마크다운 한 장으로
팀을 운영하는 법

문서는 있는데

Confluence — 문서가 있어도 정확한 키워드를 모르면 찾을 수 없음. 결국 아는 사람한테 물어봄.

Jira — 업무 기록하긴 좋은데 이어서 보기가 어려움. 관련 이슈끼리 맥락을 연결해서 한눈에 보고 싶은데 안 됨.

협업하는 사람들의 문서를 연결해서 하나의 지식으로 볼 수 있는 방법이 없을까?

2021

Roam Research와 Obsidian을 접함. 거의 완벽한 도구였지만, 진입장벽이 높고 관리 리소스가 많이 필요했음. 포기.

"A note-taking tool for networked thought"

팀에 공유하던 시절

2026

Claude Code를 쓰게 되면서 다시 떠오름.
내가 시작부터 배울 필요가 없고, 관리도 Claude가 해준다.

Obsidian을 Claude의 뇌로 사용하자.

로컬 파일 — 전부 .md로 내 컴퓨터에 저장. 서버 없음. Git으로 관리.

위키링크 — [[문서명]]으로 문서 간 연결. Graph View로 시각화.

Claude 호환 — 같은 폴더에서 검색·읽기·쓰기. 별도 연동 없음.

무료.

요청이 들어오면

금융 기관에서 데이터 요청이 오면 빨리 잘 뽑아서 보내는 3인 팀입니다. 데이터를 뽑으려면 SQL이라는 편지를 써야 하는데, 기관마다 기준이 다르고 자주 바뀜. 이 기준이 사람 머릿속에만 있어서, 파일에 쌓아두고 AI가 조합하는 방식을 택했습니다.

01

Slack 요청을 그대로 붙여넣기

DAXA 코인 이전 데이터 긴급 추출 요청. 요청서 텍스트를 Claude에 그대로 전달.

02

Claude가 관련 기준을 직접 찾아 읽음

· cp_address_info MOC에서 구조와 기존 패턴 확인
· Memory에서 v1/v2 차이, CDE-1673 선례 참조
· CLAUDE.md에서 SQL 규칙, 컬럼 명명 규칙 로드

03

SQL 초안 작성 + 검증 포인트 제시

초안을 파일로 작성하고, 사람이 확인해야 할 것 2가지를 스스로 짚어줌. 초안 작성까지 수 분.

같은 방식으로 처리한 다른 건

AML 스테이블코인 테마모니터링 — 기한 4일
USDT/USDC 거래 상위 100인 + 입출고 패턴 + CDD + FDS 알럿. 체결·입출고·KYC·이상거래 4개 소스 조합. Claude가 알아서 적용: prep_codmin_employee_rel_user 업무용 계정 제외(Memory), amount / 1e4 단위 환산(CLAUDE.md). 이 테이블 조합을 처음부터 파악하면 반나절. 초안은 바로 나왔고, 검증 1회로 확정.

의원실 스테이블코인 보유·유출입 — 기한 1일
25년 3월 vs 26년 3월 보유량 비교. 함정: 두 시점에 써야 하는 소스 테이블이 다름. 25년 3월 → int_user_account, 26년 3월 → int_user_account_full. 모르고 같은 테이블로 추출하면 숫자가 조용히 틀림. Memory가 이 차이를 알고 있어서 자동 구분 적용.

RAG 없음. 프롬프트 엔지니어링 없음. 프레임워크 없음.
CLAUDE.md는 마크다운 파일이고, Memory는 텍스트 파일. 특별한 AI 전문지식 없이 써왔음.

읽고, 쓰고, 쌓인다

1. 기준을 마크다운으로 정리
SQL 규칙, 기관별 기준, 과거 실수를 파일로 남겨둠.

2. Claude가 읽고 작업
CLAUDE.md는 세션 시작 시 자동 로드. docs·sql은 작업 중 Claude가 직접 검색해서 읽음.

3. 새로 알게 된 기준을 다시 저장 → 반복
다음 세션은 이번에 쌓인 지식까지 포함해서 시작됨.

이 문서들을 처음부터 앉아서 작성한 게 아님. CLAUDE.md만 직접 작성했고, Memory는 Claude가 알아서 저장. 62개 문서 + 30개 Memory는 수개월간 일하면서 자연히 쌓인 것.

CLAUDE.md — 팀 규칙서

Memory — 실수 교훈, 도메인 지식

누가 Claude Code를 써도 동일한 기준이 적용된다.

Obsidian vault graph

LLM Wiki Pattern — Karpathy (2025)

보통 방식: AI에게 지식을 주려면 별도 시스템을 구축해야 함. 문서를 변환하고, 검색 엔진을 붙이고, 파이프라인을 운영.
Karpathy 제안: 그런 거 필요 없음. AI가 직접 위키를 읽고, 새로 알게 된 건 직접 써서 업데이트하면 됨.

CDE가 한 것 — 읽기(벡터 DB 없음), 쓰기(LLM이 위키 업데이트), 루프(쓸수록 정확도↑).

Karpathy gist →

전과 후

정기보고 자동화 → 주 5시간 확보 → 수시 요청 + 고도화에 재투입.
기한 4일 요청을 2시간에 처리할 수 있었던 건 기준을 이미 알고 있었기 때문.
인원은 그대로, 일의 구성이 바뀜.

기준 자동 적용 — 시점별 테이블 차이, 필터 조건 변경 등을 Memory가 기억. 설명 없이 맞는 테이블, 맞는 필터가 적용됨.

반복 설명 제거 — "이건 금감원 기준이야, 금융위 기준이야?" 같은 확인이 필요 없어짐.

기록의 질 — Jira 25H2: 323건 중 본문 있는 건 92건(28%). 현재: 기준 문서 62개 + MOC 11개.

폴더 하나면 됩니다

1. 폴더 하나 만들기
업무용 폴더를 하나 만들고, Obsidian vault로 열기. 구조 잡지 마세요.

2. 기준 문서 하나 쓰기
"매번 같은 말 반복하는 것"을 마크다운으로 적으면 됨. 처음엔 10줄이면 충분.
Claude Code라면 CLAUDE.md로 저장하면 매 세션 자동 로드. 웹에서 쓴다면 프로젝트에 첨부하거나, 대화 시작할 때 붙여넣기.

3. 평소처럼 일하기
AI에게 기준 문서를 읽게 하고 작업. 작업 중 새로 알게 된 것은 같은 폴더에 메모.

4. 작업 끝나면 "정리해줘" 한마디
"이번 작업 배경이랑 기준 정리해서 md로 남겨줘." 문서가 하나씩 쌓임.

5. 공유 → 반복
Git으로 관리하면 팀원도 같은 지식 공유. 쓸수록 기준이 두꺼워지고, 다음 작업이 빨라짐.

· 플러그인은 최소한으로. 클라우드 동기화를 쓰는 순간 보안 검토 필요.
· AI 초안은 반드시 사람이 검증. 숫자는 크로스체크 필수.
· 기준 문서에 너무 많이 넣으면 역효과. 핵심만, 나머지는 별도 파일에.
· AI가 저장한 정보에 틀린 것도 섞임. 주기적 정리 필요.

팀 간 협업 — 상대 팀의 기준 문서가 있으면 AI가 두 팀의 컨텍스트를 함께 읽고 작업 가능.

새 팀원 합류 — 기준 문서가 있으면 구두 설명 없이 AI를 통해 팀 컨텍스트 접근 가능.

팀원 교체 — 기준과 판단 근거가 파일에 남아있으면 사람이 바뀌어도 컨텍스트 유지.