Part IV: 외장두뇌 튜토리얼 — 본인만의 연구 OS 짓기

Chapter 11: terry의 워크플로우 케이스 — Obsidian × terryum.ai

집필일: 2026-05-22 최종수정일: 2026-05-23

11.1 출발 — Brain Augmentation manifesto

2026년 3월 10일, terry는 자신의 홈페이지 첫 글로 Brain Augmentation을 올렸다. 첫 문장: "피지컬AI 분야로 10년 만에 돌아오며, 내가 처음 붙든 질문은 '무엇을 연구할까'가 아니라 '어떻게 연구할까'였다." [12]

이 한 문장이 (Chapter 1)에서 우리가 다룬 paradigm shift를 가장 짧게 정리한다. AI 시대의 연구에서 중요한 것은 내가 더 많이 아는 것이 아니라 AI scientist가 자가발전의 지식 창출을 이어갈 수 있는 환경을 구축하는 것이다 [12]. 그리고 한 달 뒤, 2026년 4월 4일 Karpathy의 LLM Wiki gist [2]가 올라왔을 때, terry는 이미 두 가지를 운영 중이었다 — terryum.ai라는 공개 외장두뇌 사이트, 그리고 그 사이트의 콘텐츠를 자동 생성·확장하는 4-스킬 파이프라인.

이 챕터는 그 워크플로우의 worked example이다. 본 서베이 자체가 그 파이프라인의 산출물이라는 점이 이 챕터의 authority signal이다 [novelty_matrix Ch11 ⊕ summary]. 4-레이어 분류 (Chapter 2), 6-Level 성숙도 모델 (Chapter 3), Karpathy LLM Wiki 분석 (Chapter 4-6), AI Scientist 계보 (Chapter 7-9) — 이 모든 페이지가 지금 설명하려는 파이프라인을 통해 만들어졌다. 메타 모먼트는 의도된 것이다. (Chapter 10)이 "Day 1"이라면 이 챕터는 "Month 4 — 한 달 vault가 어떻게 진화했는지".

선행 [3]은 manifesto이고, [4]는 그 manifesto의 왜다 — "코딩의 민주화 이후, 다음 차례는 학술 연구다." 이 챕터는 어떻게에 해당한다. 같은 manifesto를 운영 가능한 4-스킬 + 3-repo 시스템으로 구체화한다. 추상적 vision에서 매일 돌아가는 인프라까지.

11.2 terryum.ai의 4-디렉터리 구조 — 외장두뇌의 공개 표면

terryum.ai의 posts/ 디렉터리는 네 부분으로 나뉜다.


posts/
├── papers/        # 40+ 논문 요약 — AI가 집필
├── essays/        # 12+ 에세이 — 본인이 직접 집필
├── notes/         # 짧은 메모·ChatGPT 대화 — 본인 집필 또는 source=chatgpt
└── (gallery)
    ├── surveys/   # AI가 집필한 서베이 책 (이 책 포함)
    └── projects/  # GitHub repo, 책, 제품

각 디렉터리는 입력 → 콘텐츠 → 인덱싱의 다른 흐름을 가진다.

papers/ (40+ 항목, 2026-05 기준): 각 폴더는 YYMM-slug/ 패턴 — 2502-ai-co-scientist/, 2603-autoresearch-autonomous-ml/, 2604-automated-alignment-researchers/ 등. 안에는 ko.mdx, en.mdx, meta.json 세 파일이 들어간다. arXiv 링크 한 줄을 /paper 스킬에 던지면 자동 생성된다 (§11.4). meta.json은 GraphRAG의 노드 메타데이터다 — domain, subfields, key_concepts, methodology, contribution_type 같은 필드가 knowledge graph 탐색의 기반이 된다.

