책에 포함된 노트비전공자도 바로 시작하는 옵시디언 × 깃허브 지식 운영 백서

AI 강사를 위한 지식베이스 운영법

2026-05-06Views 32약 11분생성형 AI 활용

노트가 많아질수록 AI는 더 똑똑한 조교가 된다

처음 옵시디언을 시작할 때는 노트 한 장을 쓰는 것만으로도 충분히 뿌듯합니다. 강의 아이디어를 적고, 수강생 질문을 기록하고, 좋은 프롬프트를 저장해 두는 것만으로도 "이제 자료가 흩어지지 않겠구나" 하는 안도감이 생깁니다.

그런데 어느 순간부터 새로운 문제가 찾아옵니다.

노트가 너무 많아집니다.

처음에는 분명 정리하려고 만든 볼트였는데, 시간이 지나면 강의안, 프롬프트, 수강생 질문, 줌 채팅, 피드백, 참고 링크, 실험 결과, 회의록이 한데 쌓입니다. 이때부터 우리의 목표는 단순한 "저장"이 아니라 "활용"이 되어야 합니다.

특히 AI 활용 강사 커뮤니티라면 이 지점이 중요합니다. 우리가 쌓아 둔 노트는 단순한 메모가 아닙니다. AI에게 넘겨 줄 수 있는 고급 재료입니다. 잘 정리된 노트는 AI에게 강의 기획을 맡길 때, FAQ를 만들 때, 수강생 수준별 설명을 요청할 때, 새로운 워크숍 커리큘럼을 설계할 때 강력한 기반이 됩니다.

AI는 마법처럼 모든 것을 알아서 이해하지 않습니다. 대신 사람이 읽기 좋고, 맥락이 분명하고, 구조가 잘 잡힌 자료를 만나면 놀라울 정도로 유능한 조교가 됩니다. 그래서 이번 장의 핵심은 하나입니다.

우리의 옵시디언 볼트를 "AI가 읽고 활용하기 좋은 커뮤니티 지식베이스"로 발전시키는 것입니다.

AI 강사를 위한 지식베이스 운영법

지식베이스는 자료 창고가 아니라 일하는 동료다

지식베이스라는 말을 들으면 조금 거창하게 느껴질 수 있습니다. 하지만 어렵게 생각할 필요는 없습니다. 지식베이스는 커뮤니티가 반복해서 사용하는 지식, 경험, 판단 기준, 사례를 모아 둔 공간입니다.

예를 들어 우리 커뮤니티에는 이런 자료들이 계속 쌓입니다.

강의에서 자주 쓰는 설명과 비유
수강생들이 반복해서 묻는 질문
특정 AI 도구를 써 본 뒤 남긴 장단점
잘 작동한 프롬프트와 실패한 프롬프트
공개해도 되는 강의 자료와 내부에만 남겨야 할 운영 노하우
다음 강사가 참고할 수 있는 회고와 개선안

이 자료들이 각자의 컴퓨터, 카카오톡 대화방, 구글 문서, 이메일, 노션, 다운로드 폴더에 흩어져 있으면 커뮤니티의 자산이 되기 어렵습니다. 반대로 옵시디언 볼트 안에 일정한 방식으로 쌓이면 시간이 지날수록 강력해집니다.

중요한 점은 "예쁘게 정리하는 것"이 아닙니다. "나중에 찾을 수 있고, 다른 사람이 이해할 수 있고, AI에게 넘겼을 때 쓸모 있게 작동하는 것"이 핵심입니다.

raw, wiki, outputs: 세 칸으로 나누면 정리가 쉬워진다

AI 친화적인 지식베이스를 만들 때 가장 먼저 할 일은 자료의 성격을 나누는 것입니다. 여기서는 아주 단순하면서도 강력한 구조를 추천합니다.

raw, wiki, outputs 세 영역으로 나누는 방식입니다.

이름은 영어지만 개념은 쉽습니다. raw는 아직 다듬지 않은 원본 자료, wiki는 정리된 지식, outputs는 실제로 만들어 낸 결과물입니다.

AI-강사-커뮤니티-볼트/
├─ raw/
├─ wiki/
├─ outputs/
├─ templates/
└─ AGENTS.md

이 구조는 "지금 이 자료가 어떤 상태인가?"를 기준으로 노트를 구분합니다. 자료를 처음 가져왔을 때는 raw에 넣고, 읽고 정리해서 커뮤니티 지식으로 만들면 wiki에 넣고, 그 지식을 바탕으로 강의안이나 공지문 같은 결과물을 만들면 outputs에 저장합니다.

이렇게 나누면 자료가 뒤섞이지 않습니다. 특히 AI에게 작업을 맡길 때 매우 편해집니다. 예를 들어 "raw에 있는 수강생 피드백을 읽고 wiki에 FAQ 초안을 만들어 줘"라고 요청할 수 있습니다. 또는 "wiki의 프롬프트 작성 원칙을 참고해서 outputs에 2시간짜리 강의안을 만들어 줘"라고 지시할 수 있습니다.

