Schema는 Harness다 — Karpathy LLM Wiki와 CMDS의 구조적 동치

Karpathy의 LLM Wiki와 CMDS의 구조적 동치에 관한 보고서 · 2026-04-07 작성, 2026-06-17 OKF 후속 추가

Follow-up 구현 (2026-04-14) — 본 보고서가 "CMDS는 Karpathy의 LLM Wiki를 이미 포함한다"고 논증한 이후, 별도 satellite 볼트로 Karpathy 패턴을 독립 구현했습니다. 메인 볼트는 통합 PKM을, satellite는 LLM 컴파일 전용을 담당합니다. 구조 공개본: llm-wiki.cmdspace.work

Executive Summary

2026년 4월, Andrej Karpathy(전 OpenAI, 전 Tesla AI)는 자신의 GitHub에 "LLM Wiki"라는 새로운 지식 관리 패턴을 제안했다. 핵심 주장은 단순하다. "RAG는 매번 새로 유도하지만, Wiki는 누적된다(RAG re-derives, Wiki compounds)." AI 시대에는 휘발성 검색이 아니라 영속적이고 누적되는 지식 산출물이 필요하다는 것이다.

본 보고서는 Karpathy의 LLM Wiki 개념을 CMDS(커맨드스페이스) 시스템과 정밀하게 비교한 결과를 정리한다. 결론은 다음과 같다.

1. CMDS는 Karpathy가 제안한 LLM Wiki의 모든 구조적 요소를 이미 포함하고 있다. 누락된 개념은 단 하나도 없다.
2. CMDS는 Karpathy의 제안을 양적·질적으로 능가한다. 10,000+ 노트, 3년 이상의 운영 이력, 다중 에이전트 지원, 5개 시스템 파일의 precedence 체계를 갖추고 있다.
3. Karpathy의 워딩 일부는 차용할 가치가 있다. "Persistent, compounding artifact"와 같은 표현은 CMDS의 가치를 외부에 전달하는 데 효과적이다.
4. 두 시스템 모두 더 큰 패러다임인 "하네스 엔지니어링(Harness Engineering)"의 한 사례다. Karpathy의 Schema 레이어와 CMDS의 시스템 파일(CLAUDE.md/AGENTS.md/CMDS.md)은 같은 역할을 수행한다.

본 보고서는 CMDS가 단순한 노트 앱 활용기가 아니라 AI 시대의 지식 컴파일 시스템임을 입증한다.

1. Karpathy의 LLM Wiki 개념 정리

1.1 배경

2026년 들어 LLM 기반 워크플로우는 두 가지 한계에 부딪혔다.

첫째, 컨텍스트 윈도우의 비효율이다. 매번 같은 자료를 LLM에 다시 던져야 한다는 점은 시간과 비용을 낭비한다.

둘째, RAG(Retrieval-Augmented Generation)의 휘발성이다. RAG는 질의가 들어올 때마다 벡터 검색을 통해 답을 생성하지만, 그 과정에서 만들어진 통찰은 어디에도 저장되지 않는다. 다음 질의가 들어오면 똑같은 작업을 처음부터 반복한다.

Karpathy가 제안한 해법은 단순하다. "검색하지 말고, 컴파일하라."

1.2 LLM Wiki의 3-Layer 아키텍처

Karpathy는 다음과 같은 3계층 구조를 제안했다.

핵심 아이디어는 Raw → Wiki 변환을 명시적으로 관리한다는 점이다. 원본 자료를 그냥 쌓아두는 것이 아니라, 적극적으로 위키로 "컴파일(compile)"하고, 그 컴파일 규칙을 Schema 파일에 기록한다.

1.3 핵심 명제

Karpathy의 글에서 가장 자주 인용되는 문장은 다음과 같다.

"RAG re-derives knowledge from scratch every time. Wiki compounds it."

이 한 문장이 LLM Wiki 개념의 본질이다. 지식은 매번 다시 유도되는 것이 아니라, 누적되어야 한다. 그리고 누적된 지식은 영속적이고 점진적으로 가치가 증가하는 산출물(persistent, compounding artifact) 이 된다.