essays/ (12+ 항목): 260310-brain-augmentation/, 260415-democratization-of-research/, 260413-new-leverage/ 등. 폴더 구조는 papers와 동일 (ko.mdx, en.mdx, meta.json)이지만 AI가 쓰지 않는다. essays는 terry 본인 사유의 결과물이며, /post --type=essays 스킬이 발행 메타데이터만 자동화한다.

notes/ (2026-05 기준 7개 항목, 증가 중): 짧은 메모와 ChatGPT 대화 요약. 260424-claude-to-codex/는 그 예시다 — terry가 ChatGPT와 진행한 "Claude Code에서 Codex로 넘어가는 길" 대화를 정리한 글 [12]. meta.json의 source=='chatgpt' 필드로 자동 식별된다.

surveys/ (gallery): AI 에이전트 팀이 집필한 책. 첫 항목 Claude Code에서 Codex로가 2026-04에 배포되었고, 이 책이 두 번째 항목이 된다. 갤러리 카드만 terryum.ai에 노출되고, 실제 책은 별도의 Cloudflare Pages 도메인에서 호스팅된다.

projects/ (gallery): GitHub repo, 출간 책, 제품. 각각 manual 입력 또는 GitHub API로 자동 수집.

이 4-디렉터리는 (Chapter 4)의 raw/wiki 2-레이어를 공개 표면으로 확장한 것이다. 비공개 vault는 Obsidian의 Drafts/ 폴더에 있고, 거기서 검토·승인된 항목만 위 4-디렉터리로 흘러간다.

11.3 인덱스 시스템 — knowledge graph의 머리

Figure 11.3: terryum.ai posts 갤러리 — papers · essays · notes · surveys · projects 탭과 카드 그리드 — illustration by author (gpt-image assisted)
Figure 11.3: terryum.ai posts 갤러리 — papers · essays · notes · surveys · projects 탭과 카드 그리드 — illustration by author (gpt-image assisted)

terryum.ai에는 세 종류의 인덱스가 있다. 단순히 콘텐츠를 나열하는 것이 아니라 탐색 가능하게 만드는 것이 외장두뇌와 일반 블로그의 차이다.


posts/
├── global-index.json    # 모든 포스트의 메타데이터 통합
├── index.json           # 공개 포스트만
├── index-private.json   # private/group 포스트 메타데이터
└── taxonomy.json        # 도메인 트리 (robotics/hand/tactile 등)

taxonomy.json은 도메인 트리다. 예: robotics/hand/tactile, robotics/brain/vla, ai/llm, ai/agent. 각 노드는 한국어/영어 label과 child node 리스트를 가진다. 새 논문 포스트가 추가되면 그 meta.json의 subfields가 taxonomy의 leaf로 매핑된다.

global-index.json은 모든 포스트(public + private)의 메타데이터를 한 파일에 모은 것이다. 각 항목: slug, content_type, title_ko/en, summary_ko/en, domain, subfields, key_concepts, methodology, tags. 이것이 terry-papers 지식그래프의 입력이다.

11.4 4-스킬 파이프라인 — 외장두뇌의 자동 부분

terryum.ai를 운영하는 핵심 스킬은 네 개다. 모두 Claude Code의 / 명령으로 호출한다.


1. /paper "<arxiv-url-or-pdf>"        → papers/ 폴더 생성, KB 노드 추가
2. /post --from=#-N --type=essays      → essays/ 또는 notes/ 발행
3. /paper-search [explore|next]        → 지식그래프 + 외부 검색으로 추천
4. /survey "<title>"                   → 서베이 책 부트스트랩 (이 책의 출발점)

각 스킬을 한 줄씩 풀어보자.

