TL;DR

이 저장소는 Karpathy가 제안한 LLM Wiki 개념을 Agent Skills 호환 스킬로 패키징해 원자료를 raw/에 보존하고 LLM이 이를 마크다운 위키로 컴파일하도록 하는 워크플로를 제공한다. 인제스트 단계에서 요약과 교차참조를 생성하고 질의는 wiki/를 검색해 인용을 포함한 응답을 반환하며 린트 작업으로 링크와 인덱스 무결성을 유지한다. README에는 94개 문서와 99개 소스, 최근 7일간 87개의 운영 로그 항목과 같은 실제 운영 통계가 포함되어 있어 실사용 기반의 참조가 가능하다. 설치는 npx add-skill 명령으로 간단히 시작할 수 있고 Agent Skills를 지원하는 도구들과 연동해 재사용 가능한 스킬로 운용할 수 있다. 대규모 동적 검색이 필요한 RAG형 워크로드보다는 장기적 지식 누적과 인용 추적이 중요한 용도에서 효율성을 제공한다.

핵심 포인트

• 인제스트 시점 합성을 기본 설계로 삼아 질의 시 임베딩 검색 기반의 재도출을 줄이는 점이 특징이다. 이로 인해 빈번한 쿼리에서 동일한 요약을 반복 생성할 필요가 사라져 효율성이 올라간다. 또한 마크다운 중심의 저장소 구조는 사람과 도구가 모두 읽고 편집할 수 있는 형태로 결과물을 산출한다.
• Agent Skills 표준을 준수해 Claude Code, Cursor, Codex 등 다양한 에이전트 도구에서 동일한 설치·호출 방식으로 재사용할 수 있다. 표준 호환성은 각 도구별 맞춤 포맷을 새로 구현할 필요를 줄여 통합 비용을 낮춘다. SKILL.md와 references 디렉토리를 통해 도구별 수동 설치 가이드도 병행 제공된다.
• 원자료를 수집하고 raw/에 불변으로 저장한 다음 LLM이 구조화된 마크다운 페이지로 컴파일해 wiki/에 반영한다. 이 과정을 통해 소스별 요약과 교차참조가 사전에 생성되어 쿼리 시점의 반복 합성을 줄인다. 컴파일 과정에서 충돌이나 모순은 로그에 기록되어 추적 가능하게 유지된다.
• 위키를 검색해 인용을 포함한 응답을 생성하며 검색 결과의 근거를 마크다운 페이지 링크로 명시한다. 질의 처리 시 위키 내 문서를 우선 참조하므로 응답의 출처 추적과 검증이 용이해진다. 이러한 응답 흐름은 연구 노트와 기술 문서 관리에서 반복 검증을 단순화한다.

벤치마크

이미지 분석