LLM-Wiki로 연구실 학생 지도하기
2026-04-14
LLM-Wiki 덕분에 공부하는 재미를 흠뻑 느끼고 있다. 대학원에 처음 입학했을 때 Endnote를 채워가며 논문을 읽던 시절이 떠오른다. 이 방식으로 한동안 써보면서 느낀 점들을 정리해본다.
위키를 쌓는다는 것의 의미
LLM-Wiki는 단순히 논문을 읽고 요약하는 도구가 아니다. 논문을 읽은 뒤 특정 주제를 두고 질문을 던지거나 개념을 정리할 때마다 위키 페이지가 하나씩 쌓이는 형태다. 이 과정 자체는 ChatGPT를 일상적으로 쓰는 것과 크게 다르지 않은데 대화의 소스가 무엇이냐에서 갈린다. ChatGPT가 웹 전체에서 답을 끌어오는 것과 달리, LLM-Wiki에서는 내가 선별하고 읽은 자료, 내 연구 맥락에서 중요하다고 판단한 문헌들이 근거가 된다.
처음 시작하는 사람들에게 솔직히 말하자면, 지식베이스를 구축하고 질문을 도출하는 초기 단계에는 시간이 꽤 든다. 하지만 자료를 어느 정도 쌓고 질문하는 감을 잡고 나면, 그다음부터는 공부하는 재미가 확실히 달라진다.
교과서를 만드는 방법이 바뀌었다
최근 싱글셀 파운데이션 모델 관련 논문들을 몇 편 작업 중이다. 솔직히 이 분야는 나도 처음부터 배우는 것이었다. 작년 한 해 동안 강의자료도 만들고 교과서도 쓰면서 공부를 많이 했는데 그 자료들을 LLM-Wiki에 넣고 계속 작업하고 있다.
그러다 문득 이런 생각이 들었다. 이 지식베이스를 이용해서 연구실 학생들을 위한 교과서를 쓰면 어떨까. 그래서 그동안 학생들과 나눈 대화들, 주고받은 메일들을 불러와서 어떤 부분에서 자주 막히고 어디가 헷갈리는지를 정리해보았다. 그 결과물을 Notion에 교과서 형태로 올려두었다. chaek에는 나중에 올릴 예정이고 지금은 연구실에서 활발하게 이어지는 작업이라 Notion이 더 적합하다.
학생들이 연결되는 방식
학생들은 Notion에 올라온 교과서를 읽으면서 의문이 생기면 코멘트를 바로 남길 수 있다. 학생들도 Notion API로 그 교과서 내용을 가져와서 본인의 LLM-Wiki에 연결하고 논문 작업이나 분석 과정에서 필요한 개념을 자신의 지식베이스 위에서 다룬다.
Claude Code에 Gmail을 연결하면, 학생들이 논문이나 분석 결과를 두고 보낸 메일을 MCP로 불러와서 LLM-Wiki와 연결해 읽을 수 있다. 원고나 분석에 피드백이 있으면 그 내용을 정리해서 API로 Notion에 다시 올린다. 이렇게 하면 메일함에서 오간 대화가 묻히지 않고 지식베이스로 들어온다.
미팅 준비가 달라진다
공동연구 그룹을 만나기 전에도 LLM-Wiki를 쓴다. 상대 그룹에서 최근 낸 논문들을 미리 읽고 LLM-Wiki로 정리한 뒤, 우리가 개발 중인 연구주제들과 어떻게 연결될 수 있는지를 미리 적어둔다. 미팅 자료를 미리 만들 수 있고 대화가 훨씬 밀도 있게 흘러간다.
유일한 단점, 편향을 다루는 법
LLM-Wiki의 단점이 딱 하나 있다면 편향이다. 유저가 선별한 자료와 질문에서 출발하기 때문에, 자연스럽게 특정 방향으로 지식이 쌓인다. 그래서 위키를 정리할 때는 가끔 원문으로 돌아가 읽고 클로드에게 지금 지식베이스가 놓치고 있는 주제가 있는지 직접 물어봐야 한다. 인용된 참고문헌 중 보완이 필요한 것이 있는지도 확인한다. 보통 클로드는 "이런 논문이 있으면 살펴볼 수 있습니다"라는 식으로 제안하는데 그렇게 함께 읽는 작업을 이어나간다.
내 경우를 예로 들면, 비코딩 변이를 연구할 때 나는 TAD(염색체 3차원 구조) 방식보다 내가 논문을 써온 카테고리 방법을 선호한다. 내 자료로 하다 보니 LLM-Wiki가 TAD 관련 지식을 충분히 파고들지 않는 경향이 있다. 하지만 나는 이 편향이 어디서 비롯된 것인지를 안다. 그래서 그 부분을 클로드에게 직접 지적하면서 대화를 이어갈 수 있다. 편향을 제거하려는 게 아니라, 편향을 알고 다룰 뿐이다.
LLM-Wiki는 딸깍 하면 나오는 툴이 아니다
LLM-Wiki는 만능 도구가 아니다. 유저가 충분히 질문을 해야 하고 돌아온 답과 정리된 결과를 읽고 소화해야 한다. AI가 내놓는 답을 그대로 받는다고 그게 곧 내 지식이 되지는 않는다. 오히려 연구자라면 공부를 더 많이 하게 되고 자신의 지식 체계가 함께 넓어진다.
위키 페이지가 많아지면 클로드가 grep으로 검색하는 방식이 약해진다는 문제도 있다. Karpathy 선생도 qmd 같은 툴을 권했는데 나도 써보니 대만족이다.
학부 수업에서도 같은 방식으로
대학교 학부 수업에서도 LLM-Wiki를 활용하고 있다. 수업에서 쓰는 교과서를 LLM-Wiki에 넣어두었다. 학생들이 Slack에 질문을 남기면 (우리 수업은 Slack으로 7일 24시간 질문을 받는다) 그 내용을 Claude MCP로 불러와서 LLM-Wiki에서 답을 작성한다. 학생의 질문은 다시 LLM-Wiki에 편입되면서 위키가 점점 수업 맥락에 맞게 정교해진다.
한 가지 재미있는 문제가 있다. 학생에게 주는 답이 어딘가 "클로드 말투"처럼 느껴진다. 개선하는 방법은 간단하다. 평소에 클로드처럼 말하면 된다. "충분한 정보를 찾았으므로 답변을 작성합니다" 같은 식으로.