AI가 일을 잘하려면 자료의 위치와 성격이 분명해야 합니다. raw, wiki, outputs 구조는 그 출발점입니다.

raw: 원본은 판단하지 말고 먼저 보관한다

raw 폴더는 자료가 처음 들어오는 입구입니다. 여기에는 아직 다듬지 않은 자료를 넣습니다. 줌 채팅 기록, 수강생 설문 응답, 강의 중 받은 질문, 회의 메모, 참고 링크 모음, AI가 생성한 원본 답변 등이 여기에 해당합니다.

중요한 원칙은 하나입니다. 원본 단계에서는 너무 열심히 정리하려고 하지 않아도 됩니다.

많은 초보자가 자료를 저장하기도 전에 완벽하게 분류하려고 합니다. 그러다 보면 오히려 저장을 미루게 됩니다. "이건 어느 폴더에 넣어야 하지?", "제목을 어떻게 붙이지?", "나중에 쓸모가 있을까?" 하고 고민하다가 결국 자료가 사라집니다.

raw 폴더는 그런 부담을 줄여 줍니다. 일단 넣습니다. 나중에 정리합니다.

예를 들어 강의 후 수강생 질문을 정리하지 못했다면 다음처럼 저장할 수 있습니다.

raw/수강생질문/2026-05-온라인기초반-질문모음.md
raw/피드백/2026-05-프롬프트워크숍-설문원본.md
raw/AI출력원본/2026-05-06-강의안초안-chatgpt.md
raw/회의록/2026-05-커뮤니티운영회의.md

이 단계에서는 완벽한 문장보다 보존이 중요합니다. 다만 개인정보나 민감한 정보가 들어 있다면 원본 저장 시점부터 주의해야 합니다. 이름, 전화번호, 이메일, 회사명, 구체적인 사연처럼 개인을 식별할 수 있는 내용은 가능하면 바로 가리거나 별도 비공개 저장소에 보관합니다.

AI에게 원본 자료를 넘길 때도 같은 원칙이 필요합니다. 원본을 그대로 붙여 넣기 전에 개인정보가 포함되어 있는지 먼저 확인해야 합니다. 커뮤니티 지식베이스는 편리해야 하지만, 안전해야 합니다.

wiki: 커뮤니티가 반복해서 참고할 지식으로 다듬는다

wiki 폴더는 지식베이스의 중심입니다. raw가 재료 창고라면, wiki는 잘 정리된 설명서입니다.

여기에는 커뮤니티가 반복해서 참고할 만한 내용을 저장합니다. 수강생 질문을 정리한 FAQ, 강의에서 자주 쓰는 비유, 도구별 사용법, 프롬프트 작성 원칙, 강의 운영 팁, 사례 해설 등이 들어갑니다.

예를 들어 raw에 이런 질문이 쌓였다고 해 보겠습니다.

"챗GPT에게 질문을 길게 해야 하나요?"
"프롬프트를 잘 쓰려면 어떤 순서로 말해야 하나요?"
"AI가 자꾸 엉뚱한 답을 할 때는 어떻게 고치나요?"

이 질문들을 그대로 두면 자료입니다. 하지만 정리하면 지식이 됩니다.

wiki/FAQ/프롬프트-질문을-잘-하는-방법.md
wiki/강의비유/AI는-신입직원처럼-브리핑해야-한다.md
wiki/운영노하우/초보자-질문을-막히지-않게-받는-법.md

wiki 노트는 한 번 쓰고 끝나는 글이 아닙니다. 여러 강사가 함께 보면서 조금씩 개선하는 살아 있는 문서입니다. 처음에는 짧아도 괜찮습니다. 대신 제목이 분명해야 하고, 어떤 상황에서 쓰는 지식인지 알 수 있어야 합니다.

좋은 wiki 노트는 다음 질문에 답할 수 있어야 합니다.

이 노트는 어떤 문제를 해결하는가?
누가 읽으면 도움이 되는가?
강의나 운영에서 어떻게 활용할 수 있는가?
관련된 원본 자료나 다른 노트는 무엇인가?

이 정도만 지켜도 AI가 훨씬 잘 읽습니다. AI에게 "이 FAQ를 초보자용 말투로 바꿔 줘", "이 내용을 10분 강의 스크립트로 만들어 줘", "관련 질문 5개를 더 만들어 줘"라고 요청하기 쉬워집니다.

outputs: 만들어 낸 결과물은 따로 보관한다

outputs 폴더에는 실제로 사용하거나 배포한 결과물을 저장합니다. 강의안, 실습지, 뉴스레터, 블로그 초안, 홍보 문구, 발표 대본, 체크리스트, 내부 공지문 등이 여기에 들어갑니다.

왜 결과물을 따로 보관해야 할까요? 결과물은 그 자체로 커뮤니티의 작업 이력입니다. 어떤 지식을 바탕으로 어떤 산출물이 만들어졌는지 남겨 두면, 다음번에 비슷한 일을 할 때 훨씬 빠르게 시작할 수 있습니다.