/paper — Papers 포스트 생성 파이프라인. arXiv URL 한 줄, 학술 저널 URL, 기술 블로그 URL을 모두 받는다. 내부적으로 다음을 수행한다: (1) URL fetch + 본문 추출 (Defuddle CLI), (2) Gemini 또는 Claude로 한·영 두 언어 요약 생성, (3) meta.json 자동 작성 (domain, subfields, contribution_type 등 추론), (4) 커버 이미지 자동 생성 (없으면 /image-gen 호출), (5) terry-papers 지식그래프 노드로 등록, (6) GeekNews·Hacker News 스타일 단문 공유 메시지 초안. 5분 안에 끝난다. 이 챕터를 작성하는 동안에도 posts/papers/에 40+개 항목이 있고, 그 중 2604-automated-alignment-researchers, 2604-self-driving-labs, 2603-autoresearch-autonomous-ml, 2502-ai-co-scientist, 2603-medical-ai-scientist는 본 서베이의 1차 자료다.

/post — 직접 쓴 초안 발행. Obsidian의 Drafts/ 폴더에 essays 또는 notes를 써두고 /post --from=#-N --type=essays|notes를 호출하면 발행된다. --visibility=public|private|group 옵션이 있다. private/group은 본문이 terry-private git repo + Cloudflare R2에 저장되고, terryum.ai에는 메타만 노출된다.

/paper-search — 두 모드의 추천 엔진. (1) explore 모드: 사용자 질문을 임베딩으로 anchor 노드에 매핑한 뒤, knowledge graph를 BFS로 탐색해 내부 논문(interpolation)을 찾고, 외부 학술 검색(arXiv, Semantic Scholar)에서 새 후보를 가져와 기존 그래프와의 alignment로 평가(extrapolation). (2) next 모드: surveys candidate pool에서 "다음에 어떤 논문을 서베이에 추가할 차례인가"에 답한다. 본 서베이의 papers.json이 어떻게 채워졌는가 — 이 두 모드의 반복이다.

/survey — 서베이 책 부트스트랩. 모노레포 안에서 호출하면 MODE A(새 책 scaffold + .claude/agents/ 템플릿 복사 + 하네스 구성). 배포된 URL을 주면 MODE B(홈페이지 Surveys 갤러리 등록 + /cite-post 자동 호출). 가장 강력한 서브커맨드는 --orchestrate로, 7-에이전트 하네스 팀이 자율 병렬 집필을 시작한다 (deep-researcher 2인 시간 샤딩 + critical-analyst + book-writer + image-curator + fact-checker + qa-reviewer). 이 책은 정확히 그 명령으로 만들어졌다.

11.5 재귀 메타 모먼트 — 이 책을 만든 파이프라인

이 챕터의 핵심 주장을 한 번에 끝내자.

당신이 지금 읽는 챕터는 위 4-스킬 파이프라인의 산출물이다.

구체적으로 어떻게? (Chapter 2)에서 명시한 7-에이전트 파이프라인을 따라가 보자.

  1. /survey "LLM Wiki에서 AI Scientist까지" — 2026-05-22, terry가 terry-surveys/ 모노레포에서 호출. MODE A로 새 책의 scaffold가 만들어졌다 — survey.json, book/{ko,en}/glossary.md, _research/, _analysis/, .claude/agents/ 7개 템플릿.
  1. deep-researcher-foundations (Claude Opus) — Karpathy의 LLM Wiki 이전의 pre-2024 lineage (Memex 1945, Luhmann 1992, MemGPT 2023, RAG 2020 등)를 49개 논문으로 정리. _research/papers_foundations.json 산출.
  1. deep-researcher-frontier (Claude Opus) — 2024-08 Sakana 이후의 frontier (autoresearch, AAR, Co-Scientist, OSS 매트릭스 6종, terryum.ai own posts 11개)를 97개 항목으로 정리. _research/papers_frontier.json 산출. terry 본인 글이 1차 자료로 들어간 시점 — 즉, 이 챕터를 쓰는 book-writer가 읽고 있는 자료에 [Brain Augmentation], [Democratization of Research], [Claude-to-Codex migration note]가 포함되어 있다.
  1. merge-research — 두 샤드를 시간 축으로 머지, papers.json 단일 canonical 산출 (146 entries). 중복 제거, primary_verified 플래그 부여.
  1. critical-analyst (Claude Opus) — _analysis/gaps.md (15개 gap), novelty_matrix.md (chapter × competitor matrix), positioning.md (cover/blurb 결정). G3 AAR Sonnet-4 caveat, G1 wiki rot single-N 등 load-bearing caveat 명시.
  1. book-writer (Claude Opus) — 4 Part × 3 챕터 = 12 챕터를 KO/EN 동시 집필. Part IV (이 챕터 포함)는 별도의 book-writer-partIV 에이전트가 담당. terryum.ai posts의 실제 폴더 구조를 읽고 (위 §11.2-11.4) 그 위에 서사를 짠다.
  1. image-curator → fact-checker → qa-reviewer — figure 배치, 인용 검증, READY FOR RELEASE 결정.

