Obsidian + Claude 세컨드브레인: 생산성 10배 올리는 실전 셋업
Obsidian + Claude 세컨드브레인: 생산성 10배 올리는 실전 셋업
옵시디언 볼트 하나에서 블로그 7편 발행, X 인게이지먼트 32명 CRM 관리, 유튜브 21편 제작 파이프라인을 동시에 돌리고 있습니다. 전부 AI가 이 볼트를 읽고, 분석하고, 파일을 만들어주는 구조입니다.
"Obsidian + Claude Code로 세컨드브레인 만들기" 가이드가 요즘 넘쳐나는데, 대부분 "볼트 폴더에서 Claude를 실행하세요"에서 끝납니다. 솔직히 그건 10%도 안 됩니다. 진짜 생산성이 10배가 되려면 볼트 구조, 컨텍스트 관리, 멀티 AI 오케스트레이션까지 설계해야 합니다.
이 글에서 제가 실제로 운영 중인 시스템의 전체 구조를 공개합니다.
왜 Obsidian인가 (Notion이 아니라)
2026년 2월 기준 Obsidian 유저가 150만 명을 돌파했습니다. 22% 성장률이면 빠르게 느는 건데, 중요한 건 왜 AI 시대에 Obsidian인가입니다.
| 비교 | Obsidian | Notion |
|---|---|---|
| 파일 형식 | 로컬 마크다운 (.md) | 클라우드 독점 포맷 |
| AI 에이전트 접근 | Claude Code가 직접 읽기/쓰기 | API 통해 간접 접근만 가능 |
| AI 종속 | 없음 (Claude, GPT, Gemini 전부 가능) | Notion AI에 종속 |
| 오프라인 | 완전 지원 | 제한적 |
| 프라이버시 | 내 PC에 저장 | Notion 서버 |
| 가격 | 무료 (Sync만 유료, 원드라이브 활용 중) | 유료 플랜 |
핵심은 "AI 에이전트가 내 파일을 직접 조작할 수 있느냐"입니다. Obsidian은 로컬 마크다운이라 Claude Code가 Read, Write, Edit 도구로 볼트의 모든 파일을 직접 다룹니다. 노트를 읽고, 분석하고, 새 노트를 만들고, 기존 노트를 수정합니다. Notion에서는 이게 불가능합니다.
내 볼트 구조: PARA + AI 컨텍스트 계층
볼트를 "그냥 노트 저장소"로 쓰면 AI와 연동해도 효과가 미미합니다. 구조가 핵심입니다.
PARA 시스템
PARA(Projects, Areas, Resources, Archive)는 Tiago Forte가 만든 정보 정리 프레임워크인데, AI와 궁합이 좋습니다.
_context/ ← AI 컨텍스트 (매 세션 최우선 읽기)
_meta/ ← 에이전트 상세 규칙
Daily/ ← 데일리 노트 (YYYY-MM-DD.md)
0-Inbox/ ← 미정리 메모
1-Projects/ ← 진행 중 프로젝트 (블로그, 트위터, 유튜브)
2-Areas/ ← 지속 관리 영역 (투자, KOL 활동, 정체성)
3-Resources/ ← 참고 자료 (리서치, 베스트프랙티스)
4-Archive/ ← 완료/중단된 것
.skills/ ← AI 에이전트 스킬 파일
AI가 이 구조를 알면, "블로그 관련 파일 찾아줘"라고 했을 때 1-Projects/blog-adsense-automation/을 즉시 찾습니다. "지난주 트위터 성과 분석해줘"라고 하면 1-Projects/twitter-wasajang/context.md를 읽습니다.
구조가 곧 컨텍스트입니다. 폴더 이름만으로 AI가 무슨 파일인지 파악할 수 있게 설계하는 것이 핵심이에요.
아래는 제 실제 옵시디언 볼트의 그래프 뷰입니다. 프로젝트, 리서치, 영역 노트들이 [[링크]]로 연결되어 지식 네트워크를 형성하고 있습니다. 노트가 쌓이고 연결될수록 AI가 참조할 수 있는 맥락이 풍부해집니다. 이게 세컨드브레인의 복리 효과입니다 — 지식이 쌓일수록 AI의 판단이 정확해집니다.
