Obsidian과 Claude Code로 세컨트 브레인 만들기 1탄을 쓰고 나서 살짝 뿌듯했다. Cursor와 옵시디언을 연결해서 인사이트 추출하고, 초안 쓰고, 노트 연결까지. 꽤 그럴듯한 시스템이 완성된 것 같았다. 그런데 며칠 쓰다 보니 허점이 보이기 시작했다. 정보를 꺼내 쓰는 데만 집중했지, 정작 새로운 정보를 넣어주는 구조가 없었다. 노트 연결도 생각보다 얕았고, 글을 쓴 뒤 폴더에 직접 옮기는 수작업이 반복됐다.
정보를 꺼내기만 했다
1탄의 시스템은 이미 옵시디언에 쌓여 있는 노트를 분석하는 데 초점이 맞춰져 있었다. 인사이트를 추출하고, 글 초안을 만들고, 관련 노트를 연결하는 것. 전부 “출력” 쪽 이야기다.
그런데 세컨드 브레인이라면 입력도 자동화되어야 한다. 매일 쏟아지는 AI 뉴스, 논문, 커뮤니티 트렌드를 일일이 복사해서 옵시디언에 붙여넣는 건 지속 가능하지 않다. 그래서 세 가지 입력 채널을 만들었다.
자동 센싱
Threads, X, Reddit 같은 커뮤니티에서 AI 관련 인기 주제를 자동으로 수집하는 구조다. RSS 피드와 API를 조합해서 하루 단위로 센싱이 돌아간다. 여기에 ProductHunt에서 매일 출시되는 AI 제품까지 포함시켰다. 원클릭으로 그날의 센싱 결과를 inbox에 받아볼 수 있다.
솔직히 처음에는 “이게 꼭 필요한가?” 싶었다. 그런데 며칠 돌려보니 직접 커뮤니티를 순회하던 시간이 확 줄었다. 물론 센싱 결과의 품질은 필터링 로직에 달려 있어서 이 부분은 계속 손봐야 한다.
Gmail 뉴스레터 분석
AI 관련 뉴스레터를 한때 10개 넘게 구독했다. AI Sparkup, 챗대리의 AI 뉴스레터, Daily AI Brief 등등. 처음에는 열심히 읽었지만 언제부턴가 읽지 않은 메일이 쌓이기만 했다. 정보 과부하다.
Gmail API를 연동해서 뉴스레터 내용을 자동으로 파싱하고, 핵심 정보만 추출해 inbox에 정리된 노트로 추가하도록 만들었다. 뉴스레터를 “읽는” 행위 자체를 시스템에 위임한 셈이다.
URL Fetch
하루에도 수십 개의 URL이 슬랙, 트위터, 뉴스레터에서 쏟아진다. 그중 “이건 나중에 봐야지”라고 북마크해놓고 결국 안 보는 링크가 대부분이다. URL을 넣으면 해당 페이지를 크롤링하고 핵심을 정리해서 옵시디언 노트로 만들어주는 기능을 추가했다. 북마크 무덤이 될 뻔한 정보들이 실제로 활용 가능한 노트가 된다.
노트 연결이 너무 얕았다
1탄에서도 노트 연결 기능은 있었다. “이 노트와 관련 있는 노트를 찾아줘”라고 하면 백링크를 추천해주는 방식이었다. 그런데 이 연결이 대부분 키워드 매칭 수준에 머물렀다. “AI”라는 단어가 들어간 노트끼리 연결되는 정도.
진짜 필요한 건 의미적 연결이다. “프롬프트 엔지니어링의 한계”라는 노트와 “컨텍스트 엔지니어링(Context Engineering)”이라는 노트가 연결되어야 한다. 키워드가 다르더라도.
이를 위해 제텔카스텐(Zettelkasten) 메모법의 원칙을 깊이 파고들었다. 제텔카스텐의 핵심은 원자적 노트(atomic note)와 그 노트들 사이의 명시적 연결이다. 단순히 “관련 있다”가 아니라 “왜 관련 있는지”를 연결 이유와 함께 기록하는 것이다.
지식 그래프(Knowledge Graph) 개념도 도입했다. AI가 노트의 의미를 벡터로 변환하고, 의미적으로 유사한 노트 간의 연결을 자동으로 제안하도록 구조를 바꿨다. GitHub에서 공개된 AI 기반 제텔카스텐 구현체를 참고하면, CEQRC(Capture – Explain – Question – Refine – Connect) 워크플로우로 노트를 처리하고 자동으로 링크를 발견하는 방식이 이미 여러 곳에서 시도되고 있다.