예를 들어 지난달에 "AI 입문자를 위한 2시간 특강"을 만들었다면, 이번 달에는 그것을 바탕으로 "AI 강사를 위한 3시간 심화 워크숍"을 만들 수 있습니다. 이때 이전 결과물이 잘 저장되어 있으면 AI에게 이렇게 요청할 수 있습니다.

outputs/강의안/2026-04-AI입문자-2시간특강.md를 참고해서,
강사 대상 3시간 심화 워크숍 커리큘럼으로 확장해 주세요.
단, 실습 시간을 늘리고, 수강생 질문 대응 파트를 추가해 주세요.

이처럼 outputs는 단순한 완성본 보관함이 아닙니다. 다음 결과물을 만드는 출발점입니다.

파일 이름에는 날짜, 대상, 주제를 넣으면 좋습니다.

outputs/강의안/2026-05-비전공자-AI프롬프트기초-2시간.md
outputs/실습지/2026-05-강사용-프롬프트실습지.md
outputs/홍보문구/2026-05-커뮤니티오픈특강-모집글.md
outputs/공지/2026-05-자료공유규칙-안내문.md

이름만 봐도 언제, 누구를 위해, 무엇을 만든 자료인지 알 수 있어야 합니다. 그래야 사람도 찾기 쉽고 AI도 맥락을 이해하기 쉽습니다.

프롬프트 실험은 반드시 기록으로 남긴다

AI 강사 커뮤니티에서 가장 빨리 사라지는 자산 중 하나가 프롬프트 실험 결과입니다.

누군가 말합니다.

"어제 해 봤는데 그 프롬프트 진짜 잘 되더라고요."

다른 사람이 묻습니다.

"어떻게 입력했어요?"

그러면 잠시 침묵이 흐릅니다.

"어… 정확히 기억은 안 나는데요."

이런 일이 자주 일어납니다. AI 도구는 실험의 연속입니다. 그런데 실험 결과를 남기지 않으면 커뮤니티의 경험이 쌓이지 않습니다. 성공한 프롬프트도 사라지고, 실패한 이유도 반복됩니다.

그래서 프롬프트 실험은 일정한 형식으로 기록해야 합니다. 아래 템플릿을 templates/프롬프트-실험-기록.md로 만들어 두고, 실험할 때마다 복사해서 쓰면 좋습니다.

---
type: prompt-experiment
date: 2026-05-06
topic: 
model: 
status: draft
visibility: private
---

## 질문

이번 실험에서 해결하고 싶은 문제를 적습니다.

예: 초보 수강생이 이해하기 쉬운 AI 윤리 강의 도입부를 만들고 싶다.

## 사용 모델

예: ChatGPT, Claude, Gemini 등
가능하면 모델명이나 사용 환경도 적습니다.