AI 컨텍스트 계층 — 볼트가 커져도 AI가 느려지지 않는 비결
볼트에 노트가 수백, 수천 개로 쌓이면 AI에게 "이거 전부 읽어"라고 할 수 없습니다. 토큰 한도에 걸리고, 느려지고, 비용만 늘어나요.
해결책은 3단계 컨텍스트 계층입니다.
| 계층 | 읽는 시점 | 내용 | 크기 |
|---|---|---|---|
| Tier 1 | 매 세션 필수 | AGENTS.md, _context/ 4개 파일 | ~35KB |
| Tier 2 | 해당 작업 시 | 프로젝트 context.md, 리서치 노트 | 필요 시 |
| Tier 3 | 거의 안 읽음 | 아카이브, 월별 성과 로그 | 평소 안 읽음 |
Tier 1이 핵심입니다. _context/ 폴더에 4개 파일을 둡니다:
| 파일 | 역할 |
|---|---|
about_me.md |
내 프로필 압축본 — AI가 "나"를 30초 안에 파악 |
current_projects.md |
진행 중 프로젝트 현황 — 지금 뭘 하고 있는지 |
preferences.md |
선호/비선호, 의사결정 원칙 — 어떤 식으로 일하는지 |
social_persona.md |
SNS 톤앤매너 가이드 — 콘텐츠를 어떤 톤으로 만드는지 |
AI가 세션을 시작할 때 이 4개만 읽으면 내가 누구고, 뭘 하고 있고, 어떤 식으로 일하길 원하는지 즉시 파악합니다. 매번 설명할 필요가 없어요. 이게 "세컨드브레인"의 진짜 의미입니다 — AI가 내 맥락을 기억하는 것.
AGENTS.md — AI에게 주는 사용 설명서
이 시스템의 핵심 파일은 볼트 루트에 있는 AGENTS.md입니다. AI가 세션을 시작할 때 가장 먼저 읽는 파일이에요.
여기에 뭘 넣느냐면:
# AGENTS.md — 이 볼트의 사용 설명서
## 세션 시작 프로토콜 (반드시 순서대로 실행)
1. AGENTS.md 읽기 (이 파일)
2. _context/ 폴더 파일 스캔
3. 스케줄 동기화 체크
4. 디바이스 핸드오프 확인 + 교차검증
5. 작업 시작
## 핵심 규칙
- 한국어로 작성
- YAML frontmatter 필수
- 기존 노트 덮어쓰기 전 반드시 확인
- Templates 폴더 수정 금지
포인트: AI에게 "어떻게 일해라"를 코드가 아니라 마크다운 문서로 지시하는 겁니다. AGENTS.md를 수정하면 AI의 행동이 바뀝니다. 코딩 없이 AI를 프로그래밍하는 것과 같아요.
실제로 저는 AGENTS.md에 세션 시작 프로토콜, 스케줄 작업 관리 규칙, 위험 작업 컨펌 절차까지 전부 정의해놨습니다. AI가 이걸 읽고 스스로 따릅니다.
커스텀 스킬 시스템 — AI에게 전문성을 주는 방법
Claude Code에는 스킬(Skill)이라는 개념이 있습니다. .skills/skills/{이름}/SKILL.md 파일을 만들면, 특정 작업에 대한 전문적인 지시를 AI에게 줄 수 있습니다.
제 볼트에는 12개 이상의 커스텀 스킬이 있습니다:
| 스킬 | 역할 | 트리거 |
|---|---|---|
| blog-orchestrator | 블로그 자동화 마스터 파이프라인 | "블로그 돌려" |
| blog-content-writer | 와사장 톤 블로그 글 작성 | "블로그 글 써줘" |
| blog-fact-checker | 수치/도구/크립토 사실 검증 | 파이프라인 내 자동 호출 |
| blog-image-generator | Gemini API 이미지 생성 | 파이프라인 내 자동 호출 |
| twitter-posting | X 반자동 포스팅 | "트윗 올려줘" |
| grok-search | Grok DeepResearch 브라우저 자동화 | "Grok으로 검색해줘" |
| session-closing | 세션 마무리 자가개선 | "끝", "마무리" |
"블로그 돌려" 한마디면 8개 하위 스킬이 순차 실행되면서 키워드 발굴 → 글 작성 → 팩트체크 → 품질평가 → 이미지 생성 → SEO 최적화까지 자동으로 돌아갑니다.