전체 사이클은 약 12-18시간, 비용은 약 $40-80 (대부분 Claude Opus 토큰). (Chapter 10)에서 honest cost transparency를 약속했다 — 본 서베이의 production cost는 그 약속의 첫 번째 측정점이다.

Figure 11.1: 본 서베이를 만든 4-스킬 + 7-에이전트 파이프라인의 재귀 도식 — terry의 essays·papers 포스트가 deep-researcher의 1차 자료로 들어가고, 그 자료가 critical-analyst와 book-writer를 거쳐 서베이 책이 되며, 다시 그 책이 terryum.ai의 surveys 갤러리에 등록되어 다음 서베이의 source가 된다.
Figure 11.1: 본 서베이를 만든 4-스킬 + 7-에이전트 파이프라인의 재귀 도식 — terry의 essays·papers 포스트가 deep-researcher의 1차 자료로 들어가고, 그 자료가 critical-analyst와 book-writer를 거쳐 서베이 책이 되며, 다시 그 책이 terryum.ai의 surveys 갤러리에 등록되어 다음 서베이의 source가 된다.

11.6 Obsidian의 역할 — drafts·raw·decision queue

terryum.ai가 공개 표면이라면, Obsidian vault는 비공개 작업장이다. 여기서 세 종류의 자료가 흐른다.

Drafts/ — 발행 전 초안. essays는 머릿속 정리가 끝나기 전까지 여기에 머문다. 260310-brain-augmentation이 이 책에 인용되는 형태로 굳기 전, Drafts에서 5-6번 수정되었다. /post --from=Drafts/이 호출되면 ko.mdx/en.mdx/meta.json으로 분리되어 terryum.ai로 이동한다.

raw/ (Karpathy 패턴 그대로) — 외부 자료 보존. arXiv PDF, 다른 사람 블로그 캡처, 회의 메모 등. 읽기 전용. /paper 스킬이 호출되면 raw/papers/에서 PDF를 읽고 terryum.ai/posts/papers/로 출력하지만 raw 자체는 수정하지 않는다.

decisions/ — terry가 직접 쓰는 결정 로그. "이 서베이는 Part IV를 3개 챕터로 분할한다 — 이유: tutorial depth를 위해", "image-curator는 figure를 Gemini 보조 일러스트로만 2/챕터까지 허용" 같은 메타-결정. (Chapter 6)의 negative-result capture와 같은 맥락 — 왜 어떤 결정을 했는가를 보존하는 것이 wiki rot 방어의 일부.

이 세 폴더는 모두 git으로 추적되며, 비공개 자료는 terry-private repo에 별도로 push된다 ([12]의 Claude-to-Codex 노트에서 명시한 외부화 원칙의 실현). Obsidian의 graph view는 이 세 폴더 + Drafts의 wikilink를 실시간으로 그려준다 — Drafts에 새 essay가 들어오면 그 즉시 어떤 raw 자료와 연결되는지가 보인다.