## 입력 프롬프트

```text
여기에 실제로 입력한 프롬프트를 붙여 넣습니다.

출력 결과

AI가 생성한 답변 중 중요한 부분을 붙여 넣습니다. 너무 길면 핵심 부분만 남기고, 원본은 raw에 따로 저장합니다.

평가

무엇이 좋았는지, 무엇이 부족했는지 적습니다.

좋았던 점:
아쉬운 점:
바로 사용 가능 여부:

개선안

다음 실험에서 바꿔 볼 지시문, 조건, 예시를 적습니다.

출력 결과

AI는 프롬프트를 "식당에서 주문하는 말"에 비유했다. 원하는 메뉴, 맵기, 양, 포장 여부를 말해야 원하는 결과가 나온다는 식으로 설명했다.

평가

비유는 좋았다. 다만 강의 도입 멘트로는 조금 길었고, 수강생에게 질문을 던지는 부분이 부족했다. 다음 실험에서는 "첫 문장을 질문으로 시작하라"는 조건을 추가하면 좋겠다.

개선안

다음 프롬프트에는 다음 조건을 추가한다.

첫 문장은 "여러분은 식당에서 주문할 때 어떻게 말하시나요?"처럼 질문으로 시작해 주세요.
수강생이 고개를 끄덕일 만한 예시를 포함해 주세요.

강의 피드백은 감정이 식기 전에 정리한다

강의 피드백은 시간이 지나면 힘을 잃습니다. 강의 직후에는 생생했던 장면도 며칠 지나면 흐릿해집니다. "어떤 설명에서 반응이 좋았더라?", "어느 실습에서 다들 막혔지?", "질문이 몰린 지점이 어디였지?" 같은 기억은 빨리 사라집니다.

그래서 강의가 끝난 날, 최소한 10분만 투자해 피드백 노트를 남기는 습관이 필요합니다.

---
type: lecture-review
date: 2026-05-06
audience: 비전공자 강사 그룹
topic: 옵시디언과 깃허브 입문
visibility: private
---

## 강의 개요

대상, 시간, 주제, 진행 방식을 간단히 적는다.

## 반응이 좋았던 부분

수강생이 고개를 끄덕였거나 질문이 많았던 부분을 적는다.

## 어려워했던 부분

설명이 길어졌거나 실습에서 막힌 지점을 적는다.

## 실제 질문

개인을 알아볼 수 없게 바꾼 뒤 질문을 적는다.

## 다음 개선안

다음 강의에서 바꿀 점을 3가지 이내로 적는다.

## 관련 자료

- [[사용한 강의안]]
- [[수강생 FAQ]]
- [[다음 강의 개선 아이디어]]

강의 피드백은 강사의 성장을 위한 자료이기도 하지만, 커뮤니티 전체의 수업 품질을 높이는 자료이기도 합니다. 한 강사가 겪은 시행착오를 다른 강사가 미리 읽을 수 있다면, 커뮤니티의 평균 실력이 빠르게 올라갑니다.

AI에게 넘기기 좋은 노트는 따로 있다

AI가 읽기 좋은 노트는 사람에게도 읽기 좋습니다. 다만 AI에게 특히 중요한 요소들이 있습니다. 제목이 분명해야 하고, 문단이 너무 길지 않아야 하며, 출처와 맥락이 있어야 합니다. 관련 노트 링크도 도움이 됩니다.

나쁜 노트의 예를 보겠습니다.

## 기타

오늘 강의에서 나온 얘기들. 프롬프트 설명할 때 좀 어려워하는 듯. 예시 더 필요. 어떤 분이 보안 얘기함. 다음에 반영.

사람도 나중에 읽기 어렵고, AI도 무엇을 해야 할지 파악하기 어렵습니다. 반면 좋은 노트는 이렇게 씁니다.

## 요약

비전공자 대상 프롬프트 강의에서는 "프롬프트는 AI에게 주는 작업 지시서"라고 설명했을 때보다 "식당 주문" 비유를 사용했을 때 이해도가 높았다.

## 관찰

수강생들은 프롬프트를 길게 써야 하는지, 짧게 써야 하는지 자주 질문했다. 단순히 길이보다 역할, 목표, 조건, 예시가 중요하다고 설명했을 때 반응이 좋았다.

## 강의에 활용할 문장

"AI에게 일을 맡길 때는 똑똑한 사람에게 대충 말하는 것보다, 처음 온 조교에게 친절하게 설명한다고 생각하면 좋습니다."

## 관련 노트

- [[프롬프트 기본 구조]]
- [[AI는 신입 조교처럼 설명해야 한다]]
- [[초보자 프롬프트 FAQ]]

차이는 분명합니다. 좋은 노트에는 핵심 메시지, 관찰, 활용 문장, 관련 링크가 있습니다. AI에게 이 노트를 넘기면 강의안으로 바꾸거나, 카드뉴스 문구로 바꾸거나, FAQ로 확장하기 쉽습니다.

AI 친화적인 노트 작성 5원칙

매번 긴 글을 쓸 필요는 없습니다. 대신 아래 다섯 가지 원칙을 기억하면 좋습니다.

제목은 구체적으로 쓴다.
문단은 짧게 나눈다.
첫 부분에 요약을 둔다.
출처 링크나 원본 위치를 남긴다.
관련 노트를 위키 링크로 연결한다.

예를 들어 좋은 프롬프트라는 제목보다 비전공자에게 프롬프트를 설명할 때 효과적인 식당 주문 비유가 훨씬 좋습니다. 제목이 길어도 괜찮습니다. 검색되고 이해되는 제목이 더 중요합니다.