스킬은 마크다운 파일 하나입니다. 복잡한 코드가 아니라, AI에게 "이 작업을 할 때는 이 순서로, 이 규칙을 따라라"라고 자연어로 적어놓은 것. 스킬 파일을 수정하면 AI의 행동이 즉시 바뀝니다.
멀티 AI 오케스트레이션 — Claude + Gemini 병렬 운영
여기서부터 대부분의 가이드와 차이가 생깁니다. 저는 Claude와 Gemini를 동시에 돌립니다.
| AI | 역할 | 강점 |
|---|---|---|
| Claude (Code + Cowork) | 메인 작업 에이전트 | 긴 문맥 이해, 코드 작성, 파일 조작 |
| Gemini CLI | 컨텍스트 전문가 | 볼트 전체 스캔, 브리핑 생성 (Flash 모델로 빠르고 저렴) |
작동 방식:
[세션 시작]
Claude Code: _context/ 4개 파일 직접 읽기 (10초)
Gemini CLI: 볼트 전체 백그라운드 스캔 (동시 실행)
↓
Gemini 결과 → _context/gemini-briefing.md 에 저장
↓
Claude가 필요할 때 브리핑 파일 참조
Claude가 빠르게 핵심을 파악하는 동안, Gemini가 넓게 볼트를 스캔합니다. 두 AI의 강점이 다르기 때문에 병렬로 돌리면 커버리지가 훨씬 넓어집니다.
Claude는 주어진 파일을 깊이 분석하는 데 강하고, Gemini Flash는 대량의 파일을 빠르게 훑는 데 강합니다. 이 조합이 볼트 전체 컨텍스트를 AI가 파악하는 시간을 크게 줄여줍니다.
AI 에이전트 자동화에 대해 더 알고 싶다면 AI 에이전트 자동화 완전 가이드 2026을 참고하세요.
스케줄 자동화 — 볼트가 스스로 돌아간다
세컨드브레인의 궁극적인 형태는 사람이 안 봐도 돌아가는 시스템입니다.
Claude Cowork의 스케줄 기능으로 크론 작업을 등록하면, 매일 정해진 시간에 AI가 자동으로 작업을 실행합니다.
| 시간 | 작업 | 하는 일 |
|---|---|---|
| 04:15 | 트위터 브리핑 | Grok 트렌드 스캔 → 20명 답글 드래프트 생성 |
| 05:07 | 블로그 기획 | 필러 밸런스 체크 → 오늘 추천 글 선정 → 뉴스 스캔 |
| 07:09 | 데일리 노트 | 어제 미완료 이월 + 모닝 브리핑 통합 |
내가 아침에 일어나면 이미 준비가 끝나 있습니다. 데일리 노트를 열면 오늘 뭘 해야 하는지, 트위터에서 어떤 트렌드가 있는지, 블로그에서 어떤 글을 쓸지가 정리되어 있어요.
이 스케줄 작업들은 전부 볼트 안의 파일을 읽고 쓰는 방식으로 동작합니다. 트위터 브리핑은 1-Projects/twitter-wasajang/context.md를 읽고, 블로그 기획은 발행-로그.md와 필러-클러스터-맵.md를 읽어서 판단합니다. 볼트가 곧 데이터베이스이고, AI가 곧 프로세서인 구조입니다.
디바이스 핸드오프 — PC에서 하다가 노트북으로
OneDrive로 볼트를 동기화하면, PC에서 하던 작업을 노트북에서 이어할 수 있습니다.
여기서 문제는 AI의 맥락이 끊긴다는 것. PC에서 Claude와 작업하다가 노트북에서 새 세션을 열면, AI는 이전 세션에서 뭘 했는지 모릅니다.
해결책: session-closing-log.md에 핸드오프 기록을 남깁니다.
## 2026-03-28 — PC
- 마지막 작업: 블로그 #1-2 드래프트 작성 중
- 다음에 이어할 것: 이미지 생성 + SEO 최적화
- 블로커: 없음
다른 기기에서 세션을 시작하면 AI가 이 로그를 읽고 "이전 세션에서 블로그 #1-2 작업 중이었고, 이미지 생성이 남았습니다"라고 알려줍니다. 세션 간 맥락이 마크다운 파일을 통해 전달되는 구조입니다.