Figure 11.2: Obsidian vault (비공개)와 terryum.ai (공개)의 양방향 흐름 — Drafts/는 essays/notes의 incubator, raw/는 입력 자료, decisions/는 메타-결정 로그. /post·/paper 스킬이 비공개에서 공개로의 변환을 자동화.
Figure 11.2: Obsidian vault (비공개)와 terryum.ai (공개)의 양방향 흐름 — Drafts/는 essays/notes의 incubator, raw/는 입력 자료, decisions/는 메타-결정 로그. /post·/paper 스킬이 비공개에서 공개로의 변환을 자동화.

11.7 terry-papers 지식그래프 — paper-search의 substrate

terryum.ai 단독으로는 콘텐츠 호스팅이다. 그것을 지식 탐색으로 만드는 것이 terry-papers 지식그래프다.

terry-papers/scripts/sync-survey-candidates.mjs가 매일 실행되어 다음을 수행한다.

  1. terryum-ai/posts/papers/의 모든 meta.json을 읽어 KB 노드로 변환.
  2. 각 노드의 key_concepts, methodology, subfields를 임베딩으로 변환.
  3. 임베딩 거리 + tag overlap + citation relation으로 edge 생성.
  4. surveys candidate pool 갱신 — "이 논문은 어느 서베이의 후보가 될 수 있는가".

/paper-search next가 호출되면 이 candidate pool에서 추천한다. (Chapter 5)의 OSS 매트릭스 조사가 부분적으로 이 메커니즘으로 진행되었다 — astrohan2026karpathyllmwikiskill, astorian2026llmwikimcp, ekadetov2026llmwikiobsidian 등의 GitHub 노드가 graph에 들어와, "Karpathy LLM Wiki 인접"으로 클러스터링되어 deep-researcher-frontier에게 후보로 제공되었다.

/paper-search explore는 보다 자유로운 탐색이다. 질문 임베딩을 anchor에 매핑하고, BFS로 internal 노드를 찾고, arXiv/Semantic Scholar로 external을 fetch한다. "이 책의 Chapter 9 도메인 케이스 스터디에 medical 영역을 넣어야 하나?"에 답한 것은 explore 모드 한 번이었다 — wu2026medicalaiscientist와 그 인접 논문 5개가 추천되었고, 그 중 3개가 1차 자료로 채택되었다.

지식그래프의 진짜 값은 비대칭 정보 수집의 가속이다. terry가 손으로 매일 arXiv를 훑었다면 medical AI Scientist 클러스터를 발견하기까지 몇 주가 걸렸을 것이다. graph + paper-search는 그것을 5분으로 줄였다.

11.8 공개·비공개·그룹 — 3-tier visibility 라우팅

이 시스템의 마지막 디테일 한 가지. /post와 /paper 둘 다 --visibility=public|private|group 옵션을 받는다.

  • public: 본문이 terryum.ai에 노출. 일반적 case.
  • private: 본문은 terry-private git + Cloudflare R2에 저장. terryum.ai에는 메타만 노출 (제목·요약 카드). 클릭 시 별도 인증.
  • group: 동일하지만 ACL이 그룹 단위. "공동연구 그룹과만 공유"같은 use case.

본 서베이는 visibility=public이다. 그러나 production 단계의 중간 산출물(_research/papers.json, _analysis/gaps.md, deep-researcher 로그)은 모노레포 내부 git에만 머물며, 정적 사이트에는 노출되지 않는다. 이것은 외장두뇌의 다층 표면 패턴이다 — 같은 자료가 production 단계와 publication 단계에서 다른 표면으로 노출된다.

(Chapter 6)에서 prescriptive하게 제안한 wiki/dead-ends/ 디렉터리가 이 패턴의 가장 직접적 적용이다. dead-end 자체는 비공개일 수 있지만, dead-end가 발생했다는 통계는 매주 review에서 공개 surveys 페이지에 반영된다. "어떤 가설을 시도했고, 왜 폐기했는가"가 G3 AAR Sonnet-4 caveat (Chapter 8)와 같은 honest-publishing 윤리의 운영적 구현이다.

