안드레 카파시의 LLM 지식 베이스 개념을 구현한 오픈소스 앱: LLM Wiki

사용자들은 카파시의 아이디어를 실제 앱으로 구현한 것에 대해 매우 긍정적이며, 특히 모바일에서의 접근성을 해결한 점을 높게 평가하고 있습니다.

• 웹 기사 분석 시 Readability 엔진을 사용하면 LLM의 토큰 소모를 줄이고 분석 품질을 높일 수 있다.
• 복잡한 지식 관리 시스템 구축 시 LangGraph를 사용하면 에이전트의 작업 흐름을 체계적으로 설계할 수 있다.

Knowledge Graph

— 데이터 간의 관계를 노드와 엣지로 연결하여 표현하는 구조입니다. LLM이 비정형 데이터를 구조화된 마크다운 파일 네트워크로 변환함으로써 정보 간의 맥락적 연결성을 강화하고 검색 효율성을 높이는 데 기여합니다.

Agentic Workflow

— LLM이 단순 응답을 넘어 스스로 계획을 세우고 도구를 사용하며 작업을 수행하는 방식입니다. 이 앱에서는 인제스트 에이전트와 린트 에이전트가 각각 데이터 중복 방지 및 지식 베이스의 무결성 검사를 자율적으로 수행합니다.

Vibecoding

— 특정 프로그래밍 언어에 대한 깊은 지식 없이 LLM과의 대화 및 피드백 루프에 의존하여 코드를 작성하는 최신 개발 방식입니다. 개발자는 로직의 의도(Vibe)를 전달하고 LLM이 실제 구현과 디버깅을 담당합니다.