문단은 짧게 나누는 것이 좋습니다. 한 문단에 여러 생각을 넣으면 AI가 핵심을 구분하기 어렵습니다. 사람도 마찬가지입니다. 한 문단에는 하나의 생각만 담는다는 마음으로 쓰면 충분합니다.

요약은 노트 맨 위에 두는 것이 좋습니다. 바쁜 강사가 빠르게 읽을 수 있고, AI에게도 이 노트의 중심을 알려 줍니다.

출처 링크는 나중에 신뢰도를 확인하는 데 필요합니다. 웹페이지, 원본 회의록, 설문 파일, 강의 녹취 위치, 관련 깃허브 이슈 등 확인 가능한 위치를 남겨 두면 좋습니다.

관련 노트 링크는 지식베이스를 살아 움직이게 만듭니다. 옵시디언의 [[노트 제목]] 링크를 사용하면 한 노트가 다른 노트와 연결됩니다. 이 연결이 많아질수록 커뮤니티의 지식 지도는 촘촘해집니다.

노트 앞부분에 작은 신분증을 붙인다

옵시디언 노트에는 맨 위에 속성 정보를 적을 수 있습니다. 어려운 말로는 YAML 프론트매터라고 부르지만, 여기서는 "노트 신분증"이라고 생각하면 됩니다.

예를 들어 FAQ 노트에는 이렇게 붙일 수 있습니다.

---
type: faq
topic: prompt
level: beginner
visibility: public
author: community
status: reviewed
updated: 2026-05-06
---

이 정보는 사람에게도 유용하고 AI에게도 유용합니다. type은 노트의 종류, topic은 주제, level은 난이도, visibility는 공개 범위, status는 검토 상태를 뜻합니다.

특히 visibility는 중요합니다. 공개 자료와 비공개 자료를 나누는 전략을 이미 세웠다면, 각 노트에도 공개 범위를 표시하는 습관을 들이면 좋습니다.

visibility: public

위처럼 적힌 노트는 외부 공개가 가능한 자료입니다.

visibility: private

위처럼 적힌 노트는 내부 공유용이거나 민감한 내용이 포함될 수 있는 자료입니다.

visibility: internal

이렇게 쓰면 커뮤니티 내부 구성원에게만 공유하는 자료로 구분할 수 있습니다.

처음부터 속성을 너무 많이 만들 필요는 없습니다. 초보 단계에서는 아래 정도면 충분합니다.

---
type: 
topic: 
level: beginner
visibility: private
status: draft
updated: 2026-05-06
---

비어 있는 칸은 나중에 채워도 됩니다. 중요한 것은 모든 사람이 비슷한 방식으로 적는 것입니다. 그래야 검색, 분류, AI 활용이 쉬워집니다.

AI에게 일을 맡길 때는 작업 범위를 좁힌다

지식베이스가 쌓이면 AI에게 많은 일을 맡기고 싶어집니다. 하지만 처음부터 "우리 볼트 전체를 읽고 훌륭한 강의안을 만들어 줘"라고 요청하면 결과가 애매해질 수 있습니다. 자료가 많을수록 AI도 무엇이 중요한지 판단하기 어려워집니다.

AI에게는 작은 단위로 일을 맡기는 것이 좋습니다.

예를 들어 이렇게 요청합니다.

다음 FAQ 노트 5개를 읽고,
비전공자 대상 30분 강의의 핵심 메시지 3개를 뽑아 주세요.
각 메시지마다 쉬운 비유를 하나씩 붙여 주세요.

또는 이렇게 요청할 수 있습니다.

raw/피드백 폴더의 익명화된 강의 피드백을 바탕으로,
wiki/FAQ에 추가할 질문 후보를 10개 제안해 주세요.
단, 개인정보가 포함된 내용은 제외하고,
질문은 초보자 말투로 바꿔 주세요.

작업 범위를 좁히면 결과가 좋아집니다. 자료 범위, 원하는 결과 형식, 말투, 제외할 내용, 검토 기준을 함께 알려 주면 더 좋습니다.

AI에게 일을 맡길 때는 다음 순서를 기억하면 됩니다.

어떤 자료를 참고할지 지정한다.
어떤 결과물을 만들지 말한다.
어떤 기준을 지킬지 알려 준다.
공개 가능 여부와 민감정보 처리 기준을 확인시킨다.

이 네 가지가 들어가면 AI는 단순한 답변자가 아니라 커뮤니티 조교처럼 일하기 시작합니다.

AGENTS.md: AI에게 주는 운영규칙 문서

커뮤니티 볼트가 커질수록 사람마다 정리 방식이 달라집니다. 어떤 사람은 제목을 짧게 쓰고, 어떤 사람은 날짜를 앞에 붙이고, 어떤 사람은 공개 가능한 자료와 내부 자료를 섞어 둡니다.

사람에게 운영 매뉴얼이 필요하듯, AI에게도 운영규칙이 필요합니다. 이때 사용할 수 있는 문서가 AGENTS.md입니다.

AGENTS.md는 쉽게 말해 "AI가 이 볼트에서 일할 때 지켜야 할 규칙"을 적어 둔 문서입니다. 반드시 이 이름이어야만 하는 것은 아니지만, 여러 AI 개발 도구나 작업 흐름에서 자주 쓰이는 이름이므로 커뮤니티에서도 이 이름을 사용하면 좋습니다.

볼트 최상단에 다음처럼 둡니다.