11.9 4개월 longitudinal 관찰 — 무엇이 살아남고 무엇이 사라졌나

Aimaker의 4개월 single-N 보고 [1]는 G1 wiki rot 증거의 절반이다. terry의 4개월 운영도 그 단일 N에 같은 무게로 더해진다 — 두 보고가 합의하는 패턴은 다음 다섯이다.

  1. 30% rewriting rate: 첫 주에 ingest된 wiki 페이지의 ~30%가 한 달 뒤 lint 단계에서 수정·삭제·통합된다. 처음에는 실패처럼 느껴지지만 정상적 cycle이다. terry의 경우 wiki/concepts/의 rewriting rate가 가장 높았고 (~40%), wiki/claims/는 schema 강제 덕에 가장 낮았다 (~15%).
  1. 태그 정리: 첫 달에 만든 태그 중 절반이 두 달 뒤 의미를 잃었다. #interesting, #important, #misc 같은 흐린 태그가 모두 사라졌고, #todo-summarize, #contradicts-X, #followup-experiment 같은 상태 분명한 태그만 살아남았다.
  1. 디렉터리 단순화: 첫 달에 만든 디렉터리 중 두 개가 사라졌다 — wiki/people/(연구자 페이지)와 wiki/projects/(프로젝트별). 둘 다 콘텐츠는 만들었지만 그것을 다시 찾는 빈도가 낮았다. 살아남은 디렉터리는 concepts/, claims/, open-questions/, dead-ends/, logs/. (Chapter 10) §10.3의 최소 vault가 이 4개월의 검증을 거친 결과다.
  1. subagent 분리의 가치: 첫 달에는 하나의 큰 instruction file로 운영했다. 두 달 뒤 4개로 분리했다 (literature-reviewer, statistician, safety-reviewer, paper-formatter). 분리 후 wiki rot rate가 ~30% → ~15%로 떨어졌다. 가설: 각 subagent의 짧은 context가 주제 외 hallucination을 줄였다.
  1. /paper-search next의 적중률: 첫 달에는 20%, 4개월차에는 60%. graph의 edge density가 올라가면서 추천 정확도가 올라간 결과. 이것은 graph의 운영에 시간이 든다는 (Chapter 6) prescription의 정량적 뒷받침.

위 다섯은 모두 single-N이며, 그것이 G1 wiki-rot 문헌의 집합적 한계다 [1]. 이 책은 그 한계를 honest하게 명시한다 — 본 서베이의 권고는 시작점이지 증명된 처방이 아니다. 연구 결과의 measurement는 (Chapter 6)에서 제안한 drift metric 3종 (page-coherence delta, citation-orphan rate, ingest-revert ratio)으로 가능해질 것이다 — 이 책의 다음 버전이나 후속 서베이의 과제다.

11.10 직접 써야 한다 — manifesto의 reservation

[3]이 던진 manifesto에는 reservation이 있다. AI에게 모든 것을 위임하면 생각이 외부화되는 것이 아니라 증발한다. terry 본인이 essays/를 직접 쓰는 이유다 — papers/와 surveys/는 AI가, essays/는 본인이.

이 구분은 (Chapter 11)의 운영에서 다음 4개 규칙으로 굳어진다.

  • 요약은 LLM, 판단은 사람: /paper가 만든 ai_summary는 신뢰하되, key_result의 맥락은 terry 본인이 essays/와 notes/로 보강한다.
  • graph는 LLM, edge의 의미는 사람: terry-papers의 임베딩 edge는 자동 생성되지만, 어떤 edge가 진짜 학문적 연결인지는 매주 review에서 사람이 검증.
  • claim은 사람, evidence는 LLM: wiki/claims/의 claim 자체는 사람이 정리한 framing, evidence 인용은 LLM이 자동 수집·verify.
  • decision은 사람, alternative는 LLM: decisions/에 적힌 결정은 본인이 쓰지만, 그 결정의 대안은 LLM에게 제안 요청.

