옵시디언을 구조화하는 세 가지 방법

옵시디언으로 지식을 쌓는 방법에 대한 글이 많습니다. 그런데 대부분 "어떻게 저장하느냐"에 집중합니다. 더 근본적인 질문은 다릅니다. 그 지식으로 무엇을 하려는가.

목적이 다르면 구조가 달라야 합니다. 세 가지 방향을 비교합니다.

• 온톨로지 구조: 개념과 개념 사이의 관계를 명시적으로 정의한다
• 자동 흐름 구조: 자동 캡처 + Claude 종합으로 인사이트가 스스로 돌아오게 만든다
• 출력 연결 구조: 내부 지식을 외부 퍼블리싱으로 연결한다

세 구조의 핵심 질문

각 구조가 답하려는 질문이 다릅니다.

온톨로지 구조가 묻는 것: "이 개념들은 어떻게 연결되어 있는가?"

자동 흐름 구조가 묻는 것: "내가 소비한 정보가 어떻게 내게 돌아오는가?"

출력 연결 구조가 묻는 것: "내부에 쌓인 것을 어떻게 밖으로 내보내는가?"

출발점이 완전히 다릅니다.

온톨로지 구조 — 연결을 설계한다

온톨로지 구조는 지식을 저장하기 전에 먼저 개념의 관계 체계를 설계합니다. 노트를 쓰는 행위보다 노트들 사이의 관계를 정의하는 행위가 중심입니다.

실제 구현은 YAML 프론트매터에 관계 타입을 명시하는 방식으로 시작합니다.

---
type: concept
is-a:
  - "[Machine Learning](091fa912.html)"
part-of:
  - "[AI Systems MOC](160e9ba3.html)"
causes:
  - "[Gradient Vanishing](4038ee65.html)"
contradicts:
  - "[Symbolic AI](95059543.html)"
---

단순히 [링크](ee49a62e.html)를 다는 것과 다릅니다. is-a, causes, contradicts — 관계의 종류가 기록됩니다. 이것이 쌓이면 Dataview로 쿼리할 수 있습니다.

LIST FROM "concepts/"
WHERE contains(is-a, [Machine Learning](091fa912.html))

MOC(Map of Content)가 계층을 만듭니다. 개념 노트들이 MOC를 통해 트리 구조로 연결되고, MOC들을 연결하는 Home MOC가 볼트 전체의 진입점이 됩니다.

이 구조의 강점은 개념 간 관계가 명시적이라는 점입니다. 나중에 "이 개념과 관련된 모든 것"을 꺼낼 때, 또는 어떤 개념이 다른 무엇의 원인인지 역추적할 때 힘을 발휘합니다. Claude 같은 AI에게 "내 볼트에서 X와 관련된 개념들을 정리해줘"라고 했을 때, 단순 링크 볼트보다 훨씬 정밀한 답이 나옵니다.

대가는 초기 설계 비용과 유지 부담입니다. 관계 타입을 미리 정해야 하고, 새 노트마다 그 체계에 맞춰 속성을 채워야 합니다. 일관성을 강제하는 장치가 없어서, 몇 달 뒤에는 일부 노트는 잘 연결돼 있고 일부는 고립 섬이 되는 상황이 흔합니다.

이 구조에 맞는 사람: 특정 도메인을 깊이 공부하는 연구자, 복잡한 개념들 사이의 관계를 추적해야 하는 사람, "이 개념은 왜 저 개념과 연결되는가"를 자주 묻는 사람.

자동 흐름 구조 — 인사이트가 먼저 말을 건다

cyrilXBT가 제안한 구조입니다. 출발점이 다릅니다. 저장 방법이 아니라 정보가 나에게 돌아오는 방법을 설계합니다.

4개의 레이어가 단방향으로 흐릅니다.

Readwise/Airr/Telegram → N8N 파이프라인 → Obsidian → Claude
       (캡처)                (자동 라우팅)    (저장)     (종합)

캡처 레이어에서는 아무것도 분류하지 않습니다. 기사를 읽다가 중요한 부분을 하이라이트하면 Readwise가 자동으로 볼트에 저장합니다. 팟캐스트 클립은 Airr가 전사해서 넣습니다. 이동 중 떠오른 생각은 Telegram 봇으로 보내면 inbox에 착지합니다.

폴더는 다섯 개뿐입니다. inbox, notes, ideas, projects, CLAUDE.md. 복잡한 분류 체계가 없어서 캡처 마찰이 거의 없습니다.

N8N이 평일 오전 6시에 Claude를 실행합니다. 지난 24시간 inbox와 지난 7일 notes를 읽고 세 가지를 뽑습니다. 내가 놓친 연결, 이번 주 내 뇌가 작업 중인 패턴, 오늘 붙들 가치가 있는 질문. 내가 요청하지 않아도 브리핑이 먼저 도착합니다.