AI-강사-커뮤니티-볼트/
├─ raw/
├─ wiki/
├─ outputs/
├─ templates/
└─ AGENTS.md

이 문서에는 AI가 자료를 요약하고, 분류하고, 검토하고, 새 노트를 만들 때 따라야 할 기준을 적습니다. 사람이 새로 합류했을 때도 이 문서를 읽으면 커뮤니티의 자료 운영 방식을 이해할 수 있습니다.

AGENTS.md에 무엇을 적을까

처음에는 길게 쓰지 않아도 됩니다. 아래 예시를 복사해서 커뮤니티 상황에 맞게 수정해 보세요.

# 커뮤니티 지식베이스 운영규칙

## 목적

이 볼트는 AI 활용 강사 커뮤니티의 강의 자료, 프롬프트 실험, 수강생 질문, 운영 노하우를 축적하기 위한 지식베이스이다.
AI는 자료를 요약, 분류, 검토, 재구성할 때 아래 규칙을 따른다.

## 기본 원칙

- 비전공자도 이해할 수 있는 쉬운 한국어로 작성한다.
- 원본 자료의 의미를 유지하되 문장은 새롭게 정리한다.
- 개인정보, 민감정보, 기관 내부정보는 공개 자료에 포함하지 않는다.
- 공개 가능 여부가 불확실하면 visibility: private로 표시한다.
- 추측이 필요한 내용은 사실처럼 단정하지 않는다.

## 폴더 사용 기준

- raw: 정리되지 않은 원본 자료를 보관한다.
- wiki: 반복 활용 가능한 지식, FAQ, 사례, 원칙을 정리한다.
- outputs: 강의안, 실습지, 공지문, 홍보문구 등 결과물을 저장한다.
- templates: 반복해서 사용할 노트 양식을 저장한다.

## 노트 작성 기준

- 제목은 구체적으로 작성한다.
- 노트 상단에 type, topic, level, visibility, status, updated를 적는다.
- 첫 부분에 3~5문장 요약을 둔다.
- 문단은 짧게 나누고, 한 문단에는 하나의 생각만 담는다.
- 관련 노트는 [[노트 제목]] 형식으로 연결한다.

## 수강생 질문 처리 기준

- 이름, 연락처, 회사명, 학교명, 지역, 구체적 사연은 제거하거나 일반화한다.
- 원문을 그대로 공개 자료에 넣지 않는다.
- 질문의 핵심 의도는 유지하되 초보자가 이해하기 쉬운 문장으로 바꾼다.
- FAQ로 만들 때는 짧은 답변, 자세한 설명, 강의 활용 팁을 포함한다.

## 프롬프트 실험 기록 기준

- 질문, 사용 모델, 입력 프롬프트, 출력 결과, 평가, 개선안을 포함한다.
- 성공 사례뿐 아니라 실패 사례도 기록한다.
- 모델명과 실험 날짜를 남긴다.
- 바로 사용 가능한 결과인지, 추가 검토가 필요한지 status에 표시한다.

## 결과물 작성 기준

- 대상 독자와 사용 상황을 먼저 확인한다.
- 초보자용 자료는 어려운 용어를 피하고, 필요한 경우 짧게 설명한다.
- 내부 자료를 외부 공개용으로 바꿀 때는 민감한 사례와 개인정보를 제거한다.
- 강의안에는 도입, 핵심 설명, 실습, 질문, 마무리 흐름을 포함한다.

이 문서는 커뮤니티의 "AI 작업 헌법"처럼 작동합니다. AI에게 매번 길게 설명하지 않아도, 이 문서를 기준으로 작업하게 만들 수 있습니다.

예를 들어 AI에게 이렇게 지시할 수 있습니다.

AGENTS.md의 운영규칙을 기준으로,
raw/수강생질문 폴더의 노트를 읽고
wiki/FAQ에 추가할 FAQ 초안 5개를 작성해 주세요.
각 FAQ는 개인정보를 제거하고,
초보자용 쉬운 한국어로 작성해 주세요.

이렇게 하면 AI는 단순히 요약하는 것이 아니라, 커뮤니티가 정한 방식에 맞춰 작업하게 됩니다.

공개 자료와 내부 자료를 섞지 않는다

AI 지식베이스를 운영할 때 가장 조심해야 할 부분은 공개 범위입니다. 우리 커뮤니티는 일부 자료는 public으로 공유하고, 일부 자료는 private하게 저장하고 내부에서만 공유하려고 합니다. 이 원칙은 지식베이스 운영에서도 계속 지켜야 합니다.

raw에는 민감한 자료가 들어올 가능성이 큽니다. 수강생 질문 원본, 설문 응답, 강의 피드백, 내부 회의록은 기본적으로 private로 보는 것이 안전합니다.

wiki에는 공개 가능한 지식과 내부용 노하우가 섞일 수 있습니다. 따라서 노트마다 visibility를 표시해야 합니다.

outputs는 실제 배포 여부가 중요합니다. 블로그 글, 공개 강의자료, 카드뉴스 문구는 public일 수 있지만, 내부 강사 매뉴얼이나 유료 강의안 초안은 private일 수 있습니다.

초보 단계에서는 다음 기준을 추천합니다.

raw      → 기본 private
wiki     → 노트별 public / internal / private 구분