자기개선 시스템 — AI가 스스로 나아진다
이건 대부분의 가이드에서 다루지 않는 부분인데, 제 시스템의 핵심 중 하나입니다.
.skills/skills/.learnings/ 폴더에 두 개 파일을 둡니다:
| 파일 | 역할 |
|---|---|
ERRORS.md |
실수 기록 — "이걸 잘못했다, 원인은 이거다, 앞으로 이렇게 방지한다" |
LEARNINGS.md |
인사이트 기록 — "이걸 발견했다, 앞으로 이렇게 활용한다" |
AI가 세션을 시작할 때 이 파일을 읽고, 같은 실수를 반복하지 않습니다. 예를 들어:
- "Gemini 이미지 모델명을 코드에 직접 쓰지 마라,
image_gen.py에서 읽어라" (3번 같은 실수를 해서 기록됨) - "Windows에서 JSON 파일 쓸 때
encoding='utf-8'필수" (cp949 인코딩 오류 경험) - "CapCut 프로젝트를 수동 편집이 아닌 pyCapCut 자동화로 생성" (워크플로우 개선)
세션이 쌓일수록 이 파일이 두꺼워지고, AI의 판단이 정확해집니다. AI가 내 실수에서 배우는 구조.
세션 마무리 스킬(session-closing)이 매 세션 종료 시 자동으로 실수와 인사이트를 점검해서 기록합니다.
실제 하루 워크플로우
이 모든 게 합쳐지면 하루가 이렇게 돌아갑니다:
[04:15] 트위터 브리핑 자동 실행 → daily-engagement/ 에 미션 저장
[05:07] 블로그 기획 자동 실행 → daily-plans/ 에 추천 글 저장
[07:09] 데일리 노트 자동 생성 → 위 결과를 통합한 오늘 할 일 리스트
[08:00] 내가 일어남 → 데일리 노트 열기 (5분 확인)
├─ 트위터 미션 확인 → "OK" → Chrome MCP가 답글 실행
├─ 블로그 추천 확인 → "블로그 돌려" → 파이프라인 실행
└─ 유튜브 기획 확인 → 대본 작업 시작
[10:00~12:00] 블로그 드래프트 완성 → 검토 → 발행
[오후] 유튜브 대본 검수 + 다음 프로젝트 리서치
[저녁] 세션 마무리 → session-closing 스킬이 자가개선 실행
내가 실제로 의사결정에 쓰는 시간은 하루 1~2시간. 나머지는 AI가 데이터를 모으고, 드래프트를 만들고, 파이프라인을 돌립니다.
지금 바로 시작하는 5단계
- Obsidian 설치 + 볼트 생성 — 무료, 5분
- PARA 폴더 구조 생성 —
0-Inbox,1-Projects,2-Areas,3-Resources,4-Archive,_context/ _context/4개 파일 작성 — about_me, current_projects, preferences, social_persona- AGENTS.md 작성 — 볼트 구조와 세션 시작 프로토콜 정의
- Claude Code 설치 → 볼트 폴더에서
claude실행 — AI가 컨텍스트를 읽기 시작
이 5단계만 하면 기본적인 세컨드브레인이 작동합니다. 스킬 시스템, 스케줄 자동화, 멀티 AI는 기본이 돌아간 후에 하나씩 추가하면 됩니다.
생산성을 진짜 10배로 만드는 비결: 소크라테스식 문답법 + 자기개선 루프
기본 세팅보다 더 중요한 건 AI를 쓰는 방법입니다. 가장 강력한 방법 중 하나는 소크라테스식 문답법을 활용하는 것이에요.
AI에게 "이거 해줘"라고 지시만 하면 50%밖에 활용 못 합니다. 대신 질문으로 대화를 이끌어가면 AI의 추론 능력을 끝까지 끌어낼 수 있습니다.
나: "이 블로그 글의 문제점이 뭐야?"
AI: [3가지 문제 지적]
나: "2번이 가장 심각한 것 같은데, 근본 원인이 뭘까?"
AI: [원인 분석]
나: "그러면 같은 실수가 다시 안 나오려면 구조적으로 어떻게 바꿔야 해?"