2. CMDS 시스템 개요

2.1 정의

CMDS(커맨드스페이스)는 구요한이 2023년부터 운영해온 개인 지식 관리 생태계다. 단순한 노트 앱 활용기가 아니라 다음과 같은 요소를 갖춘 시스템이다.

• 9개 카테고리(100~900) 분류 체계: Themes → Literature → Data → Methodologies → Products → Specialties → Creatives → Outputs → Divisions
• CMDS Process: Connect → Merge → Develop → Share라는 지식 생애주기 워크플로우
• 5개 시스템 파일의 precedence 체계: CLAUDE.md(1) → AGENTS.md(2) → CMDS.md(3) → 🏛 CMDS Guide(4) → 🏛 CMDS Head Quarter(5)
• 7개 필수 YAML 프로퍼티: type, aliases, description, author, date created, date modified, tags
• 94개 노트 템플릿, 120+ Obsidian 플러그인

2.2 규모와 성숙도

• 노트 수: 10,000+
• 운영 기간: 3년 이상 (2023~현재)
• 카테고리: 9개 1차 카테고리, 91개 2차 카테고리
• 노트 타입: 459+ note, 160+ meeting, 130+ terminology, 124+ research-pipeline, 97+ api, 93+ people, 85+ moc, 82+ curriculum, 66+ manuscript

이 규모는 단순 취미 수준이 아니라 검증된 운영 시스템임을 의미한다.

2.3 철학

CMDS는 다음 7가지 원리를 따른다.

1. 모든 노트는 자기 자리가 있다 (Every note has a home)
2. 링크가 가치를 만든다 (Links create value)
3. 프로세스가 중요하다 (Process matters)
4. 산출물이 목표다 (Output is the goal)
5. AI는 파트너다 (AI is a partner)
6. 표준이 자유를 가능하게 한다 (Standards enable freedom)
7. 완벽보다 진화 (Evolution over perfection)

3. 비교 분석

본 절은 Karpathy의 LLM Wiki와 CMDS를 9개 항목에서 직접 비교한다.

3.1 구조적 비교표

3.2 결론

CMDS는 Karpathy의 LLM Wiki를 완전히 포괄한다. Karpathy가 제안한 어떤 개념도 CMDS에 누락된 것이 없으며, 오히려 CMDS는 다음 영역에서 LLM Wiki를 능가한다.

1. 다중 에이전트 지원: Karpathy는 단일 schema를 가정하지만, CMDS는 Claude Code, Gemini CLI, Codex 등 여러 에이전트를 위한 분리된 지시 파일을 운영한다.
2. Precedence 체계: 5개 시스템 파일이 우선순위를 가지고 로드되어 컨텍스트 충돌을 방지한다.
3. 인간-AI 이중 문서화: CMDS는 AI용 문서(CLAUDE.md)와 인간용 문서(🏛 CMDS Head Quarter)를 구분하여 양쪽 모두에게 최적화되어 있다.
4. 운영 검증: 10,000+ 노트로 3년 이상 운영되며 패턴이 안정적으로 작동함을 입증했다.

4. 차용할 가치 있는 Karpathy 워딩

CMDS가 구조적으로 완성되어 있다 하더라도, Karpathy의 표현 중 일부는 외부 전달력을 위해 차용할 가치가 있다. Karpathy는 AI 분야의 글로벌 권위자이며, 그의 워딩은 청중에게 즉각적인 신뢰감을 준다.

이 워딩들은 CMDS의 핵심을 더 정확히 묘사하기 위한 외부 인용으로 사용해야 한다. CMDS의 원래 표현(Connect-Merge-Develop-Share, 위키링크 네트워크 등)을 대체하는 것이 아니라 보강하는 것이다.

예시 활용 문장: "우리는 이미 3년 전부터 Karpathy가 말한 'persistent, compounding artifact'를 운영해왔습니다. CMDS는 그 증거입니다."

