전통적인 리서치 워크플로우에서 가장 큰 문제는 지식의 ‘휘발성’이다. 북마크, PDF 파일, 노션 페이지, 브라우저 탭에 흩어진 정보들은 서로 연결되지 못하고 파편화되어 사라진다. 리서치가 시간이 갈수록 쉬워지지 않고 매번 새로 시작하는 느낌이 드는 이유는 바로 이 지식의 누수 때문이다.
리서치에서 진정한 복리 효과를 얻으려면, 모든 질문과 답변이 기존 지식 체계와 연결되는 ‘폐쇄 루프(Closed Loop)’ 시스템이 필요하다. Claude Code와 같은 에이전트가 강력한 이유는 단순히 검색을 잘해서가 아니라, 결과물을 지속 가능한 지식 저장소(Obsidian 등)에 강제로 결합하고 구조화하기 때문이다. 시스템이 훈련된 비서처럼 모든 정보를 인덱싱하고 교차 참조하기 시작할 때, 사용자의 라이브러리는 시간이 지날수록 더 똑똑해지는 유기체가 된다.
근거
리서치 자료가 노션, 애플 메모, 북마크 등으로 흩어지는 현상을 방지하기 위해 raw/, wiki/, output/으로 이어지는 엄격한 폴더 구조와 CLAUDE.md라는 규칙 기반의 운영이 필수적이다.
“리서치는 복리로 쌓여야 한다. Claude Code 자체에는 기억이 없지만, Obsidian과 결합하면 강력한 지식 베이스가 된다. 모든 질문은 새로운 노트가 되고, 모든 노트는 소스와 연결된다.”
연결된 생각
- 20260609-claude-code-research-framework — 구체적인 폴더 구조 및 운영 절차
- 20260609-agentic-ai-is-the-eliminator-of-process-friction — 지식 노동의 자동화 관점