Aimaker의 4개월 보고의 한 줄 [1]: "LLM이 연결을 찾아주지만, 그 연결이 의미 있는지 판단하는 것은 여전히 나다." terry의 4개월도 같은 결론에 닿는다.

11.11 한 줄 흐름 — 다시 정리

이 챕터를 한 줄로 압축하면.

arXiv 링크 → /paper로 papers/ 생성 + KB 노드 → /paper-search next로 다음 추천 → /survey "주제"로 서베이 부트스트랩 → --orchestrate로 멀티에이전트 자율 집필 → 본 서베이가 그 결과.

이것이 본 서베이가 주장하는 4-레이어 × 6-Level 프레임의 worked example이며, 그 프레임의 가장 직접적 증명이다. (Chapter 12)에서는 당신의 워크플로우를 위와 같은 형태로 짓는 단계별 로드맵을 본다 — L2 LLM Wiki에서 L5 dry-lab AI Scientist까지, 한 단계씩.

참고문헌

  1. Aimaker (2026). AI-powered second brain from LLM Wiki — 4-month report. Aimaker Substack, 2026.
  2. Karpathy, A., Y. He, X. Lee, et al. (2026). LLM Wiki — A pattern for building personal knowledge bases using LLM agents. GitHub Gist, 2026-04-04.
  3. Um, T. (terryum) (2026). Brain Augmentation — manifesto for AI-era self-generating knowledge environments. terryum.ai post #7, 2026-03-10. [Brain Augmentation, 2026; Um, 2026]
  4. Um, T. (terryum) (2026). Democratization of Research — three stages (document → in silico → physical). terryum.ai post #25, 2026-04-15. [Democratization of Research, 2026]
  5. Um, T. (terryum) (2026). Claude Code → Codex 이관 전략. terryum.ai notes post, 2026-04-24. [Claude-to-Codex migration note, 2026]
  6. Um, T. (terryum) (2026). AAR (Automated Alignment Researchers) 요약 + 분석. terryum.ai paper post, 2026.
  7. Um, T. (terryum) (2026). autoresearch 요약 + 분석. terryum.ai paper post, 2026.
  8. Um, T. (terryum) (2026). AI Co-Scientist 요약 + 분석. terryum.ai paper post, 2026.
  9. Um, T. (terryum) (2026). Self-Driving Labs 요약 + 분석. terryum.ai paper post, 2026.
  10. Um, T. (terryum) (2026). Medical AI Scientist 요약 + 분석. terryum.ai paper post, 2026.
  11. Um, T. (terryum) (2026). Harnessing Claude Intelligence. terryum.ai paper post, 2026.
  12. Um, T. (terryum) (2026). Meta-Harness Optimization. terryum.ai paper post, 2026.
  13. Um, T. (terryum) (2025). Conductor — LLM orchestration patterns. terryum.ai paper post, 2025.
  14. ekadetov (2026). ekadetov/llm-wiki — Claude Code plugin for persistent compounding KBs in Obsidian. GitHub.
  15. Astro-Han (2026). Astro-Han/karpathy-llm-wiki — Agent Skills-compatible LLM Wiki package. GitHub.
  16. Astorian, L. (2026). lucasastorian/llmwiki — Open-source LLM Wiki with document upload + MCP. GitHub.
  17. Yu, W. (2026). What Is Karpathy's LLM Wiki? A Zettelkasten User's Honest Review. Personal Blog, 2026.
  18. Lu, C., Lu, C., et al. (2024). The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery. arXiv:2408.06292.
  19. Wu, H., Zheng, B., et al. (2026). Towards a Medical AI Scientist. arXiv:2603.28589.
  20. Joshi, U. (2026). Andrej Karpathy's LLM Wiki: Create your own knowledge base. Medium, 2026.
  21. Paige (2026). Second-brain setup using Karpathy's LLM Wiki (video). YouTube, 2026.