5. 하네스 엔지니어링과의 연결

5.1 하네스 엔지니어링이란

2026년 OpenAI의 발언 — "the agent isn't the hard part — the harness is" — 이후 AI 업계에는 하네스 엔지니어링(Harness Engineering) 이라는 개념이 자리잡았다. 모델 자체보다 모델을 둘러싼 컨텍스트 구조가 결과 품질을 결정한다는 통찰이다.

하네스란 모델에게 다음을 제공하는 구조다.

• 컨텍스트: 어떤 정보를 줄 것인가
• 지시: 어떻게 행동할 것인가
• 자원: 어떤 도구와 산출물에 접근할 수 있는가

5.2 Schema = Harness

Karpathy의 Schema 레이어는 정확히 하네스에 해당한다. 그리고 CMDS의 CLAUDE.md/AGENTS.md/CMDS.md 역시 같은 역할을 수행한다.

이 매핑은 두 시스템이 서로 다른 영역에서 같은 패턴을 발견했음을 보여준다.

5.3 Obsidian = IDE, Markdown = Language, Claude = Engine

CMDS는 한 단계 더 나아가 3-스택 모델을 제시한다.

• Obsidian: 지식을 위한 IDE (Integrated Development Environment)
• Markdown: 인간과 AI가 공유하는 보편 언어
• Claude: 지식 컴파일을 수행하는 엔진

이 모델은 Karpathy의 LLM Wiki가 암묵적으로 가정했지만 명시하지 않았던 부분을 명료화한다. 지식 관리는 더 이상 파일 정리가 아니라 소프트웨어 엔지니어링이다.

6. 사례 연구: Karpathy의 Autoresearch

6.1 Autoresearch 프로젝트

2026년 3월, Karpathy는 또 다른 프로젝트인 Autoresearch를 공개했다. 이 프로젝트는 GitHub에서 큰 화제가 되었다. Autoresearch는 LLM이 자율적으로 머신러닝 연구를 수행하도록 설계된 시스템이다.

6.2 CMDS와의 구조적 동치

이 구조는 CMDS와 놀라울 정도로 동치다.

즉, Karpathy가 코드 연구 자동화를 위해 발견한 패턴은 CMDS가 지식 관리를 위해 이미 설계해둔 패턴과 같다. 이는 패턴의 보편성을 입증한다.

6.3 시사점

"카르파시는 발견했고, 구요한은 설계했다."

• 2026년 Karpathy: 코드 연구에서 LLM Wiki / Autoresearch 패턴을 제안
• 2023년~ 구요한: 같은 패턴을 지식 관리에 적용하여 10,000+ 노트로 3년간 운영

이 비교는 단순한 자기 자랑이 아니다. 같은 시기에, 서로 다른 분야에서, 독립적으로 같은 구조에 도달했다는 사실은 그 구조가 보편적임을 강력히 시사한다. 이는 CMDS가 한 개인의 취향이 아니라 시대적 필연이라는 증거다.

6.5 후속: Google OKF — 세 번째 독립 수렴 (2026-06-17 추가)

Follow-up (2026-06-17) — 본 보고서가 "Karpathy와 구요한이 독립적으로 같은 구조에 도달 → 보편성"을 논증한 지 두 달 뒤, Google Cloud가 같은 구조를 *명세(spec)*로 발표했다. 상세 비교는 OKF 비교 분석 보고서 참조.

2026년 6월, Google Cloud가 knowledge-catalog 레포에 Open Knowledge Format (OKF) v0.1을 공개했다. 지식을 YAML frontmatter를 가진 마크다운 디렉토리로 표현하는 벤더 중립 포맷이다 — 이 보고서가 CMDS·LLM Wiki·Autoresearch에서 동일하다고 짚은 바로 그 기질.

이로써 "독립 수렴" 증인은 셋이 된다.

처음으로 개인/연구자가 아니라 하이퍼스케일러가, 그것도 명세 형태로 도착했다. "한 개인의 취향이 아니라 시대적 필연" 논증이 한 단계 강해진다.

