 문서에서 개인 지식 베이스나 비즈니스 인텔리전스를 유지하고자 하는 업무 종사자.
• Analysts: 기업과 기술을 시간에 따라 추적해 경쟁 분석을 수행하고자 하는 분석가.

주요 특징

• Persistent Knowledge: 지식이 일반 마크다운에 저장되어 Obsidian과 같은 도구와 호환됩니다.
• Automatic Structuring: 수동 작성 없이 엔터티와 개념 페이지를 자동 생성합니다.
• Capstone Synthesis: ingest 단계에서 출처 간 모순을 표시합니다.
• Multi-format Support: PDF, DOCX, XLSX, EPUB 등 다양한 형식을 ingest합니다.
• Visual Knowledge Graph: 커뮤니티 탐지를 통해 관련 주제를 클러스터링하는 인터랙티브 HTML 시각화를 제공합니다.

---

SUMMARY: 원시 문서를 지속적이고 상호 연결된 마크다운 위키로 변환하는 코딩 에이전트 스킬로, 자동 엔터티/개념 추출 및 시각적 지식 그래프를 제공합니다.

TITLE: llm-wiki-agent: 무엇이며, 어떤 문제를 해결하고 왜 주목받고 있는가