아직 완벽하진 않다. 가끔 엉뚱한 연결을 제안하기도 한다. 하지만 키워드 매칭보다는 훨씬 의미 있는 연결이 만들어지고 있다.
글 쓰고 나서 직접 옮기는 게 귀찮았다
블로그나 뉴스레터 초안을 작성하면 그걸 프로젝트 폴더로 직접 옮겨야 했다. AI 정보 관련 글이면 AI information 폴더로, 컨설팅 관련이면 AI consulting 폴더로. 글이 하나둘 쌓이면서 이 수작업이 점점 번거로워졌다.
해결 방법은 간단했다. 글의 내용을 기반으로 카테고리를 자동 분류하고, 해당 프로젝트 폴더에 자동으로 파일을 생성하는 구조를 만들었다. AI 정보, AI 컨설팅, PM, AI 토론, AI 트렌드 — 이 다섯 가지 카테고리 중 하나로 자동 분류된다.
| 분류 기준 | 카테고리 | 폴더 |
|---|---|---|
| AI 도구 활용법, 실전 가이드 | AI 컨설팅 | 01 AI consulting/ |
| AI 기술, 모델, 서비스 소식 | AI 정보 | 02 AI information/ |
| PM 커리어, 제품 관리 | PM | 03 PM career/ |
| AI 윤리, 사회적 영향 | AI 토론 | 04 AI discussion/ |
| 트렌드 리포트, 센싱 | AI 트렌드 | 05 AI trends/ |
작은 자동화지만 체감 효과가 꽤 크다. 글을 쓰는 데만 집중할 수 있게 됐다.
Claudian, 모든 걸 옵시디언 안으로
사실 여기까지의 작업은 전부 Cursor + Claude Code 조합으로 진행했다. 터미널에서 커맨드를 실행하고, 결과를 확인하고, 다시 옵시디언으로 돌아가는 흐름이었다. 작동은 하지만 앱 사이를 오가는 게 번거로웠다.
그러던 중 Claudian을 발견했다. Claudian은 Claude Code를 옵시디언 사이드바에 임베드하는 플러그인이다. 옵시디언 볼트 자체가 Claude의 작업 디렉토리가 되면서, 파일 읽기/쓰기/검색/bash 실행까지 전부 옵시디언 안에서 가능해진다.
이게 왜 중요한가. 지금까지 만들어둔 커맨드와 에이전트를 옵시디언 앱 안에서 바로 실행할 수 있게 됐다./sensing으로 센싱 돌리고, /blog로 글 초안을 만들고, /connect-notes로 노트를 연결하는 것이 전부 옵시디언 사이드바에서 이루어진다.
Claudian의 슬래시 커맨드(Slash Commands) 기능도 유용하다. 자주 쓰는 프롬프트를 /command 형태로 저장해두면 반복 작업이 줄어든다. 보안 측면에서도 YOLO/Safe/Plan 세 가지 퍼미션 모드를 제공해서 민감한 작업에 대한 통제가 가능하다.
솔직히 Claudian을 연동하고 나서 “이전에는 어떻게 썼지?”라는 생각이 들 정도였다. 앱 전환 없이 옵시디언 하나에서 모든 워크플로우가 돌아가니, 흐름이 끊기지 않는다.
마무리
1탄에서 “옵시디언 + AI = 세컨드 브레인”이라는 큰 그림을 그렸다면, 2탄은 그 그림에서 빠진 퍼즐 조각을 채우는 과정이었다. 정보 입력을 자동화하고, 노트 연결에 깊이를 더하고, 폴더링 수작업을 없애고, 마지막으로 Claudian으로 워크플로우 전체를 옵시디언 안에 통합했다.
물론 아직 손볼 곳이 많다. 센싱 필터의 정밀도, 의미적 연결의 정확도, 카테고리 분류의 경계 케이스. 완벽한 시스템은 아니다. 하지만 하나 확실한 건, 정보를 넣고 – 연결하고 – 꺼내 쓰는 사이클이 비로소 완성되었다는 것이다.
당장 시도해볼 수 있는 한 가지를 꼽자면, Claudian 플러그인 설치다. 옵시디언에 Claude Code CLI만 설치되어 있으면 BRAT을 통해 바로 연동할 수 있다. 앱 전환 한 번 줄이는 게 별것 아닌 것 같지만, 써보면 안다.
참고 자료
- Claudian GitHub Repository – 옵시디언 Claude Code 임베드 플러그인
- AI-powered Zettelkasten Implementation – AI 기반 제텔카스텐 구현체
- Vibe Sparking AI – Claudian 소개 – Claudian 기능 상세
