Grinda AI · Knowledge Management System

팀 위키 kms.rinda.ai — 흩어진 팀 산출물을 하나의 집단 두뇌로

각자 잘 만든 결과물이 흩어져 있습니다. 이걸 한곳에 쌓고 각자의 Claude가 팀 맥락까지 참조하게 만드는 구조의 첫 걸음이 이 위키예요. 규약 몰라도 됩니다 — clone 받고 Claude Code에 “이 맥락 KMS에 올려줘” 하면 알아서 정리·발행합니다.

문제의식 — 우리가 진짜 풀려는 것 정태님 제안

지금 팀은 각자 뛰어난 결과물을 내지만 흩어져 있습니다 — 코드·기술(철희), 제품·CS(규동), 세일즈·BD(준영), 디자인(희주), 전략·문서(정태)가 각자 툴과 머릿속에만. 서로의 맥락에 실시간으로 못 닿아요.
목표는 “옵시디언 잘 쓰기”가 아니라, 모든 산출물이 수동 정리 없이 자동으로 쌓이는 구조입니다. 팀 전체가 하나의 두뇌처럼 작동하고, 각자의 Claude가 그 두뇌의 인터페이스가 되는 그림.
왜 지금 — IR 데이터룸을 채우며 절감했습니다. 흩어진 지식을 사람이 일일이 찾아 다시 문서로 옮기는 작업이었어요. 팀이 커지고 글로벌 엔지니어(Viky·Ahmed·Suman·Omar·Magdy)까지 늘며 맥락 공유 비용이 기하급수로 늘고 있습니다.
단순 생산성 문제가 아닙니다 — RINDA의 자율주행 영업사원은 실행 속도가 아니라 축적된 맥락에서 갈립니다. 우리 안에서 “산출물 자동 축적 + 개인 AI의 팀 지식 접근”이 작동함을 증명하면, 그게 곧 RINDA가 고객사에 줄 핵심 가치의 축소판(prototype)이에요.
이 위키(KMS)는 그 v1입니다 — 완성이 아니라, 흩어진 걸 한곳에 쌓고 Claude가 그 위에서 팀 맥락을 참조하는 구조의 첫 삽.

위키에 안 적는 건 게임 세이브 안 하고 끄는 것. 다음 사람이 그 판을 또 처음부터 깹니다.

회사는 작은 인류입니다. 우리가 세서가 아니라, 알아낸 걸 이어 쌓아서 앞서갑니다.
안 적으면 조용히 샙니다 — 정보 찾고 사람 물어보는 데 근무시간의 19%(주 하루치). 출처: McKinsey, The Social Economy 2012
AI 시대엔 더 큽니다 — 잘 정리된 우리 지식이 곧 AI가 못 베끼는 무기입니다. 실험으로도 입증됐어요: 내부 지식을 검색해 붙인 AI(RAG)가 그냥 AI보다 사실 정확도가 높습니다. 출처: Lewis et al., RAG 2020 (NeurIPS)

찾기 — kms.rinda.ai 에서 검색·그래프로
손편집 — 레포를 git clone 받아 Obsidian vault로 열어 오프라인 편집(내 PC에 md 파일로 그대로 남음). 다 쓰면 git push(또는 PR)로 반영.
자동 (추천) — Claude Code에 맥락만 던지기. 노트 작성·규약 정리부터 git 커밋·push·배포까지 한 번에 대신 해줍니다.

레포에 CLAUDE.md(규약서)가 들어 있어 Claude Code가 자동으로 읽습니다. 그래서 규약을 하나도 몰라도 clone 받고 “이 맥락 KMS에 올려줘” 하면 이름·형식·링크·발행까지 알아서 맞춰줍니다.
회의록·코드·슬랙 대화·리서치 덤프를 주면 요점만 추려 정리하고 관련 문서에 링크까지 걸어줘요.
위키가 커질수록 AI 답변도 정확해집니다. 이 위키 자체가 Claude Code로 만들어졌어요.

설계 원칙은 Andrej Karpathy의 LLM Wiki에서 왔습니다 — 매번 원본을 통째로 뒤지지(vector search) 말고, LLM이 원본을 구조화된 wiki로 “컴파일(증류)”해 두면, 나중엔 이미 정제된 지식만 읽는다.

raw — 회의록·리서치·덤프 같은 날것은 raw/ 폴더에 그대로 보존합니다(append-only, 손대지 않음).
wiki에는 증류된 지식만 — 원본을 그대로 옮기지 않습니다. wiki에 들어가는 기준: ① 개념이 명확히 정의됐고 ② 출처가 추적 가능하며 ③ 다른 노트에 링크된 것. 이 기준을 통과한 “정제된 지식”만 wiki가 됩니다.
그래프엔 wiki(증류)만 뜨고 raw는 빠져요. 즉 “일단 raw로 던지고, 증류는 나중에(또는 Claude Code가)” 가 기본 흐름입니다.

GitHub에 저장 — 레포는 FINGU-GRINDA/grindaai-kms-astro. 모든 변경이 기록되고 언제든 되돌리고 리뷰됩니다(문서를 코드처럼).
Astro 정적 사이트 — 빠르고 안전하고 저렴, 링크가 자동으로 그래프·검색이 됩니다.
원본이 md — 툴에 안 묶입니다. Obsidian·Claude·브라우저 다 같은 파일.

집단 두뇌·누적 지식이 혁신을 만든다 (Royal Society) royalsocietypublishing.org/doi/10.1098/rstb.2015.0192 정보 탐색에 근무시간 약 19% (McKinsey) mckinsey.com/.../the-social-economy 비효율적 지식공유 연 $47M 손실 (Panopto) panopto.com/.../47-million-per-year 내부 지식을 붙이면 AI 정확도가 오른다 — RAG 실험 (Lewis et al., 2020 · NeurIPS) arxiv.org/abs/2005.11401 raw→wiki 증류 구조의 원형 — Karpathy의 LLM Wiki gist.github.com/karpathy/442a6bf555914893e9891c11519de94f 일상 캡처 방식 — Karpathy, The append-and-review note karpathy.bearblog.dev/the-append-and-review-note Docs as Code — 문서를 코드처럼 (Write the Docs) writethedocs.org/guide/docs-as-code 왜 Astro인가 (Astro 공식) docs.astro.build/en/concepts/why-astro Local-first software — 내 파일은 내가 소유 (Ink and Switch) inkandswitch.com/local-first

작게 시작하세요. 오늘 배운 것 한 줄이면 충분합니다.
당신이 남기면 다음 사람도 남깁니다.