단, OKF는 L1–L3(Raw/Wiki/Schema)만 명세하고 멈춘다. "Schema = Harness" 축에서 OKF는 얇은 하네스(필수 필드 type 단 하나, "깨진 링크도 관용")를, CMDS는 두꺼운 하네스(7 프로퍼티 + lint)를 택한 양 극단이다. 둘 다 옳다 — 생산자(에이전트 대량생성 vs 인간 큐레이션)와 목적(조직 간 교환 vs 교육 자산)이 다를 뿐.

7. 시사점 및 제언

7.1 시스템 변경 권고: 변경 없음

검토 결과, CMDS의 디렉토리 구조, 메타데이터 스키마, CMDS Process 등 핵심 요소는 변경할 필요가 없다. Karpathy의 제안은 검증 자료일 뿐 교정 자료가 아니다.

7.2 메시지/전달 권고: 워딩 차용

다음 3가지 차용 권고를 다시 정리한다.

1. "Persistent, compounding artifact" 표현을 마케팅 자료에 반영
2. "RAG re-derives, Wiki compounds" 인용을 강의 슬라이드에 추가
3. "Schema = Harness" 등치를 컨텍스트 엔지니어링 강의에서 강조

7.3 활용 권고: 비교 슬라이드 제작

2026년 4월 11일 CMDS AI PKM Forum에서 다음 1장 분량의 비교 슬라이드를 추가할 것을 권고한다.

"Karpathy가 발견한 것을, 우리는 이미 운영 중입니다."

• LLM Wiki (2026 제안) → CMDS (2023 운영 중)
• Autoresearch program.md → CMDS CLAUDE.md
• 3-Layer Schema → 5-Layer Precedence System

이 메시지는 CMDS의 선구성과 Karpathy의 권위를 동시에 활용한다.

7.4 우선순위 매트릭스

8. 결론

본 보고서는 다음을 입증했다.

첫째, CMDS는 Karpathy의 LLM Wiki 개념을 구조적으로 완전히 포괄한다. 누락된 요소가 없을 뿐 아니라 다중 에이전트 지원, 5단계 precedence, 인간-AI 이중 문서화 등에서 더 발전된 형태를 가진다.

둘째, CMDS는 Karpathy의 제안보다 양적·질적으로 성숙하다. 10,000+ 노트와 3년 이상의 운영 이력은 이 시스템이 검증된 운영 체계임을 보여준다.

셋째, 두 시스템 모두 더 큰 패러다임인 하네스 엔지니어링의 구체적 사례다. Karpathy의 Schema = CMDS의 Harness이며, 이 등치는 컨텍스트 엔지니어링이라는 새로운 지식 작업 방식의 출현을 드러낸다.

넷째, CMDS는 다음과 같은 메시지로 자신을 정의할 수 있다.

"CMDS는 Karpathy가 2026년에 제안한 LLM Wiki를, 2023년부터 운영해온 시스템입니다. 우리는 RAG가 아니라 컴파일을 선택했고, 휘발이 아니라 누적을 선택했습니다. 그리고 그 선택은 이미 10,000개의 노트로 검증되었습니다."

본 보고서는 CMDS 사용자, 강의 수강생, 교육 파트너에게 다음과 같이 말할 수 있는 근거를 제공한다.

"당신이 배우는 것은 한 개인의 취향이 아니라, AI 시대의 보편적 패턴입니다. 그 증거는 10,000개의 노트와 Karpathy의 발견에 있습니다."

---

참고 자료

• Andrej Karpathy, "LLM Wiki" (GitHub, 2026)
• Andrej Karpathy, "Autoresearch" (GitHub, 2026)
• OpenAI, "Building Agents" — "the agent isn't the hard part — the harness is"
• Google Cloud, "Open Knowledge Format v0.1" (knowledge-catalog, 2026)
• Tiago Forte, Building a Second Brain (2022)
• CMDS 시스템 파일 공개본: system.cmdspace.work · LLM Wiki 구조 공개본: llm-wiki.cmdspace.work