AI: [구조적 해결책 제안]
나: "좋아. 그 내용을 ERRORS.md에 기록하고, 다음 세션부터 적용해."
이렇게 하면 오늘의 대화에서 발견된 개선점이 다음 Claude 세션에서는 더 개선된 방향으로 작동합니다. AI가 자주 하는 실수를 발견하면, 그 실수의 근본 원인과 해결 방법을 함께 파고들어서 ERRORS.md에 기록합니다. 다음 세션에서 AI가 이 기록을 읽고, 같은 실수를 구조적으로 방지합니다.
실제 예시: 제 시스템에서 AI가 Gemini 이미지 모델명을 3번 연속 잘못 입력한 적이 있습니다. 소크라테스식으로 "왜 이런 실수가 반복되는가?"를 파고들어 근본 원인(모델명을 코드에 직접 하드코딩)을 찾았고, 구조적 해결책(모델명을 config 파일에서만 읽도록 강제)을 도출했습니다. 이후로는 같은 실수가 발생하지 않습니다.
이게 세컨드브레인이 단순한 노트 앱과 다른 점입니다. 쓰면 쓸수록 시스템이 스스로 개선됩니다. 지식이 쌓이는 것만이 아니라, AI의 행동 품질 자체가 세션마다 올라갑니다.
핵심: 완벽한 시스템을 만들고 시작하려면 영원히 못 시작합니다. AGENTS.md + _context/ 4개 파일. 이것만 있으면 이미 90%의 사람보다 나은 AI 세컨드브레인입니다. 소크라테스식 문답법으로 AI와 함께 구조를 점차 탄탄하게 만들어가세요.
자주 묻는 질문 (FAQ)
Q: Obsidian과 Notion 중 AI 세컨드브레인으로 뭐가 더 좋은가요?
AI 에이전트와 연동하려면 Obsidian이 압도적입니다. 로컬 마크다운 파일이라 Claude Code가 직접 읽고 쓸 수 있고, 특정 AI 서비스에 종속되지 않습니다. Claude가 싫으면 GPT로, Gemini로 언제든 바꿀 수 있어요. Notion은 클라우드 기반이라 AI 에이전트가 직접 파일을 조작하기 어렵고, Notion AI에 종속됩니다.
Q: Obsidian + Claude 세팅에 코딩 실력이 필요한가요?
기본 세팅은 코딩 없이 가능합니다. Claude Code를 볼트 폴더에서 실행하고, AGENTS.md에 자연어로 규칙을 적으면 됩니다. 스케줄 자동화, 커스텀 스킬 같은 고급 기능은 Claude Code가 코드를 대신 짜주기 때문에 코딩 개념만 이해하면 실제 코드를 쓸 줄 몰라도 됩니다.
Q: 볼트가 커지면 AI가 느려지지 않나요?
이 글에서 설명한 컨텍스트 계층 구조로 해결합니다. AI가 매번 볼트 전체를 읽는 게 아니라, Tier 1(핵심 컨텍스트 ~35KB)만 매 세션 로딩하고, 나머지는 필요할 때만 참조합니다. 2주 이상 된 기록은 아카이브로 자동 이동시키는 크론 작업도 돌리고 있어요. 볼트가 수천 개 노트로 커져도 AI 성능이 유지됩니다.
관련 글: - AI 에이전트 자동화 완전 가이드 2026: Claude로 돈 버는 시스템 만드는 법 - AI 부업으로 월 100만원: 직접 해본 3가지 방법 - Claude로 블로그 자동화하고 돈 버는 완전 가이드 (2026)
당신의 Obsidian 볼트는 어떻게 구성되어 있나요? AI와 연동하고 있다면 어떤 방식인지, 아직이라면 어떤 점이 궁금한지 댓글로 남겨주세요.
💬 더 많은 인사이트 받기
이 블로그의 새 글과 실시간 크립토/AI 인사이트를 받아보고 싶으시다면:
🐦 X (@coindowoomi) — 실시간 인사이트
📨 텔레그램 (@wasajang) — 블로그 새 글 푸시 알림
💬 카카오톡 오픈채팅 — 더 즉각적인 소통
🟢 네이버 블로그 — 코인 스토리 아카이브
댓글
댓글 쓰기