개인 지식 베이스
읽은 모든 것 — 문서, 트윗, YouTube 트랜스크립트, PDF — 에서 검색 가능한 시맨틱 지식 베이스를 구축하고, OpenClaw Ultra와의 자연어 채팅을 통해 모두 가져오고 검색할 수 있습니다.
핵심 시스템 개요
이 시스템은 에이전트의 메모리를 개인 연구 라이브러리로 변환합니다. URL이나 파일을 채팅에 드롭하면 자동으로 가져오고, 분할하고, 인덱싱하여 시맨틱 검색이 가능해집니다. 나중에 질문하면 출처가 포함된 순위별 결과를 얻을 수 있습니다 — 더 이상 북마크를 잃어버리지 않습니다.
| 시스템 계층 | 핵심 기능 | 출력 결과 |
|---|---|---|
| 수집 계층 | URL 페칭, 콘텐츠 추출, 형식 정규화 | 메타데이터가 포함된 깔끔한 구조화 텍스트 |
| 처리 계층 | 청킹, 임베딩 생성, 벡터 인덱싱 | 시맨틱 검색 가능한 지식 저장소 |
| 검색 계층 | 하이브리드 검색(시맨틱 + 키워드), 관련성 순위 | 출처 컨텍스트가 포함된 순위 결과 |
| 메모리 계층 | 세션 간 지속성, 자동 태깅, 중복 제거 | 계속 성장하는 비중복 지식 베이스 |
| 통합 계층 | 다른 워크플로우로 전달(SEO, 소셜, 회의 준비) | 모든 에이전트 작업에서 재사용 가능한 연구 |
전제 조건
| 항목 | 요구 사항 |
|---|---|
| OpenClaw Ultra | 설치되어 실행 중 |
| Knowledge Base Skill | ClawHub에서 설치 — "knowledge-base" 검색 |
| 수집 채널 | Telegram 토픽 또는 Slack 채널 (자동 수집에 권장) |
단계 0 — 지식 베이스 시스템 초기화
OpenClaw Ultra를 개인 지식 관리 엔진으로 설정합니다.
작업 단계
- OpenClaw Ultra 새 채팅 세션 열기
- knowledge-base Skill 설치
- "knowledge-base"라는 전용 Telegram 토픽 생성 (또는 Slack 채널 사용)
- 초기화 프롬프트 붙여넣기
바로 사용 가능한 프롬프트
개인 지식 베이스 시스템 역할을 해주세요.
가치 있다고 생각하는 모든 것 — 문서, 트윗, YouTube 동영상, PDF, 코드 스니펫 — 을 저장하고 대화식으로 검색할 수 있기를 원합니다.
다음을 수행하는 시스템을 구축하세요:
- 채팅에 드롭한 URL에서 콘텐츠 수집
- 전체 콘텐츠 추출 및 인덱싱
- 저장된 지식에 대한 자연어 쿼리 지원
- 콘텐츠 자동 중복 제거 및 태깅
- 연구 컨텍스트가 필요할 때 다른 워크플로우에 연결단계 1 — 자동 수집 파이프라인 설정
보내는 모든 URL이나 파일을 에이전트가 자동으로 처리하도록 설정합니다.
1.1 수집 채널 설정
프롬프트
자동 콘텐츠 수집을 위해 "knowledge-base" 토픽을 설정하세요.
이 토픽에 URL을 드롭하면:
1. 전체 콘텐츠 가져오기 (문서, 트윗 스레드, YouTube 트랜스크립트, PDF)
2. 메타데이터(제목, URL, 날짜, 콘텐츠 유형)와 함께 깔끔한 텍스트 추출
3. 임베딩이 포함된 시맨틱 세그먼트로 청킹
4. 태그(소스 유형, 토픽, 주요 엔터티)로 인덱싱
5. 수집된 내용, 청크 수, 추천 태그로 답변
지원되는 소스:
- 웹 문서 (모든 URL)
- YouTube 동영상 (자동 트랜스크립트 가져오기)
- 트윗 및 X 스레드
- PDF 문서 (파일 업로드 via)
- GitHub README 및 문서1.2 기존 북마크 일괄 가져오기
프롬프트
가져오고 싶은 저장된 링크 모음이 있습니다:
[URL 또는 내보내기 파일 나열]
각각을 수집 파이프라인을 통해 처리하세요.
