스킬 그래프: AI 에이전트를 위한 심층 지식 시스템 구축

사람들은 구조화된 지식의 힘을 과소평가합니다. 구조화된 지식은 완전히 새로운 종류의 애플리케이션을 가능하게 합니다.

현재 사람들은 어떤 것의 한 가지 측면만을 포착하는 스킬을 작성합니다. 요약을 위한 스킬, 코드 리뷰를 위한 스킬 등등. (종종) 하나의 파일에 하나의 기능만 담겨 있습니다.

단순한 작업에는 괜찮지만, 진정한 깊이는 다른 무언가를 필요로 합니다.

인지 행동 패턴, 애착 이론, 적극적 경청 기술, 감정 조절 프레임워크 등에 대한 관련 정보를 제공하는 치료 스킬을 상상해 보세요.

하나의 스킬 파일로는 그 모든 것을 담을 수 없습니다.

skill graph

skill graph는 위키링크로 연결된 스킬 파일들의 네트워크입니다.

하나의 큰 파일 대신, 서로를 참조하는 여러 개의 작고 조합 가능한 조각들로 구성됩니다. 각 파일은 하나의 완전한 생각, 기술 또는 스킬이며, [[위키링크가 이들을 연결하여 탐색 가능한 그래프를 만듭니다]]

skill graph는 동일한 스킬 발견 패턴을 그래프 내부에서 재귀적으로 적용합니다.

모든 노드에는 에이전트가 전체 파일을 읽지 않고도 스캔할 수 있는 YAML 설명이 있습니다.

모든 위키링크는 산문에 녹아들어 의미를 전달하므로, 에이전트는 관련 경로를 따라가고 중요하지 않은 것은 건너뜁니다.

점진적 공개(progressive disclosure):

인덱스 → 설명 → 링크 → 섹션 → 전체 내용

대부분의 결정은 단일 파일을 완전히 읽기 전에 이루어집니다.

기본 요소

여러분에게는 이미 필요한 모든 것이 있습니다.

• 위키링크는 문장 속에서 산문처럼 읽히므로, 단순한 참조가 아닌 의미를 전달합니다.
• YAML 머리말(frontmatter) 은 설명을 포함하여 에이전트가 전체 파일을 읽지 않고도 스캔할 수 있게 합니다.
• MOC(맵 오브 콘텐츠) 는 관련 스킬 클러스터를 탐색 가능한 하위 주제로 구성합니다.

스킬은 다른 스킬로 연결되고, 그 스킬은 다시 다른 스킬로 연결되며, 그래프는 도메인이 필요로 하는 만큼 깊어집니다.

arscontexta 플러그인

arscontexta는 에이전트에게 skill graph를 구축하는 방법을 가르치는 skill graph입니다.

(사실은 지식 베이스를 구축하는 것에 관한 것이지만, 본질적으로는 같은 것입니다...)

약 250개의 연결된 마크다운 파일로, 에이전트에게 방대한 지식 베이스, 즉 skill graph를 구축하는 방법을 가르칩니다.

하나의 스킬 파일로는 그게 불가능했습니다.

하지만 인지 과학, 제텔카스텐(zettelkasten), 그래프 이론, 에이전트 아키텍처에 대한 상호 연결된 연구 주장(스킬)들의 그래프를 구축한다면, 각 조각이 서로 연결되고, 각각 조합 가능하며, 전체가 탐색 가능해지면서 상황이 달라집니다.

이것이 가능하게 하는 것

생각해 보세요:

• 트레이딩 skill graph: 리스크 관리, 시장 심리, 포지션 사이징, 기술적 분석. 각 조각이 관련 개념에 연결되어 맥락이 흐릅니다.
• 법률 skill graph: 계약 패턴, 규정 준수 요구사항, 관할권 특이사항, 판례 체인. 모두 하나의 진입점에서 탐색 가능합니다.
• 회사 skill graph: 조직 구조, 제품 지식, 프로세스, 온보딩 맥락, 문화, 경쟁 환경.

이 중 어느 것도 하나의 파일에 들어맞지 않지만, 모두 그래프로는 작동합니다.

구축 방법

쉬운 방법: arscontexta claude code 플러그인을 설치하고, 리서치 프리셋을 선택한 후 원하는 주제를 지정하세요.

그러면 마크다운 폴더 구조가 자동으로 설정되고, /learn 과 /reduce 명령어로 내용을 채워 넣으면 됩니다.