outputs  → 배포 목적에 따라 public / private 구분

공개 여부가 애매할 때는 무조건 private로 둡니다. 나중에 검토해서 public으로 바꾸면 됩니다. 반대로 한 번 공개된 자료를 되돌리는 것은 훨씬 어렵습니다.

지식베이스 운영 루틴 만들기

좋은 구조를 만들어도 운영 루틴이 없으면 금방 흐트러집니다. 지식베이스는 한 번에 완성하는 것이 아니라 조금씩 관리하는 것입니다.

커뮤니티에서는 주간 루틴을 정해 두면 좋습니다. 예를 들어 매주 금요일 30분을 "지식베이스 정리 시간"으로 정합니다. 이때 각자 새로 쌓인 raw 자료를 확인하고, wiki로 승격할 내용을 고르고, outputs에 남길 결과물을 정리합니다.

처음에는 아래 정도만 해도 충분합니다.

이번 주 raw 자료 중 중요한 것 3개 고르기
그중 1개를 wiki 노트로 정리하기
프롬프트 실험 기록 1개 남기기
수강생 질문 1개를 익명화해 FAQ 후보로 만들기
공개 가능성이 있는 자료의 visibility 확인하기

모든 자료를 매주 완벽하게 정리할 필요는 없습니다. 핵심은 흐름을 멈추지 않는 것입니다. 작은 정리가 반복되면 한 달 뒤에는 분명한 차이가 납니다.

지식의 승격: raw에서 wiki로, wiki에서 outputs로

커뮤니티 지식베이스의 가장 중요한 움직임은 "승격"입니다.

처음 들어온 자료는 raw에 있습니다. 그중 반복해서 쓸 만한 내용은 wiki로 올라갑니다. 그리고 wiki의 지식을 바탕으로 강의안, 실습지, 안내문 같은 outputs가 만들어집니다.

이 흐름을 기억하면 자료 정리가 쉬워집니다.

raw → wiki → outputs
원본 자료 → 정리된 지식 → 실제 결과물

예를 들어 수강생 질문 하나가 들어왔다고 해 보겠습니다.

raw/수강생질문/2026-05-06-프롬프트질문.md

이 질문이 여러 번 반복된다면 FAQ로 정리합니다.

wiki/FAQ/프롬프트는-길게-써야-하나요.md

이 FAQ가 쌓이면 강의안에 반영합니다.

outputs/강의안/2026-05-비전공자-프롬프트기초.md

이 흐름이 만들어지면 커뮤니티의 경험은 그냥 사라지지 않습니다. 질문은 FAQ가 되고, FAQ는 강의안이 되고, 강의안은 다시 피드백을 낳고, 피드백은 더 나은 지식으로 돌아옵니다.

이 순환이 바로 AI 강사 커뮤니티의 성장 엔진입니다.

AI에게 맡기면 좋은 일과 사람이 해야 할 일

AI 지식베이스를 운영한다고 해서 모든 판단을 AI에게 맡기면 안 됩니다. AI는 정리, 요약, 분류, 초안 작성에 강합니다. 하지만 공개 여부 판단, 윤리적 판단, 커뮤니티의 방향성 결정은 사람이 해야 합니다.

AI에게 맡기기 좋은 일은 다음과 같습니다.

긴 피드백을 주제별로 묶기
수강생 질문을 FAQ 초안으로 바꾸기
프롬프트 실험 기록에서 개선 아이디어 뽑기
강의 회고를 다음 강의 체크리스트로 정리하기
wiki 노트를 바탕으로 강의안 초안 만들기

반대로 사람이 반드시 확인해야 할 일도 있습니다.

개인정보가 제대로 제거되었는지 확인하기
공개해도 되는 자료인지 판단하기
AI가 사실과 다른 내용을 만들지 않았는지 검토하기
커뮤니티의 교육 철학과 맞는지 확인하기
최종 강의자료의 품질을 책임지기

AI는 빠른 조교입니다. 하지만 책임자는 아닙니다. 커뮤니티의 이름으로 나가는 자료는 결국 사람이 검토해야 합니다.

이 원칙을 분명히 해 두면 AI를 더 안전하고 자신 있게 활용할 수 있습니다.

오늘 바로 만드는 세 가지 템플릿

이 장을 읽고 바로 시작하려면 템플릿 3개만 만들어도 충분합니다. 너무 많은 양식을 만들면 오히려 쓰지 않게 됩니다. 처음에는 가장 자주 쓸 것부터 시작합니다.

첫째, 프롬프트 실험 기록 템플릿입니다. 질문, 사용 모델, 입력 프롬프트, 출력 결과, 평가, 개선안을 남기는 양식입니다.

둘째, 수강생 질문 FAQ 템플릿입니다. 익명화한 질문, 짧은 답변, 자세한 설명, 강의 활용 팁, 관련 노트를 포함합니다.

셋째, 강의 피드백 템플릿입니다. 반응이 좋았던 부분, 어려워했던 부분, 실제 질문, 다음 개선안을 남깁니다.

이 세 가지 템플릿만 있어도 커뮤니티의 지식 축적 속도가 달라집니다. 특히 AI 강사 커뮤니티에서는 "실험", "질문", "피드백"이 가장 중요한 자산이기 때문입니다.

templates 폴더는 이렇게 시작할 수 있습니다.

templates/
├─ 프롬프트-실험-기록.md
├─ 수강생-질문-FAQ.md
└─ 강의-피드백-회고.md

새로운 자료가 들어올 때마다 빈 페이지에서 시작하지 말고 템플릿을 복사해서 쓰세요. 양식이 있으면 기록의 문턱이 낮아집니다.

