Claude Code / Codex 세션을 Obsidian에 자동 저장하고, LLM이 업무일지를 생성하는 개인 지식관리 파이프라인
[Claude Code 세션] [Obsidian Vault]
세션 종료 ─── Stop Hook ──► sessions/YYYY-MM-DD-*.md (비용 추적 포함)
│
매일 자동 집계 ──► Gemini API ──► 업무일지/YYYY-MM-DD.md
│
[Codex 세션] [LLM Wiki (Karpathy 패턴)]
codex-save 래퍼 ──►────────┘ │
raw/ ──► wiki/ ──► index.md
(원본) (지식) (카탈로그)
- 세션 휘발: Claude Code로 작업한 내용이 대화 종료와 함께 사라짐
- 수동 정리: 매일 뭘 했는지 따로 기록해야 함
- 컨텍스트 단절: 어제 작업을 이어받으려면 기억에 의존해야 함
| 구성요소 | 역할 | 파일 |
|---|---|---|
| 세션 캡처 | Claude Code/Codex 종료 시 git 상태 + 대화 기록 + 비용 을 Obsidian에 저장 | scripts/save-session-to-obsidian.sh |
| 업무일지 생성 | 하루치 세션/커밋을 Gemini로 요약해 일지 생성 | scripts/write-worklog.py |
| Codex 래퍼 | Codex CLI도 동일 파이프라인에 태움 | scripts/codex-save |
| LLM Wiki | Karpathy 패턴 기반 지식 축적 구조 (raw → wiki → index) | wiki-template/ |
| 자동화 (launchd) | macOS 스케줄러로 업무일지 자동 생성 | launchd/ |
git clone https://github.com/ggplab/claude-obsidian-knowledgebase.git
cd claude-obsidian-knowledgebase
bash scripts/setup.sh자세한 가이드: docs/02-quickstart.md
세션 종료 시 토큰 사용량과 추정 비용이 자동으로 기록됩니다.
## 비용
- **모델:** claude-opus-4-6
- Input: 69 tokens ($0.001)
- Output: 13,467 tokens ($1.010)
- Cache Read: 4,379,381 tokens ($6.569)
- Cache Write: 228,823 tokens ($4.290)
- **총 토큰:** 5,264,903
- **추정 비용:** $12.54frontmatter에도 total_tokens, estimated_cost_usd, primary_model 필드가 추가되어 Dataview 플러그인으로 비용 분석이 가능합니다.
Andrej Karpathy의 LLM Wiki 패턴을 Obsidian vault에 적용할 수 있는 템플릿을 제공합니다.
raw/ 원본 소스 (불변, LLM 읽기 전용)
wiki/ LLM이 작성·유지하는 지식 페이지
sessions/ 세션 자동 기록 + 비용
output/ 쿼리 결과, 분석 리포트
index.md wiki 페이지 카탈로그
log.md 시간순 작업 로그
WIKI_SCHEMA.md LLM용 wiki 운영 규칙
템플릿 파일: wiki-template/
| 문서 | 내용 |
|---|---|
| 01. 컨셉 | 왜 이 시스템인가 — Karpathy 방법론과 실전 적용 |
| 02. 퀵스타트 | 15분 핸즈온 셋업 가이드 |
| 03. 세션 캡처 | Stop Hook과 세션 노트 구조 상세 |
| 04. 업무일지 | Gemini 기반 자동 요약 시스템 |
| 05. 고급 설정 | n8n 연동, 위키 컴파일, 커스터마이징 |
- macOS (launchd 사용 — Linux는 cron/systemd로 대체 가능)
- Claude Code 설치 완료
- Obsidian 설치 완료
- (선택) Gemini API 키 — 업무일지 AI 요약에 사용
- (선택) Codex CLI — Codex 세션도 캡처하려면
Andrej Karpathy가 제안한 "LLM을 지식 컴파일러로 활용"하는 방법론에서 영감을 받았습니다. 단순히 메모를 쌓는 게 아니라, LLM이 작업 기록을 자동으로 수집·구조화·요약하는 순환 구조입니다.
CHANGELOG.md 참조
MIT