수동 방법은 생각보다 간단합니다.

skill graph가 반드시 .claude/skills/ 폴더에 위치할 필요는 없습니다. 핵심은 에이전트에게 무엇이 존재하고 어떻게 탐색할지 알려주는 인덱스 파일입니다.

지식 작업 skill graph의 인덱스 예시는 다음과 같습니다:

1# knowledge-work
2
3에이전트도 사고 도구가 필요합니다. 제텔카스텐, 에버그린 노트, 메모리 팰리스가 인간에게 외부 사고 구조를 제공한 것처럼, 에이전트가 운영하는 지식 시스템은 에이전트에게 외부 사고 구조를 제공합니다.
4
5## 종합(Synthesis)
6
7조각들이 어떻게 맞물리는지에 대한 발전된 논증:
8
9- [[시스템이 곧 논증이다]] — 작업 증명이 포함된 철학; 모든 노트, 링크, MOC는 그 방법론을 직접 증명합니다.
10- [[위키링크의 확산 활성화와 소규모 세계 토폴로지에서 일관된 아키텍처가 emerge 한다]] — 어떤 구조가 어떤 모습인지, 왜 작동하는지, 에이전트가 어떻게 탐색하는지, 그리고 언제 재평가해야 하는지에 대한 기초 삼각형입니다.
11...
12
13## 주제 MOC
14
15도메인은 7개의 상호 연결된 영역으로 나뉩니다:
16
17- [[graph-structure]] — 위키링크, 토폴로지, 연결 패턴이 어떻게 탐색 가능한 지식 그래프를 만드는지
18- [[agent-cognition]] — 에이전트가 외부 구조를 통해 사고하는 방식: 탐색, 세션, 주의집중 한계
19  - [[agent-cognition-hooks]] — 훅 강제 적용, 구성, 자동화된 품질의 인지 과학
20  - [[agent-cognition-platforms]] — 플랫폼 성능 계층, 추상화 레이어, 컨텍스트 파일 아키텍처
21- [[discovery-retrieval]] — 설명, 점진적 공개, 검색이 콘텐츠 발견 및 로딩을 가능하게 하는 방식
22- [[processing-workflow]] — 처리량, 세션, 핸드오프가 시스템 내에서 작업을 이동시키는 방식
23...
24
25## 교차 도메인 주장
26
27- [[강제된 참여는 약한 연결을 만든다]] — 생산성을 넘어선 축적의 사회적 유사체: 활동 자체를 위한 강제된 참여는 얕은 연결을 만들며, 이는 종합 없는 축적이 얕은 지식 그래프를 만드는 것과 같습니다.
28
29## 필요한 탐구
30
31- 누락: 인간과 에이전트의 탐색 패턴 비교. 에이전트에게 다른 아키텍처가 필요한가?
32- 확장 한계: 어느 시스템 규모에서 인간의 큐레이션이 실패하는가?

인덱스는 단순한 조회 테이블이 아니라 주의를 집중시키는 진입점입니다. 에이전트는 이를 읽고, 전체 지형을 이해한 후, 현재 대화에 중요한 링크를 따라갑니다.

각 연결된 파일은 독립적인 방법론 주장(스킬)입니다. 하나의 노드 예시는 다음과 같습니다:

산문 속 위키링크가 에이전트에게 언제, 왜 따라가야 하는지 알려주는 방식을 확인하세요.

맵 오브 콘텐츠(MOC)는 그래프가 커질 때 하위 주제를 구성합니다.

진화

스킬은 본질적으로 컨텍스트 엔지니어링입니다. 즉, 중요한 곳에 주입되는 큐레이션된 지식입니다.

skill graph는 그 다음 단계입니다.

한 번의 주입 대신, 에이전트가 지식 구조를 탐색하며 현재 상황에 정확히 필요한 것을 가져옵니다.

이것이 지시를 따르는 에이전트와 도메인을 이해하는 에이전트의 차이입니다.

arscontexta는 지식 시스템 구축을 위한 claude code 플러그인입니다. 249개의 구조화된 지식 파일로, 에이전트가 여러분의 워크플로우에 진정으로 맞는 로컬 지식 시스템을 도출할 수 있도록 탐색합니다.

사용해 보시고, 다른 모든 것에 대한 skill graph도 구축해 보세요.

heinrich