주간 종합 세션에서는 Claude가 볼트 전체를 읽고 형성되고 있는 테제, 이전과 모순되는 새 생각, 빠진 관점, 한 가지 최우선 행동을 제안합니다.

이 구조의 강점은 복리 효과입니다. 1개월에는 유용한 도구입니다. 3개월이 지나면 3개월 전에 저장했지만 완전히 잊은 노트를 Claude가 지금 작업 중인 문제와 연결해 가져옵니다. 6개월이 지나면 내가 바꾼 믿음의 기록, 패턴이 의식보다 먼저 나타난 흔적들이 쌓입니다. 이 격차는 더 열심히 해서 좁힐 수 없습니다.

대가는 N8N 세팅과 Readwise 구독 등 초기 설치 비용입니다. 또 이 구조는 출력을 설계하지 않습니다. 지식이 축적되고 연결되지만, 그것이 블로그 글이나 외부에 공유할 수 있는 형태로 나가는 경로가 없습니다.

이 구조에 맞는 사람: 매일 많은 정보를 소비하는 사람, 캡처는 많이 하지만 나중에 꺼내 쓰지 못하는 경험이 있는 사람, 인사이트가 축적되는 것 자체가 목적인 사람.

출력 연결 구조 — 내부에서 외부로

이 블로그의 작업 방식입니다. 옵시디언 볼트와 퍼블리싱 파이프라인이 연결되어 있습니다.

Zotero/클리핑 → raw/drafts/ → grid_Posts·grid_Papers → GitHub Pages
  (소스 수집)     (초안 작성)      (검증 후 이동)         (배포)

논문은 Zotero에서 원문 전체를 가져옵니다. 뉴스나 기술 글은 Clippings 폴더에 클리핑합니다. Claude가 이 소스를 읽고 초안을 raw/drafts/에 작성합니다. 검토 후 태그·프론트매터를 확인하고 적절한 폴더(grid_Papers/, grid_Posts/)로 이동합니다. git push 하면 GitHub Actions가 빌드해서 배포합니다.

wiki 링크가 온톨로지의 역할을 합니다. 각 글에서 중요한 개념은 [MCP](aaad5def.html), [Claude](892ea6ab.html), [LLM](b8cc08c1.html)처럼 연결됩니다. Dictionary 폴더에 개념 정의 노트들이 있어서, 링크를 따라가면 정의를 볼 수 있습니다. 완전한 온톨로지는 아니지만 관계의 일부가 명시됩니다.

이 구조의 강점은 출력이 있다는 점입니다. 지식이 단순히 볼트 안에 쌓이는 게 아니라 외부로 나갑니다. 독자가 있고, 피드백이 있고, 시간이 지나도 접근 가능한 형태로 기록이 남습니다. Zotero 연동으로 논문 원문에 기반한 정확한 글을 쓸 수 있습니다.

대가는 게이트가 있다는 점입니다. 모든 정보가 자동으로 저장되지 않습니다. 글로 만들 가치가 있다고 판단한 것만 파이프라인에 들어옵니다. 즉, 자동 흐름 구조처럼 "그냥 소비하면 알아서 쌓인다"가 아닙니다. 매번 의식적인 작성 결정이 필요합니다.

이 구조에 맞는 사람: 외부에 공유할 콘텐츠를 정기적으로 만드는 사람, 학습한 것을 정제해서 기록으로 남기고 싶은 사람, 개인 브랜드나 포트폴리오를 쌓는 사람.

세 구조 나란히 놓기

섞을 수 있는가

각각을 독립된 시스템으로 쓸 수도 있지만, 실제로는 겹치는 경우가 많습니다.

자동 흐름 구조로 정보를 쌓으면서, 특정 주제가 성숙했을 때 온톨로지 구조로 그 주제만 정리할 수 있습니다. 또는 온톨로지 구조로 내부를 정리하면서, 그 중 공유할 가치가 있는 것을 출력 파이프라인으로 내보낼 수 있습니다.

한 가지 경고가 있습니다. 세 구조를 동시에 완벽하게 유지하려 하면 아무것도 안 됩니다. 가장 많은 시간을 쓰는 시스템이 실제로 작동하는 시스템입니다.

지금 가장 자주 막히는 지점이 어디냐에 따라 시작점이 달라집니다. 저장은 많이 하는데 꺼내 쓰지 못한다면 자동 흐름. 노트들이 고립돼 있어서 연결이 안 된다면 온톨로지. 생각이 있는데 공유할 형태로 만들지 못한다면 출력 연결. 그것이 지금 당신에게 부족한 한 가지입니다.