LLM 컴파일 지식 베이스용 에이전트.md 스키마 (학습 레이어 포함)

한 개발자가 Claude를 사용하여 LLM이 컴파일한 개인 지식 베이스를 구축하기 위한 스키마 표준인 AGENTS.md v1.0을 공개했습니다. 이 접근 방식은 원본 소스를 폴더에 넣고 Claude가 RAG나 벡터 데이터베이스 없이 직접 마크다운으로 개념 문서, 백링크, 인덱스 파일을 컴파일하도록 하는 것입니다.

스키마 상세

AGENTS.md 파일은 버전 관리되며 디렉토리 레이아웃, 컴파일 워크플로우, 쿼리 워크플로우, 린팅 워크플로우, 학습 레이어, 품질 규칙, 오염 완화 등 14개 섹션을 포함합니다. 어떤 디렉토리에든 넣으면 Claude는 모든 세션 시작 시 이를 읽어 위키를 어떻게 구조화할지, 파일 이름을 어떻게 지을지, 모순을 위해 린팅할지, 신뢰 수준을 어떻게 처리할지, 저품질 에이전트 출력으로 위키를 오염시키지 않도록 할지 이해합니다.

학습 레이어 추가

카파시의 원본 아카이브 워크플로우를 넘어, 이 구현은 Claude가 작성하는 모든 개념 문서에서 자동으로 플래시카드를 생성하는 학습 레이어를 추가합니다. FSRS 알고리즘을 사용하여 간격 반복 복습 큐를 유지하고 린팅 중 감지된 지식 격차를 추적합니다.

Claude Code 구현

개발자는 Claude Code를 사용하여:

• 에이전트 동작이 일관될 때까지 수십 회의 세션에 걸쳐 AGENTS.md 스키마를 반복 작업
• 템플릿, 문서화, AI 정렬에 관한 작업 예시 위키를 포함한 모든 50개 저장소 파일 작성
• 사양과 예시 문서 간 프론트매터 경로 규칙 차이와 같은 스키마 불일치 포착
• 단일 세션에서 작업 예시 위키(5개 개념 문서, 플래시카드, 복습 큐, 격차 추적기) 컴파일

저장소 내용

GitHub 저장소에는 다음이 포함됩니다:

• AGENTS.md v1.0 사양
• 모든 파일 유형(개념, 요약, 주제, 플래시카드, 린트 리포트, 출력 리포트)에 대한 템플릿
• AI 정렬 주제로 완전히 채워진 작업 예시 위키
• RAG를 사용하지 않는 이유, 학습 레이어 설계, 오염 완화, 파인튜닝 경로를 다루는 문서화

이 프로젝트는 MIT 라이선스로 제공되며 AI 코딩 에이전트로 작업하는 개발자들이 개인 지식 베이스를 구조화하고 숙달하는 데 사용할 수 있습니다.