작은 예시: 강의 후 15분 지식베이스 정리

실제 상황을 상상해 보겠습니다. 오늘 커뮤니티에서 "비전공자를 위한 챗GPT 프롬프트 기초" 강의를 진행했습니다. 강의가 끝난 뒤 강사는 피곤합니다. 하지만 딱 15분만 투자합니다.

먼저 수강생 질문을 raw에 저장합니다.

raw/수강생질문/2026-05-06-챗GPT프롬프트기초-질문.md

그다음 반복해서 나온 질문 하나를 익명화합니다.

"프롬프트를 길게 쓰면 무조건 좋은가요?"

이 질문을 FAQ 후보로 만듭니다.

wiki/FAQ/프롬프트는-길게-써야-좋은가요.md

그리고 강사가 실험해 본 프롬프트를 기록합니다.

wiki/프롬프트실험/2026-05-06-초보자용-식당주문비유.md

마지막으로 오늘 사용한 강의안을 결과물로 저장합니다.

outputs/강의안/2026-05-06-비전공자-챗GPT프롬프트기초.md

15분 동안 완벽한 정리를 하지는 못했습니다. 하지만 중요한 흐름은 만들어졌습니다. 원본은 보관되었고, 질문은 FAQ로 승격되었고, 프롬프트 실험은 기록되었고, 결과물은 다음 강의를 위한 자산이 되었습니다.

이것이 지식베이스 운영입니다. 거창한 시스템이 아니라, 좋은 습관의 반복입니다.

커뮤니티의 말투와 기준을 지식으로 남긴다

AI 강사 커뮤니티에는 각자만의 강의 스타일이 있습니다. 어떤 커뮤니티는 친근한 비유를 잘 쓰고, 어떤 커뮤니티는 실습 중심으로 강의하며, 어떤 커뮤니티는 윤리와 안전을 중요하게 다룹니다.

이런 차이는 말로만 공유하면 사라집니다. 지식베이스 안에 남겨야 합니다.

예를 들어 우리 커뮤니티가 초보자 친화적인 설명을 중요하게 여긴다면 wiki/운영원칙/초보자에게-설명하는-말투.md 같은 노트를 만들 수 있습니다.

## 요약

우리 커뮤니티는 비전공자와 초보자를 대상으로 설명할 때, 전문 용어보다 생활 속 비유를 먼저 사용한다. 용어가 꼭 필요할 때는 한 문장으로 쉽게 풀어 설명한다.

## 권장 말투

"이건 쉽게 말하면…"
"처음에는 이렇게만 이해하셔도 충분합니다."
"지금은 원리를 외우기보다 흐름을 익히면 됩니다."

## 피해야 할 말투

"이건 기본인데요."
"당연히 아시겠지만…"
"그냥 설정하시면 됩니다."

## 관련 노트

- [[비전공자용 AI 용어 설명 원칙]]
- [[강의 중 수강생이 위축되지 않게 말하는 법]]

이런 노트는 AI에게도 큰 도움이 됩니다. AI에게 강의안을 만들게 할 때 "우리 커뮤니티 말투 원칙을 참고해 작성해 줘"라고 할 수 있기 때문입니다.

AI가 우리 커뮤니티답게 말하려면, 먼저 "우리다움"이 글로 남아 있어야 합니다.

지식베이스는 완성품이 아니라 성장하는 생태계다

처음부터 완벽한 지식베이스를 만들려고 하면 시작하기 어렵습니다. 폴더 구조도 바뀔 수 있고, 템플릿도 고쳐질 수 있고, 운영규칙도 점점 다듬어질 수 있습니다. 그것이 정상입니다.

중요한 것은 커뮤니티가 함께 사용하는 최소한의 약속을 정하고, 그 약속을 반복하는 것입니다.

raw에는 원본을 모읍니다. wiki에는 반복 활용 가능한 지식을 정리합니다. outputs에는 실제 결과물을 남깁니다. 프롬프트 실험은 질문, 모델, 입력, 출력, 평가, 개선안으로 기록합니다. 수강생 질문과 피드백은 익명화해 FAQ와 사례 데이터베이스로 키웁니다. 노트는 AI가 읽기 좋게 제목, 요약, 짧은 문단, 출처, 관련 링크를 갖춥니다. 그리고 AGENTS.md에 AI와 사람이 함께 지켜야 할 운영규칙을 적습니다.

이 정도만 해도 커뮤니티의 자료는 더 이상 흩어진 메모가 아닙니다. 시간이 지날수록 강해지는 지식 자산이 됩니다.

그리고 어느 순간 경험하게 될 것입니다.

"이 강의안, 예전보다 훨씬 빨리 만들었는데?"

"수강생 질문에 대한 답변이 더 안정적이네."

"새로 합류한 강사도 우리 자료를 보고 금방 적응하네."

"AI에게 맡겼더니 우리 커뮤니티 스타일에 맞는 초안이 나오네."

그때부터 옵시디언 볼트는 단순한 노트 앱이 아닙니다. 깃허브에 안전하게 백업되고, 커뮤니티의 기준으로 정리되며, AI가 함께 일할 수 있는 살아 있는 지식베이스가 됩니다.

우리가 쌓은 노트가 많아질수록 AI는 더 좋은 강의 기획자이자 조교가 됩니다. 단, 그 힘은 아무렇게나 쌓인 자료에서 나오지 않습니다. 잘 나뉘고, 잘 연결되고, 잘 검토된 노트에서 나옵니다.

이제 우리의 목표는 분명합니다.

자료를 모으는 커뮤니티를 넘어, 지식을 키우는 커뮤니티가 되는 것입니다.

책 목록

비전공자도 바로 시작하는 옵시디언 × 깃허브 지식 운영 백서

전체 목차 보기