진행 상황 보고: [X/N] 수집됨, 실패한 URL과 오류 이유.INFO
지금부터 지식 베이스가 자동으로 성장합니다 — 흥미로운 링크를 발견하면 토픽에 드롭하기만 하면 됩니다.
단계 2 — 시맨틱 검색 및 검색
지식 베이스에 대화식으로 질의합니다.
2.1 기본 질의
프롬프트
지식 베이스에서 검색: [질문 또는 토픽]
반환:
- 가장 관련성 높은 결과 상위 5개
- 각 항목: 제목, 소스 URL, 주요 발췌문, 관련성 점수
- 좋은 일치 항목이 없으면 명시적으로 알려주세요2.2 교차 참조 질의
프롬프트
현재 [프로젝트/작업]을 진행 중입니다.
지식 베이스에서 관련된 모든 것을 검색하세요:
[관련 토픽 또는 키워드 나열]
이미 알고 있는 내용, 보유한 소스, 존재하는 격차를 요약하세요.단계 2 출력
저장된 모든 콘텐츠에 관련성별로 정리되어 즉시 액세스할 수 있습니다.
단계 3 — 자동 태깅 및 정리
수동 작업 없이 지식 베이스를 구조화된 상태로 유지합니다.
프롬프트
수집된 콘텐츠의 자동 태깅 규칙을 설정:
항상 다음으로 태깅:
- 콘텐츠 유형: article, tweet, video, pdf, code, discussion
- 도메인: 주요 주제 영역
- 엔터티: 언급된 회사, 인물, 도구
3개 이상의 항목이 동일한 태그를 공유하면 자동으로 토픽 클러스터 생성.
수집 전에 중복 또는 유사 콘텐츠 플래그 지정.단계 4 — 지식 베이스를 다른 워크플로우에 연결
저장된 지식을 모든 에이전트 작업에서 사용할 수 있게 만듭니다.
4.1 콘텐츠 제작에 공급
프롬프트
콘텐츠 브리프(SEO, 소셜 미디어 또는 YouTube용)를 생성할 때,
지식 베이스에서 관련 저장 콘텐츠를 자동으로 검색하세요.
통찰력의 출처를 알 수 있도록 브리프에 인용을 포함하세요.관련 가이드: SEO 콘텐츠 워크플로우
4.2 회의 준비에 공급
프롬프트
[사람/회사/토픽]과의 회의 전에,
지식 베이스에서 그들이나 그들의 업계에 대한 저장 콘텐츠를 검색하세요.
결과를 회의 준비 브리프에 포함하세요.4.3 연구 작업에 공급
프롬프트
연구 질문을 받으면 항상 지식 베이스를 먼저 검색하세요.
KB에 좋은 결과가 없는 경우에만 외부 소스를 검색하세요.
답변이 어떤 소스(KB vs 외부)에서 왔는지 보고하세요.단계 5 — 유지 관리 및 검토
시간이 지나도 지식 베이스를 건강하고 유용하게 유지합니다.
프롬프트
주간 지식 베이스 유지 관리를 설정:
매주 일요일 오전 10시:
1. 이번 주에 추가된 새 항목 보고: 개수, 주요 태그, 주요 소스
2. 고립된 항목(한 번도 검색되지 않음) 식별 — 보관 제안
3. 중복되거나 겹치는 항목 병합
4. 최근 쿼리를 기반으로 더 많은 커버리지가 필요한 3개 토픽 제안최종 시스템 아키텍처
URL/파일 드롭 → 콘텐츠 수집 → 청킹 및 임베딩 →
벡터 인덱스 → 시맨틱 검색 → 컨텍스트를 포함한 검색 →
SEO / 소셜 / 회의 / 연구 워크플로우로 전달실용적인 사용 팁
- 습관 만들기: 유용한 것을 읽을 때마다 즉시 knowledge-base 토픽에 링크 드롭
- 검색 시 구체적인 질문 사용 — "RAG 아키텍처에 대해 무엇을 저장했지?"가 "AI에 대해 알려줘"보다 효과적
- 정기적으로 주간 유지 관리 보고서를 검토하여 지식 격차 발견
- Reddit 연구 워크플로우와 결합 — Reddit 발견 사항을 KB에 직접 저장하여 교차 참조